水工程聯合調度知識圖譜構建與應用研究

摘要：為了將水工程調度與新一代信息技術進行深度融合，立足流域水工程調度業務需求，按照知識建模、知識抽取、知識存儲以及知識應用的總體思路，提出了合理可行的水工程聯合調度知識圖譜構建與應用總體技術方案，以及場景驅動的水工程聯合調度本體構建方法。具體闡述了結構化、非結構化信息挖掘與知識抽取技術以及基于Neo4j圖數據庫的知識索引與可視化，并從防洪調度、水資源調配兩個方面探索知識圖譜的應用實例與發展方向。研究初步實現了調度知識圖譜構建全流程貫通，可為知識圖譜在水工程聯合調度領域的進一步發展與應用提供借鑒。

關 鍵 詞：水工程聯合調度； 知識圖譜； 本體構建； 防洪調度； 水資源調配

中圖法分類號： TP399

文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2024.09.001

0 引 言

在過去二十余年，隨著許多新建水工程的建成投運，流域水工程聯合調度面臨群組規模巨大、拓撲結構復雜、干支流來水情勢隨機、演進復雜、保護對象眾多、防洪興利多目標矛盾突出等難題，水工程群調度系統優化運行已發展為多區域、多標準、多目標、多約束和多場景的全景優化問題［1-2］。為有效實現水庫、堤防、蓄滯洪區等多類水工程聯合調度，水工程調度領域與新一代信息技術進行了深度融合，機器學習、優化理論、統計分析、數據挖掘、模式識別等人工智能技術與方法已被廣泛應用至水工程調度建模、優化、解算過程中［3-6］，顯著提升了大規模水工程群組調度演算的時效性與計算精度。智能方法的應用使中國水工程調度正由“經驗調度”向“智能調度”轉變。在此背景下，中國各大流域也逐步建成了如國家防汛抗旱指揮系統、長江流域控制性水利工程綜合調度系統、黃河水量調度管理系統等在內的水利專業系統平臺。

但現有調度系統仍存在數字化基礎支撐欠缺、智能應用不足等問題，尚無法對多類別工程的聯合調度規則進行有機集成，難以動態協調防洪工程體系的攔、分、蓄、排能力［7］。亟需采取行之有效的水利要素提取與整理手段，對海量水工程調度領域基礎數據信息進行清洗與梳理，厘清工程調度規程方案，挖掘工程調控影響下控制斷面水位、流量等水利要素的變化規律，并結合歷史調度案例、調度方案預案文本等，通過知識圖譜技術體系將經驗知識與規律總結并進行結構化存儲進而構建水工程調度知識圖譜，以增強對知識信息的處理和反饋能力，達到輔助提升防洪調度智能決策水平的目的。

在水利信息化、智慧化大的背景下，構建水工程調度知識圖譜是實現防洪調度智能化水平提升的核心關鍵技術之一［8］，也是本文的主要研究目標。知識圖譜是2012年5月由谷歌公司首次發布，其利用圖譜中的概念上下位關系、屬性類型及約束、圖模型中實體間的關聯關系，根據業務場景定義的關系推理規則，實現不一致性檢測、推斷補全、知識發現、知識溯源、輔助推理決策等各類知識推理應用［9-12］。知識圖譜按應用范圍可劃分為通用知識圖譜和領域（行業）知識圖譜，其中水利知識圖譜屬于領域知識圖譜范疇。知識圖譜構建包括知識建模、知識抽取、知識存儲、知識融合、知識計算等關鍵技術，以及知識推理和知識更新等維護技術［13-14］。

