物聯網及深度學習技術下智慧水利發展的研究*

李巖 程琳 楊豪杰 劉婧 王政博

1. 河北省高校水利自動化與信息化應用技術研發中心 河北 滄州 061001；2. 河北水利電力學院 河北 滄州 061001；3. 河北省南運河河務中心 河北 滄州 061001；4. 河北省地礦局第四水文工程地質大隊 河北 滄州 061001；5. 河北省工業機械手控制與可靠性技術創新中心 河北 滄州 061001

引言

隨著經濟社會的快速發展，我國水資源供需矛盾日益突出。我國地域廣闊，水系眾多，水利工程數量多、分布廣，經濟社會的快速發展對水資源提出了更高的要求。2018年中央一號文件明確提出要實施智慧農業林業水利工程。水利部在2018年2月和2019年7月分別印發了《加快推進新時代水利現代化的指導意見》和《智慧水利總體方案》，兩者都強調了水利現代化和可持續發展。智慧水利則是水利現代化的重要發展階段。目前，對于智慧水利還缺乏較為系統的認識，部分水利工程管理中設備人工巡查操作，數據人工統計上報，數據分析相對缺乏，水利設施的智慧化程度相對較低。現有的智慧水利平臺也存在獲取運行數據不夠全面，數據傳輸問題突出，信息孤島存在，智能化不足等問題。因此厘清和明晰智慧水利建設內涵，將物聯網和深度學習技術應用到智慧水利的建設及發展，具有重要的意義。

1 智慧水利的概念及內涵

智慧水利屬于多學科交叉領域，是以傳統水利為基礎，融合了水利工程、計算機科學、環境科學、通信技術等多個學科，是對水利行業進行信息化發展的新階段。目前，物聯網技術、人工智能技術等新技術在水利中的使用越來越多，極大地推動了水利信息化的發展。

智慧水利核心內涵是傳統的水利對象對于信息化需求的不斷提升。傳統的水利對象，如河流、湖泊、水庫、水壩、水閘、泵站等，在運行管理中都是以人工管理為主，水文數據也需要工作人員定時觀測，效率低，準確度不高。將物聯網、深度學習、5G、大數據等新一代信息技術應用在水利領域[1]，在水安全、水資源、水環境、水生態等領域實現智慧化管理，智能化決策，透徹感知，全面互聯，以達到智慧水利各項功能。

智慧水利的特征是高效性、可持續性、智能化、安全性等。智慧水利通過強感知系統和控制系統獲取數據，使用物聯網技術和通信技術遠程傳輸到智慧水利平臺進行數據存儲，并使用深度學習技術進行數據分析，對水利安全，水利資源，水利環境等領域的管理和決策提出建議[2]。

2 物聯網及深度學習技術

2.1 物聯網技術

近年來，物聯網技術越來越成熟，已在多行業應用。物聯網技術綜合使用了傳感器技術、自動控制技術、通信技術、計算技術等，可以實現對目標對象的遠程監測，遠程控制。

物聯網分為感知層、控制層、通信層、中間層和交互層。其中，感知層在控制層控制下使用傳感器進行各種數據的獲取。控制層為現場測控設備的核心，由單片機、PLC等構成[3]。通信層負責控制層與云端中間層的通信，根據使用場景不同，可以使用WIFI，5G，NB-IOT，LORA等通信方式，通信協議一般使用物聯網通信協議MQTT和COAP。中間層一般部署在云端，主要負責數據存儲及數據轉發。交互層的主要作用是和用戶進行交互，主要使用B/S結構WEB界面或者手機App顯示現場監測數據。

圖1 物聯網分層模型

2.2 深度學習技術

深度學習（Deep Learning）是機器學習的分支，卷積神經網絡(CNN)和深度置信網絡和遞歸神經網絡等已被廣泛地應用在計算機視覺、語音識別、自然語言處理、音頻識別與生物信息學等領域并獲取了良好的效果。目前已經形成了幾個主要的深度學習框架，如Google公司推出的Tensorflow，Facebook公司推出的PyTorch，加利福尼亞大學伯克利分校推出的Caffe，百度公司推出的PaddlePaddle等框架集，這些開源框架集的出現，進一步推動了深度學習使用。

