张军珲 ，霍建伟 ，崔 培 ，胡光亮 ，董泽亮

（1. 黄河勘测规划设计研究院有限公司，河南 郑州 450003；2. 云河（河南）信息科技有限公司，河南 郑州 450003；3. 黄河水利水电开发集团有限公司，河南 郑州 450000）

0 引言

近 2 年水利部相继发布了《“十四五”智慧水利建设规划》《数字孪生流域建设技术大纲（试行）》《数字孪生水利工程建设技术导则（试行）》等重要文件，指出数字孪生水利工程是数字孪生流域建设的重要组成部分，也是数字孪生流域建设的切入点和突破点[1][2]1[3]。数字孪生平台是数字孪生水利工程的核心内容，包括数据底板、模型库、知识库和孪生引擎等内容[2]1。其中，知识库是数字孪生平台的重要组成部分，在知识库建设中，知识图谱、机器学习、大数据、自然语言处理等技术提供了重要支撑[4-6]，将知识图谱技术应用于水利行业，既能为流域管理决策提供归因分析、方案推荐等辅助支持，也可为方案编制和计算等应用提供驱动因子[7]1，实现对水利对象关联关系和水利规律等知识的抽取、管理、组合应用，为数字孪生流域和数字孪生工程提供智能内核。知识库的建设和应用对数字孪生水利工程安全极为重要，现阶段工程安全相关模型还不够成熟，更多地依赖专家经验、工程风险隐患、隐患事故案例等知识进行会商研判[8]。建立数字孪生水利工程知识库，挖掘预报调度方案、工程安全和业务规则等知识，形成多类型、多维度的知识形态，并面向应用场景，可为“四预”业务应用赋能[9]。

小浪底水利枢纽工程是黄河干流的关键控制性工程，数字孪生小浪底是全国首批先行先试重点数字孪生水利工程之一。数字孪生小浪底知识库建设通过汇集数据底板产生的相关数据和模型平台的分析计算结果，利用知识引擎建设预案方案库、经验库、业务规则库、历史场景库和工程知识图谱。本研究以数字孪生小浪底知识库建设为例，从知识库总体架构、构建和应用等 3 个方面开展研究，探索数字孪生水利工程知识库的构建方法和路径。

1 总体架构

数字孪生小浪底知识库将半结构化和非结构化的信息资源转换成可理解和处理的知识，构建持续迭代的水利工程知识体系，实现知识的有效管理及应用，总体架构如图1 所示。建设内容包括：

图1 数字孪生小浪底知识库总体架构图

1） 数据源。非结构化数据涵盖各类方案、预案、规程、规范文档、视频影像和图片照片等，以自然语言形式存在，须进行文本挖掘和信息提取等技术处理，以便将其中的知识进行抽取、管理并应用到知识库。结构化数据则通过数据底板接入，包括基础、监测、业务等数据，能够直接应用到数字孪生水利工程的建模、分析和决策过程中。非结构化和结构化数据支持工程安全、预报调度和业务决策等方面的智能应用。

2） 知识引擎。利用机器学习、自然语言处理等技术，构建具备知识管理、检索、问答、图谱及推理计算等能力的水利知识引擎，为知识库提供强有力的引擎服务支持，水利工程领域专业知识得以高效管理、快速检索、智能问答，同时还能构建丰富的知识图谱，并应用于决策分析过程中，为数字孪生水利工程的发展和应用提供重要的技术支撑。

3） 知识库。通过知识引擎，将数据源进行结构化分析，并通过知识梳理、建模、抽取和融合等技术，构建预案方案库、经验库、业务规则库、历史场景库和工程知识图谱，支撑数字孪生业务应用，实现水利工程知识的有效管理和利用，为决策提供智慧支撑。同时，在业务应用中不断扩充、更新和校核知识库，确保知识库的实时性和准确性。

4） 知识应用。通过构建知识门户，知识库可以提供集知识检索、问答、推荐和推理于一体的入口，为用户提供高效的知识获取途径。同时，结合具体业务应用需求，将知识库与实际业务使用场景相结合，在知识应用层面为业务应用提供知识检索、智能问答、解释、溯源和推荐等知识服务。

2 知识库构建

2.1 知识引擎建设研究

数字孪生小浪底知识引擎包括知识管理、检索问答、知识图谱、推理计算等四大核心能力，为知识管理和应用提供强有力的工具。

2.1.1 知识管理能力

知识管理是指对知识进行分类管理，有效处理非结构化和结构化知识，并对知识进行拆分和提炼，包括从数据中提取对象、属性、问答对、段落语义等知识，并进行知识更新和维护等；支持多源多态的数据接入，包括文档、视频数据、数据库直连、API 接入和网页数据等，为多模态数据应用提供全支撑。知识管理能力高效管理和利用各类知识资源应用，使知识引擎具备强大的灵活性和适应性。