縱觀國內外水利知識圖譜構建與應用研究現狀，該技術在水利行業應用研究總體較少。在涉及調度知識圖譜構建方面：李安強［15］圍繞流域水工程防洪調度業務，按照“單元-網絡-圖譜”的總體思路，構建了水工程防洪調度本體，建設了防洪調度規則庫與知識圖譜。馮鈞等［16］基于大語言模型，圍繞水工程調度業務詳細闡述了數據清洗、本體構建、知識抽取及存儲等水利領域知識圖譜構建方式，探索了大語言模型在構建知識圖譜過程中的創新應用。顧麗等［17］提出了一種基于DataG的水庫調度規程知識圖譜構建方法，初步實現了水庫調度方式的智能檢索與推理。在調度知識圖譜應用方面：黃艷［18］、劉昌軍［19］等分別針對流域防洪“四預”項目建設需求，從知識平臺框架、知識庫、知識引擎、知識平臺軟件等方面探索了以知識圖譜技術在數字孿生流域平臺建設中發揮的應用實效。陳勝等［20］基于知識圖譜實現了不同工況下工程預報-調度方案的自動生成，克服了傳統基于人工方法構建水工程聯合調度計算方案導致工作效率低且容易產生人為錯誤的缺點。總體來看，知識圖譜在水利行業，尤其是水工程調度領域的應用尚處于起步階段，由于缺乏對數據關系梳理和業務邏輯的深度認知，與電商、城市交通、電力等行業相比，還存在較大差距［21］。尤其是在多工程聯合調度本體構建、調度規則與調度響應關系等知識抽取以及防洪、水資源等多業務目標智能支撐等方面的研究仍有所欠缺，亟需進一步強化知識圖譜的構建與應用研究。

為此，本文圍繞流域水工程聯合調度實際業務需求，自上而下構建水工程聯合調度本體，完成聯合調度知識建模；在此基礎上，以聯合調度規則與工程調度響應關系為核心建立多源數據信息挖掘與知識抽取技術框架；基于Neo4j圖數據庫完成知識存儲與索引展示；最后，研究從防洪調度、水資源調度兩個方面探討知識圖譜的應用實例與發展方向。

1 水工程聯合調度知識圖譜構建

水工程聯合調度知識圖譜可按照調度相關基礎數據準備、水工程調度本體構建、數據挖掘與知識發現、基于圖數據庫的知識存儲與呈現技術流程來構建。本文的技術路線如圖1所示。

1.1 知識圖譜構建的信息需求

知識圖譜的構建需要海量數據與知識進行支撐，所需數據包含歷史及實時水雨情、工情等質量較高的結構化知識數據，也包含調度規劃報告、險情上報資料等文件中的文字、圖片、網頁數據等半結構化或非結構化數據。其中，也可從數據更新頻率角度將知識圖譜構建數據劃分為靜態數據與動態數據信息。靜態數據主要包括工程基礎特性信息、流域拓撲結構、年鑒數據資料等更新頻次較低的數據，動態數據信息主要包括實時監測信息，即控制站監測降雨、水位、流量信息，還包括業務計算方案信息。

1.2 水工程聯合調度知識圖譜本體構建

在知識圖譜構建過程中，知識建模是第一步也是最重要的步驟。知識建模重點是對目標領域的知識體系，即本體的構建，主要用于定義目標領域中事物的類型及描述事物的屬性。本體刻畫了一個領域的基本框架，基于本體框架添加具體的數據就可以構建一個簡單的知識圖譜。水工程調度知識體系（本體）可認為是關于工程調度決策過程中數據與知識的集合，包含調度領域相關的概念、屬性以及概念之間的關系。水工程調度知識體系（本體）可通過人工編輯的方式進行自上而下手動構建，也可通過數據驅動的方式進行自下而上自動化構建。

基于現有較為成熟的水工程聯合調度方案，工程調度考慮的要素大多從水情、工情及險情災情出發，進一步判斷單一工程及工程群組的調度運行方式，決策層次及邏輯較為清晰。考慮到采用基于大數據的自下而上自動構建本體方法，仍存在領域數據量不足、構建過程需要專家進行修正等問題。為此，研究依托現有調度決策流程，提出了基于規則場景重構的水工程聯合調度知識體系建模方法，具體包含流域水-工-險-災基礎信息本體構建與場景驅動的水工程聯合調度本體構建兩部分內容。

