Page 48 - 水利工程管理的现代化发展及方向

水利工程管理的现代化发展及方向

水利的知识是包括水文物理规律、降水径流等转化关系、水文气象要素预测预报，

以及流域水文、水动力学、水环境等模型等。知识的产生，除了传统的数理统计
等方法外，大数据挖掘和人工智能等信息方法手段，是获取智慧水利知识的重要
方法和手段。
1）大数据

大数据（Big Data）是指无法用现有的软件工具提取、存储、搜索、共享、
分析和处理的海量的、复杂的数据集合。大数据具有数据体量巨大，数据类型繁

多（包括结构化和非结构化的），价值密度低（海量信息中有价值的信息可能很
少）和更新速度快的特征。水利活动产生和所需的数据规模巨大（历史水文气象
要素的相关系列）、类型多样（水位、流量、土地利用数据、植被土壤类型数据、
水利工程调度数据等）、增长迅速（实时监测更新），其获取、存储、管理、分

析等方面都大大超出了传统数据库软件工具的能力范围。水利数据完全符合大数
据所具有的 4 个特性，可谓是大数据概念范畴当中的一个极具代表性的应用。例
如，水文预报模型或预报方案，即通过历史汇流规律的知识提取得到降雨径流关

系图就是大数据在水文预报中的典型应用。当前，水利大数据平台建设主要包括
硬件架构、HDFS 分布式文件存储、Hadoop 架构、Spark 内存计算框架、NoSQL
非结构化数据库、MPP 分布式数据库、数据挖掘等若干关键技术。
2）人工智能

美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能的定义是：人工智
能是“怎样表示知识以及怎样获得知识并使用知识的科学。”人工智能科学就是
研究如何使计算机去做过去只有人才能做的智能工作。人工智能需要数据来建立

其智能，没有大数据就没有人工智能。大数据是一种传统的计算方法（统计分析），
它只是寻找结果，不会根据结果采取行动。相比之下，人工智能是一种计算形式，
它允许机器执行认知功能，并根据执行的反应不断改变它们的行为，以适应执行
结果的变化。近几年，围绕基于机器学习和深度学习等技术在水文领域的应用得

到了长足进步。研究表明：深度学习等智能算法在水文遥感数据处理及信息提取、
缺资料小流域水文预报模型区域参数化、山洪灾害影响因子识别与风险分析等方

面都取得了一些优秀的成果。人工智能在降雨预报、小流域下垫面遥感数据分类、
洪水计算模型参数、洪水预报预警和洪水灾害风险评估等研究和探索性应用方面
具有很好的应用前景。

34