2.1.2 检索问答能力

检索问答提供以下 3 种能力：1） 智能检索能力。通过语义理解和推理计算对各类知识进行全面精准的检索，并根据相关性对检索结果进行排序，提供全面精准的答案。2） 智能问答能力。提供知识图谱智能、问答对、语义理解、数据统计和结构化信息等多种问答能力。可根据提出的问题识别意图，给出精准回答并直观展现结果。通过强大的问答能力满足多种应用需求，实现所搜即所得。3） 智能推荐能力。基于知识图谱技术结合检索内容，进行相关信息的推荐，可提高检索效率和用户体验。

2.1.3 知识图谱能力

知识图谱一般也称为知识库，用来描述现实世界中实体间的关系，通常以网络形式进行链接，其中每个节点代表实体，每条边代表实体间的关系[10]。引入知识图谱技术构建知识平台不仅是数字孪生流域建设的必要方法，也是提高水利业务知识管理水平的有效途径[7]3。基于知识图谱技术，提供知识定义、图谱构建及应用功能等能力。以图谱和内容标签为载体，基于水利知识可视化和面向应用场景建模，实现水利知识表示、抽取、融合和存储等，有效表达实体（例如工程、建筑物、设备等）之间的关系，识别和抽取水利领域有关的关键信息等。

2.1.4 推理计算能力

基于图计算和解释推理技术，利用知识图谱和规则模型等，结合小浪底水利枢纽工程调度运行管理等核心业务需求，定制工程安全应急处置、防汛调度决策支持、设施设备预测性维护等业务场景。如在机电设备运行管理中，通过推理计算能力的应用，对历史运行、维护、故障等数据进行综合分析，形成一张全面的设施设备运行状况图谱，为设备安全运行提供更为精准的指导方案，提高决策效率和技术水平。

2.2 知识库建设研究

数字孪生小浪底知识库建设通过知识引擎对小浪底水利枢纽工程知识进行结构化、参数化和数字化处理，构建持续迭代的知识库，为数字孪生小浪底业务应用场景提供全面、准确、可靠的知识支撑。

2.2.1 预案方案库

通过对小浪底水利枢纽工程汛期和非汛期调度运用规则、防洪预案、调水调沙方案、超标准洪水应急预案、滑坡体滑塌应急预案、处置方案等多个非结构化文件进行结构化和数字化处理，按照预案类型和应用边界进行分类，预设预案应用条件，构建数字孪生小浪底预案体系。预案方案库提供预案参数、人员、措施等调整，以及预案更新、全文检索、段落检索、关键知识问答、预案方案更新等，为不同业务应用场景提供预案应用支撑。部分预案体系示例如图2 所示。

图2 部分预案体系示例图

2.2.2 经验库

经验库基于专家经验决策的历史过程，将历史洪水处置、安全事件处置、水工设施检修、发供电设备异常处置、工程风险隐患、隐患事故等案例的经验进行数字化和结构化处理，通过文字、公式、图形、图像等形式固化专家经验，并进行抽取、融合、挖掘和结构化处理，实现专家经验的有效复用和持续积累，促进个人经验普及化、隐性经验显性化，为一键全自动诊断分析、相似事件处置、复杂情境下的决策提供专家经验支撑。经验库中的专家经验可为决策者提供参考与指导，帮助在类似情况下做出准确可靠的决策，提升整体决策水平和工作效率，促进经验知识的积累和普及应用。

2.2.3 业务规则库

业务规则库用于描述一系列可组合应用的结构化业务规则集，将调度规程、水库调度运用、机电设备运行检修、工程安全监测、巡检规程等文档内容进行结构化处理，通过对业务规则的抽取、表示和管理，构建水库运用方式、机组及孔洞运用组合、工程安全监测和巡检等业务规则，支撑数字孪生业务场景的规则适配。通过规则库，水利业务管理行为得以规范和约束，为决策提供可靠依据。根据小浪底水利枢纽工程运用调度规程抽取枢纽机组、孔洞组合运用规则，示例如图3 所示。

图3 小浪底水利枢纽工程机组、孔洞组合运用规则示例

2.2.4 历史场景库

围绕防洪调度、调水调沙、重大事件应急处置等，构建历史场景模式。历史场景库的主要功能是回顾历史重大事件场景，通过分析和总结历史事件经验，为同类事件的精准决策提供知识化依据，帮助决策者做出准确决策。

2.2.5 工程知识图谱

基于知识图谱技术，围绕小浪底水利枢纽工程防汛调度、工程安全、发电运行、库区管理等核心业务，利用图谱分析和展示手段，提取工程实体、属性和关系映射，构建与业务职能、具体执行任务、业务主题场景强关联的小浪底水利枢纽工程知识图谱，实现数字孪生小浪底业务知识融合，便于水利知识的快速检索、定位和推理计算等。目前，知识图谱库已构建工程对象、监测体系、预案方案、设备检修等多个知识图谱，包括8 218 个实体和 143 215 个关系。