1.2.1 流域水-工-險-災基礎信息本體構建

流域基礎信息種類繁多，在實時調度中較為關注的信息包括：水工程拓撲結構，歷史與實時的水、工、險、災統計信息以及水庫等重要控制工程的特征水位、庫容等基本特征參數信息等。為此，可定義水庫、堤防、蓄滯洪區、取水口等工程節點，控制站節點，防洪保護區，河段節點；同時，還包括水情、工情、社會經濟指標、基本參數節點。工情節點屬性包括水庫水位、入庫流量，水情節點屬性包括歷史與預報的水位流量過程，取水口節點屬性包括用水戶信息等。基于水工程空間拓撲結構，以及不同河段與工程、控制站之間的上下位關系及從屬關系，構建了具有通用性的水-工-險-災基礎信息本體概念設計，如圖2所示。

1.2.2 場景驅動的水工程聯合調度本體構建

在實際調度決策中，針對不同量級、不同遭遇組合的來水場景，相應工程運用組合、調度方式以及應對措施均不同，需根據不同水雨情信息，實時對工程調度方式進行決策。為此，研究提出了場景驅動的水工程聯合調度本體構建方法，主要包括水文要素等級劃分、基于調度規則的場景重構、水工程聯合調度本體構建三部分內容。

（1） 水文要素等級劃分。

來水形勢研判貫穿整個水工程調度決策過程，實時與歷史水情信息往往以連續的時間序列存儲與展示，此類連續性的時序數據并不適應知識圖譜的查詢使用。為此，需結合現有規則知識對流域來水進行離散分級，便于使用知識圖譜進行場景與相應調度規則的快速識別與索引。以洪水防御業務為例，流域各控制站點均有對應設計洪水資料，資料中規定了不同設計頻率的洪水特征值，因此可根據GB/T 22482-2008《水文情報預報規范》將洪水量級按表1劃分。同時，對于部分重點河段，可基于河段不同等級堤防的超高水位信息，根據T/CHES-2023《流域超標準洪水防御預案編制導則》，采用控制站水位對洪水進行等級劃分，如當沙市水位小于44.50 m時為標準量級洪水，水位達到45.00，46.50，47.00 m時分別為超3級、超2級、超1級洪水，不同量級洪水下相應的防洪保護目標以及調度方式也有所不同。

（2） 基于調度規則的場景重構。

流域水情、工情綜合研判需同時考慮流域多個控制站水文要素信息以及多個水工程的工情信息，為此可根據歷史調度經驗，結合不同來水條件下各水文要素的分級分段情況，通過建立不同場景判別規則，將不同來水情況劃分成不同的來水場景，將不同工程的狀態信息劃分成不同的工情場景，并將兩者結合形成不同的場景歸集，如圖3所示。此種劃分本質上是通過人工標注方式將不同來水標注成相應場景的批次，以便后續更好地索引出不同水情、工情場景下的工程調度方式、調度響應關系以及災損變化函數和洪水應對措施等。同時，也可采用聚類方法，如系統聚類、K-means聚類、層次聚類算法、譜聚類等方法進行自動劃分。

（3） 水工程聯合調度本體構建。

水工程聯合調度本體主要圍繞工程調度規則以及歷史調度案例兩部分構建。針對工程調度規則，需將調度規則的文字化描述轉化成計算機能夠理解的邏輯語言，如在水工程調度規則描述中，往往關聯工程控制目標、工程啟用時機、聯合調度運用方式、調度響應關系等。其中各個工程啟用時機需充分考慮步驟（2）中不同的水情、工情場景節點。以場景為驅動，可將啟用工程群組進行關聯，不同工程進一步關聯該種場景下的調度方式節點和調度響應關系節點，調度控制方式節點屬性值包括固定攔蓄、固定下泄、補償調度等，調度響應關系節點屬性值可包括攔蓄水量與控制站水位流量降幅之間的關系，部分調度規則的知識描述框架及概化設計圖如圖3所示。

針對調度案例，其往往包含大量工程的調度過程及部分總結性描述，相對于調度規則方案，水工程的啟用時機、運用方式與控制變量往往需要通過專家識別或者通過計算機進行知識要素抽取，抽取后的知識要素仍可按照圖3描述的知識體系進行存儲。

1.3 多源數據信息挖掘與知識抽取技術

在知識圖譜構建過程中，實體抽取與關系發現等知識提取步驟是知識圖譜形成的前提，也是知識圖譜構建的核心研究內容。待提取的數據信息往往包括結構化、半結構化以及非結構化數據信息，針對不同類型的數據源需采用不同方式進行抽取。

