岳兆新 ，廖亨利 ，陈彬彬

（1. 河海大学计算机与信息学院，江苏 南京 211100；2. 河海大学水文水资源学院，江苏 南京 210098）

0 引言

全国各级水利部门已经存贮入库的数据粗略估计已经达到 PB 级以上[1–2]，如果物联网将所有水利对象都连入网络，则水利数据的量将远远超过一般认为的“大数据”量标准。

海量的数据中蕴含着水利发展与管理所需要的巨大价值，但水利数据具有的时空特征和自然与人类相互影响的特点，也给水利大数据的应用带来巨大挑战，迫切需要应用非传统的理论、方法与技术构造相应的应用解决方案。

粒计算（Granular computing）是以外部世界和用户为中心而建立的一种方法论，方便认识物理的和虚拟的世界。以此为基础，在求解问题的过程中，用粒度合适的“粒”作为处理对象，从而在保证求得满意解的前提下，提高解决问题的效率[3–4]。自 1979 年以来，众多学者对粒理论和模型进行了深入研究，并将其与人工智能、数据挖掘等技术相结合，取得了诸多成果[5–8]。近年来，研究人员提出结合粒理论可以更好地处理大数据相关问题，并梳理出两者之间的诸多切合点，为粒理论在大数据分析应用方面提供了指导[9–11]。因此，在水利大数据背景下，如何结合粒理论，实现水利大数据场景数据融合，以及在多模态数据场景下，根据不同问题的“粒度”大小，寻求合适的解决方法，从而降低复杂多时空尺度问题求解的时间和计算复杂度，是讨论的重点。

1 粒理论

1.1 概述

20 世纪 90 年代，Zadeh 和 Lin 教授首次提出粒度计算的概念，并将其用于模糊的、不完整的和海量信息的处理或问题求解。……