3 知识库应用

3.1 知识检索应用

知识检索提供对预案方案库、经验库、业务规则库、历史场景库、工程知识图谱等水利知识的快速检索和搜索结果排序及相关搜索推荐等功能，检索范围包括问答、文档、结构化数据和图谱数据等，通过对检索结果进行精准匹配，并按照相关性进行排序、关联信息推荐等，以便用户能够快速找到最相关的结果。如检索“小浪底水利枢纽”，可以得到以小浪底水利枢纽工程为实体的关系图谱，相关指标信息（如实时水位、实时流量等）、问答及文档知识。

3.2 知识问答应用

知识问答功能集成了知识图谱、阅读理解、对话式等问答方式，通过人机交互式对话，提供对防汛、工程安全、发电、调度、库区、水工、设备等知识的精准问答。在数字孪生小浪底知识库中，将问题进行分类，支撑专题知识问答，同时可对热门问题进行统计推荐。如询问“泄洪排沙期间检修排水管淤堵”，得到答案“1） 机组排水时不能将检修干管排空，防止泥沙失水板结。2） 利用检修机组技术供水管路，通过该机组尾水盘阀将清水引入检修干管”，可以帮助用户快速精准得到问题答案。

3.3 知识推荐应用

知识推荐主要结合用户操作习惯、关注知识、检索内容等，基于知识图谱能够快速为用户推荐个性化知识，以实体为中心，通过关系把不同实体连接起来，实现知识的融合与互动，使计算机能更理解用户的搜索需求，提供更准确的搜索结果，如搜索“小浪底水利枢纽”，通过知识图谱技术在推荐栏中为用户推荐和小浪底水利枢纽工程同类型实体的“西霞院水利枢纽”，以及与小浪底水利枢纽工程相关联的实体“小浪底水工”“小浪底发电设备”等，提升用户发现知识的效率。

3.4 推理决策应用

知识推理决策基于知识图谱和规则库的推理方法，根据推理规则进行知识推理，实现对水利知识的进一步挖掘。以水利领域防洪调度业务场景为例，借助决策树构建调度运用方式相应规则，可以将不同的调度运用方式作为特征，将目标变量设定为最佳的防洪调度方案。通过对历史数据的学习和分析，构建决策树模型，帮助系统根据当前的输入条件选择最优的调度运用方式，为复杂多变场景下的水库防洪调度问题推荐决策分析方案。如输入“小浪底水库运用方式”，再输入相关决策条件“预报花园口洪峰流量”“预报小花间洪峰流量”等信息，便可输出小浪底水库运用方式，可以对不同决策条件下的决策信息进行场景模拟，为工程运用方式提供支撑。

3.5 “四预”业务应用

利用构建的知识引擎和知识库，围绕数字孪生小浪底工程安全、防汛调度、库区管理和发电运行等“四预”业务中的预案环节，应用结构化预案和知识图谱等知识，提供预案生成和预演能力支持。

以防汛调度业务应用为例，结合气象预报、水文预报、工程安全监测、工程运行等信息，根据特定场景下的预报模型结果和预演调度方案，自动生成防汛预案，包括水情形势、工程安全研判、枢纽运用方式和安全举措等内容。通过提取调度方案信息，获取水情形势相关数据；通过集成接入工程安全“四预”业务应用系统中对工程安全的研判数据，展示工程安全状态信息；通过分析调度期内的水库调度过程，结合当前机组孔洞的运用状态，利用小浪底水利枢纽工程、孔洞运用规则得出调度期内的机组孔洞运用组合；通过对潼关流量、小浪底水库水位、小浪底出库流量等条件判断当前应急响应等级，并给出安全举措、组织保障、队伍保障、物资保障等应急保障组内容。

4 结语

围绕知识引擎、知识库构建及业务应用建设等开展数字孪生小浪底知识库研究，结合防汛调度、工程安全、库区管理、发电运行业务应用需求，对预案方案、水行政法规、处置方案、检修规程等多类文件进行结构化研究，构建了工程安全监测体系、发电设备等知识图谱，实现了孔洞开启方案、防汛应急等预案推荐，以及水行政知识问答等知识应用服务，并在数字孪生小浪底“四预”业务中进行了实践，在小浪底防汛调度、黄河调水调沙及防汛演练中进行了应用，有力支撑了黄河防汛工作。

在数字孪生小浪底知识库建设中还存在一些问题：1） 知识资源整合。知识库探索晚，知识资源已分散在各业务系统中，如把一些基础、规则知识等整合拆解后存放到知识库，知识库再反向为业务应用提供知识支撑，涉及多个业务应用的改造和整合，难度较大。2） 知识应用。除了提供知识检索、问答等通用的知识应用外，需要针对不同的业务应用场景逐步探索知识应用，应用复用度较低，导致智能化程度不足。3） 知识图谱构建。仍以大量人工方式进行知识梳理和构建，自动化程度不高，造成知识更新困难等。

结合数字孪生小浪底研究和建设，围绕数字孪生小浪底知识库建设中存在的问题与短板，后续工作中将继续围绕知识自动化获取和结构化、知识应用场景、大模型等新技术在知识库中的应用开展相关研究。