1.3.1 結構化信息挖掘與關系發現

針對水情、工情、險情、災情中結構化程度較高的數據庫表數據信息，可直接采用D2R（Database to RDF）技術將數據庫信息轉換成RDF三元組信息。

針對水利領域存在的大量水工程調度過程、來水過程等時間序列信息，此類“顯式”過程信息中可進一步挖掘得到不同水-工-險-災要素間的互饋變化規律。例如，以水工程調度響應關系為例，n個工程聯合調度對控制站預見期內的水位降幅序列如式（1）所示。

Δh=f1（Q1，t1）+f2（Q2，t2）+…+fn（Qn，tn）

（1）

式中：Qi為第i個水工程預見期內的攔蓄/分洪過程；t為攔蓄/分洪時段；fi為第i個水工程調度對控制站的調度響應關系。可采用較為常用的機理模型模擬-樣本生成-關系抽取的方式，對物理流域中不同水文要素之間的變化響應關系進行關系識別與量化表征。以長江中下游區域為例，通過構建率參后的工程調度-流域水動力演進耦合模型，輸入不同典型來水過程進行調算，可以得到城陵磯站不同水位抬升條件下各站點的超額洪量值。在此基礎上，也可以通過改變工程調度方式，如改變分蓄洪區的分洪天數，得到蓄滯洪區運用對不同站點調度的影響。對于實際調度案例或者樣本較少的情況，可以通過隨機模擬的方式模擬生成來水樣本進行調算，已有學者［22-23］進一步采用機器學習方法，對不同地區組合、不同來水量級條件下水庫攔蓄對下游控制站的調度影響關系進行了函數化擬合。

1.3.2 非結構化數據信息挖掘

針對部分純文本等非結構化信息，現有研究較多采用預訓練大語言模型進行文本分類、自動標注、知識抽取等自然語言生成處理工作。現階段，基于預訓練模型的水利領域知識抽取主要有流水線式抽取（Pipline）和聯合抽取（Joint Extraction）兩種方式。流水線式抽取就是把關系抽取的任務分為兩個步驟：首先進行實體識別，再基于抽取的實體來識別實體與實體之間的關系。聯合抽取的方式則同時完成實體與關系的抽取。兩種方式的前置關鍵步驟均是對樣本進行實體與關系的識別與標注，需結合知識體系中定義的實體、屬性，采用對樣本語句進行手動標注的方式。當標注樣本滿足一定數量要求后，可依托領域小樣本對預訓練的大模型參數進行微調，獲得滿足調度領域知識抽取基本需求的實體與關系抽取模型。例如，蓄滯洪區防洪避險轉移設施描述文本的知識抽取流程圖如圖4所示，結合上述流程可將文本中的知識要素信息轉換成json等結構化數據文件進行存儲。

1.4 基于Neo4j的知識存儲與索引展示

縱觀水利領域及其他領域的知識圖譜相關研究，主流的知識存儲方式一般有兩種選擇：一個是通過RDF（資源描述框架）規范存儲格式來進行存儲，比較常用的有Jena等；更為常用的是使用圖數據庫來進行知識要素存儲，較為常用的是開源的Neo4j圖數據庫。Neo4j是一個高性能的NOSQL圖數據庫，支持千億級別的節點、關系、標簽的存儲，其在關聯查詢的效率上會比傳統的關系數據庫存儲查詢方式有顯著的提高。尤其是涉及2～3跳的關聯查詢，基于知識圖譜的查詢效率會高出幾千倍甚至幾百萬倍。為此，本文采用Neo4j圖數據庫對城陵磯不同水位降幅目標下需要啟用水工程種類、數量、規模、次序等進行了存儲與可視化呈現，可用于服務實時防洪調度方案的快速推送。例如在當前水情下若需要將城陵磯站水位降低0.8 m，則可通過知識圖譜索引預存的調度方案，如圖5所示。

