Page 38 - 水利水电工程施工管理概论

水利水电工程施工管理概论
Introduction to the Construction Management of Water Conservancy and Hydropower Projects

卫星等。
（4）边缘智能与协同
边缘智能与协同包括对人工智能算法与模型的边缘侧处理和适配。基于深度
学习架构下的模型及机器学习算法，对人工智能模型及算法在边缘侧进行剪枝、

量化、压缩，通过软件定义的轻量化容器技术，实现物理资源的边缘侧应用，通
过多参量物理代理实现多种传感接入、业务分发、边缘计算及区域自治，最终实
现高性能、低成本、高灵活性的人工智能技术边缘侧下沉。
（5）空天地传感器集成管理

开展海量传感器组网通信、异构传感器接入、传感网资源管理、传感网服务
组合、流式数据挖掘分析和地理信息互操作等技术研究；研究协同多源异构感知
资源的新方法，包括传感器信息建模、观测能力评价、协同监测、点面观测数据
融合和按需聚焦服务等方法。

（6）工程群耦联智能控制
针对明渠非恒定流输水的水动力学过程具有强耦合、大时滞等非线性控制特
点，需将控制算法与渠道运行方式结合，开展渠道运行方式、控制方式和闸门控
制算法的适用性和匹配性研究；研究分段子系统渠道水力特性对控制系统影响的

物理机制，探索合理的渠道运行方式，并研制闸泵控制器；改进渠道运行的闸泵
群联合控制模式，开发动态耦合控制模式和控制算法；研发冰期输水过程控制技
术，制定冰期输水的闸泵群安全调度操作程序；研究极端、事故条件下的分级、
分段控制模式，研发能够处理常态和应急工况的闸泵群全自动控制平台。

2. 虚拟流域高保真模型构建关键技术
数字孪生建模是精确刻画物理流域对象的核心，它使数字孪生流域能够提供
监控、仿真、预测、优化决策支持功能性服务以满足流域治理管理的需要。
（1）流域高保真建模

引入先验知识改善机器学习模型的可解释性、鲁棒性与可泛化性，是突破目
前人工智能在流域应用瓶颈的一个重要方向。流域系统在长期的生产实践中积累
了大量的逻辑规则、代数模型、物理模型等，将上述机理知识引入数据驱动的分
析方法中，可降低对训练样本数量及质量的要求，使机器学习模型具有应对动态

环境的能力。针对不同场景下模型的获取难度，物理机理与数据驱动融合建模方
法可分为数据模型对机理模型的改进、机理模型对数据模型的指导以及构建混合

26