Page 180 - 测绘科学技术理论及实践应用研究

Application and Theoretical Research of Engineering Machinery Technology
测绘科学技术理论及实践应用研究

某些情况下，这会取得较好的效果，但深度学习模型有一个缺陷，那就是对已有
的经验数据学习效果很好，但是当新的输入超过它的经验数据范围后，输出的结

果无法把控，也就是说深度学习模型的输入输出不能超越它的经验范围。这也是
在大云物移时代，必须更加重视传统的水文水利模型和回归分析等技术手段，而

不能单单用基于历史数据的深度学习去做数字模型的原因。最后，模型计算的时
效性问题。对于复杂的模型，单核运算难以满足数字孪生技术决策的时效要求。

在云计算的技术背景下，一般考虑采用多核并行计算，提高模型的求解速度。此
外，在模型设计上，要考虑计算机内存与中央处理器（CPU，Central Processing
Unit）的均衡匹配，多采用矩阵，利用图形处理器（GPU，Graphics Processing

Unit）提高计算速度。在决策算法选择上，要考虑能支持并行性计算的算法，如
遗传算法，其在个体适应度、适应度评价等具备天然的并行性。

第三，接口设计及集成。数字孪生系统是多个子系统的集成，这些系统一般
由不同的单位建设，只有设计合理的边界和接口，才能实现整个系统的稳健运行。
在工程建设中，信息化系统和模型之间应该是一种松耦合的系统，两者之间应有

清晰的边界和数据接口，便于模型的更替以及信息化系统的更新改造。一般情况
下，信息化系统仅提供原始的采集数据，而数据质量管理系统和数字模型密切相

关，因此两者应由同一家单位建设。此外，数据质量管理系统的数据是经过加工
处理的，因此，数据质量管理系统应自建数据存储体系，存储修正后的数据给模
型使用。对于虚拟体产生的决策集，应增加序列编号后提供给信息化系统执行，

防止因某一决策步骤的操作缺失造成工程事故。
第四，系统功效评价。数字孪生系统建设复杂，会在多个系统间产生数据交

互。在工程中一般遇到的问题是数字模型和信息化系统耦合性太强，导致调试运
行时互为掣肘，难以理清头绪。根据建设经验，数字孪生系统要达到预期效果，
在开发过程中可遵循“三可”原则：第一，可观察：虚拟体决策过程必须是可观

察的，提供给用户的不能是仅有输入输出的黑箱子；第二，可执行：虚拟体决策
的结果必须是清晰的可操作的指令，譬如几点几分几号闸门开多少米。第三，可

追溯：调度指令从虚拟体产生到信息化系统执行，必须有清晰的信息记录，譬如
这条决策是那个模块产生的，是否执行了，谁执行的，什么时候执行的。

172