需依次啟用錢糧湖、大通湖東、共雙茶垸與洪湖東分塊，同時不同蓄滯洪區的投入容積、啟用天數、啟用次序也可一并索引呈現。

2 知識圖譜智能應用

2.1 多工程聯合防洪調度應用

知識圖譜在水工程防洪領域應用研究相對較多，以防洪調度場景為例，知識圖譜可實現水情要素快速分析、險情災情實時評估、調度方案的快速推選等功能。以水工程智能調度為例，根據決策者選取的水工程，快速索引出其關聯的防洪控制站點，工程的運用時機、調度方式以及對不同關聯站點的調度響應關系等。其中，調度響應關系是實現工程調度快速模擬的關鍵核心。一方面可直接索引預訓練好的機器學習參數，驅動機器學習模型預測不同工況下的調度影響；另一方面也可根據當前水雨情狀態，直接采用“最鄰近抽樣”的方式，選取歷史典型調度案例，移用歷史典型洪水調度效果，對當前洪水進行推演，如圖6所示。

通過知識圖譜提供的以知識為中心的支持模式，其涵蓋知識獲取、知識構建、知識服務等，可以較好地針對單一工程對不同站點的調度響應關系進行提取、存儲與調用。但若涉及多工程聯合防洪運用時，一方面多工程對應多站點的調度知識體系難以構建；另一方面，由于來水地區組成多樣、工程啟用次序與運用方式眾多、自身攔蓄洪效率差異較大等因素的存在，組合運用工況十分復雜，難以直接通過海量工況模擬來量化表征工程組合運用效果，也難以精準確定工程組合運用的調度響應關系。為此，在實際洪水防御時，可以將知識圖譜索引得到的不同工程對控制站的調度響應關系，按照調度方案中擬定的工程運用方式進行同時或錯時疊加，來初步判定工程聯合運用效果。

下面以城陵磯附近的錢糧湖、大通湖東、共雙茶垸、洪湖東分塊、圍堤湖、澧南垸、西官垸7處重要蓄滯洪區進行分洪模擬分析。以1931、1954、1998、1999年典型洪水作為輸入，上述蓄滯洪區分別按照其分洪能力同時開始進行理想分洪設置，分洪時間控制為5 d。可通過知識圖譜索引出不同水情條件下蓄滯洪區對控制站調度響應關系，如圖7所示。通過式（1）進行蓄滯洪區對城陵磯站調度效果疊加，將索引疊加結果與基于水動力學模型的組合模擬結果進行對比，結果見表2。由表2可知，知識圖譜索引疊加模擬結果略高于基于水動力學模型的組合模擬結果，兩者在不同典型年條件下對各站點水位降幅間的RMSE均在5 cm左右，均方根誤差較小。同時以1954年調度結果可知，圖8、9展示了1954、1998年采用兩種方式計算得到的調度效果對比圖。由圖可知，兩者整體過程偏差較小，水位降幅最大值誤差在可接受范圍內，因此可認為兩者模擬效果類似。由于基于知識圖譜的蓄滯洪區組合模擬方式能實現“毫秒級”的快速模擬，因此該種方法能夠在滿足一定誤差要求的情況下，極大提升模擬效率。

2.2 水資源調配知識圖譜構建與應用

知識圖譜在防洪領域研究相對較多，也形成了一些落地應用，但在水資源調配領域的研究較少。在水資源調配領域，經過多年的研究已經凝練形成了大量研究成果，但成果均存儲于在水資源綜合規劃、水量分配方案、水量調度計劃、工程運行計劃、應急調度預案文本中，尚未形成數字化、邏輯化的知識結構，難以支撐宏觀水資源配置以及具體的水量調度方案生成，為此亟需構建長江流域水庫群供水調度與用水管控知識庫，驅動融合水資源配置專業模型，通過經驗知識的利用和智能研判能力提升，實現結合經驗和人工智能的水資源配置決策，進一步加快模型計算效率，提升不同場景下水資源配置方案的合理性。總體來看水資源調配知識庫建設可分為4個建設內容。

2.2.1 流域水資源調配方案庫

不同流域、區域的水量調配方案中不同指標的計算存在一定差異，且部分指標如需水量、水資源承載力、可供水量等尚未形成標準規范導則。為此，可以圍繞不同流域、區域的年度水量調度計劃、水量分配方案，將流域水資源調度范圍、調度體系、年度水情、工情和水資源狀況等基礎信息，以及流域地表水可分配水量、流域需水類別、河道內外需水量、不同規劃水平年不同來水頻率下各用水單元水量分配指標的具體數量及指標計算方式進行知識抽取，結合經驗知識構建調配方案知識體系，按照既定的體系完成價值信息存儲，構建流域水量調度方案庫。