3 智慧水利關鍵技術應用

3.1 物聯網技術在智慧水利中的應用

智慧水利建設中，物聯網技術是必不可少的一環。習近平總書記提出了“節水優先，空間均衡，系統治理，雙手發力”的治水思路。新時期智慧水利的發展，需要加強遠程監管，合理調度資源，及時存儲數據。智慧水利發展，涵蓋了數據的獲取，遠程傳輸，遠程顯示，遠程存儲等內容，這些功能的實現都需要物聯網技術進行支撐。

目前，農村水利，水政水資源，防汛抗旱，生態保護，水利工程管理幾個方面都是智慧水利建設中重點的服務領域。地下水取水雙控，農村飲用水安全，水庫水情監測，山區山洪監測，水壩運行情況監測都是水利行業內需要監控的重點方向。需要長時間，不間斷的進行監測和記錄。物聯網技術可以有力支撐這些領域內的遠程自動監控[4]。根據環境不同，在網絡條件較好的地點，使用WIFI進行數據傳輸；在野外地區，使用低功耗的NB-IOT技術進行數據傳輸；在無基站地區，使用LORA或北斗報文技術進行數據傳輸，可以有效地進行各站點進行遠程實時無人監控。

3.2 深度學習技術在智慧水利中的應用

Alpha Go橫空出世，深度學習技術再一次得到了重視。目前，深度學習技術在機器視覺，自然語言處理，數據分析領域都取得了很多成果，改變了我們的生活。智慧水利中，深度學習目前主要應用在水利工程運行情況監測，水利調度數據分析，智慧大腦建設等領域[5]。由于物聯網技術的使用，云端積累了大量的水利數據，利用智慧水利平臺積累的大量數據，深度學習技術可以對水利工程運行，水利環境安全性，水文變化趨勢進行分析，并給出合理化建議。

使用深度學習進行預測，需要使用積累的有效水利數據對選定的深度學習模型進行訓練，經過訓練集多次訓練，得到參數穩定的深度學習模型。將需要進行預測的水利數據進行輸入，可以得到較為準確的預測結果。

目前，已經有使用深度學習YOLO模型對水利工程混凝土裂縫進行監測的相關研究，并取得一定進展。YOLO模型是一個優秀的目標檢測模型，具有運算量小，準確性高的特點，目前還在不斷改進中。有學者使用LSTM模型對水工建筑物的安全模型進行優化，LSTM模型具有預測長期時間序列的能力。

深度學習對于智慧水利具有重要作用，是智慧水利建設的重要一環。將深度學習應用到智慧水利建設中，才能真正發揮智慧水利的重要性。

4 智慧水利未來發展方向

當前，智慧水利還存在諸多不足，如感知不夠全面，部分環境通信困難，水利信息共享不夠充分，深度學習應用不足等。為解決上述問題，智慧水利進一步發展方向如下：①加強硬件設施建設。對于需要遠程實時監測的目標，需要進一步增強監測網點建設，增加現地監測設備布點，建立覆蓋全面的感知網絡體系。進一步加強水利通信網絡建設，保證水利感知數據在不同環境下可以通過不同通信方式高效傳輸。同時建立匹配的云計算存儲平臺，為數據的存儲和分析提供支持。②加強水利知識體系構建。將人工智能特別是深度學習深入應用到智慧水利建設中，利用水利行業的海量數據，獲得適合水利行業的深度學習模型，探尋水利事件發展的規律。③將物聯網技術、深度學習技術等新技術和水利業務深度融合，在水災害預警、水利工程管理、水文預測等方面進一步探索。④制定統一的水利物聯網通信標準。在水利信息采集，數據傳輸，數據存儲制定規范。

5 結束語

通過對智慧水利概念的總結，物聯網及深度學習技術的介紹，對智慧水利的發展進行了深入討論：①物聯網中的感知和遠程數據傳輸技術在智慧水利中具有重要作用。在農村水利，水政水資源，水文監測，水災害預警和水利工程監測中都依賴物聯網技術提供的數據獲取，遠程數據傳輸和數據存儲能力。②水利領域環境復雜，數據傳輸中，在環境允許的條件下可以使用WIFI，5G方式傳輸。在大部分野外環境中，需要使用低功耗的NB-IoT，Lora，Zig Bee等技術進行數據傳輸。③深度學習可以根據大量水利數據，訓練出適合水利行業的模型，從而在水文數據預測，水災害預警，水利工程運行監測，水利工程安全分析等方面進行深入應用。④制定水利標準，可以進一步推動智慧水利的規范化發展。