2.2.2 水資源調配規則庫

構建包含各流域水資源配置規則、工程供水調度規則、應急調度規則等的規則庫。其中，水資源配置規則一方面來源于現有標準導則以及水量分配方案中的調度原則，另一方面需從現有調度方案中進行總結凝練，具體提取內容包括水平年條件、水資源量預報情況、水資源配置目標與原則，以及不同行業用水次序、供需水計算方式等。工程供水調度規則、應急調度規則知識提取內容包括水工程名稱、調度目標（調度控制斷面、控制指標）、調度方式（補水量、補水時間）等。

2.2.3 水資源調配量化關系庫

通過歷史與模擬供水調度案例，總結凝練工程調度與缺水斷面補水情況以及流域整體缺水率變化之間的關系，構建單一工程、工程群組水資源調配量化關系庫，支撐應急抗旱調度方案生成及補水效果評價。

2.2.4 取用水管控知識庫

將干旱條件下不同類型、不同地區取水口管控方式進行邏輯化存儲，支撐實時應急抗旱調度模擬。

通過建立流域水資源調配知識庫，使水量分配方案相關指標計算分析向準定量化、定量化轉變，實現常規條件及應急狀況下的水量分配方案的快速生成與滾動調整，最終為流域水資源管理與調配業務應用“四預”提供知識支撐。

3 結 語

本文立足于流域水工程調度業務需求，按照知識建模、知識抽取、知識存儲以及知識應用的總體思路，提出了合理可行的水工程調度知識圖譜構建與應用總體技術方案，有效支撐了調度領域數據挖掘與分析、智能調度預演、方案精準決策以及全過程可視化功能。在知識建模方面，設計了水-工-險-災基礎信息本體，重點圍繞調度業務流程，建立了場景驅動的水工程聯合調度本體；分別針對結構化與非結構化數據信息，提出了涵蓋基于機器學習的時序數據關系挖掘技術、基于預訓練模型的文本信息知識抽取技術，并以長江流域蓄滯洪區為例，介紹了調度響應關系提取與避險轉移文本信息提取技術與方法；在此基礎上，基于Neo4j圖數據庫展示了調度案例的實例化存儲與索引功能；最后圍繞防洪與水資源兩大業務模塊，闡述了知識圖譜驅動下多工程聯合防洪調度應用場景實現流程并驗證了合理性，探索了水資源調配知識圖譜構建內容與方法。研究初步實現了調度知識圖譜構建全流程貫通，可為知識圖譜在水工程聯合調度領域進一步發展與應用提供借鑒。

參考文獻：

［1］ 王權森.長江上游水庫群防洪系統全景調度及風險評估與決策方法［D］.武漢：華中科技大學，2021.

［2］ 金興平.對長江流域水工程聯合調度與信息化實現的思考［J］.中國防汛抗旱，2019，29（5）：12-17.

［3］ CHEN J，ZHONG P A，ZHANG Y，et al.A decomposition-integration risk analysis method for real-time operation of a complex flood control system［J］.Water Resources Research，2017，53（3）：2490-2506.

［4］ 謝雨祚，郭生練，鐘斯睿，等.金沙江下游梯級水庫發電出力區間優化研究［J］.武漢大學學報（工學版），2024，57（3）：267-276.

［5］ 鄒強，丁毅，肖揚帆，等.以三峽為核心的長江上游水庫群防洪優化調度策略［J］.人民長江，2023，54（12）：8-14.

［6］ WEI C C，HSU N S.Optimal tree-based release rules for real-time flood control operations on a multipurpose multireservoir system［J］.Journal of Hydrology，2009，365（3/4）：213-222.

［7］ 黃艷，喻杉，巴歡歡.2020年長江流域水工程聯合防洪調度實踐［J］.中國防汛抗旱，2021，31（1）：6-14.

［8］ 馮鈞，朱躍龍，王云峰，等.面向數字孿生流域的知識平臺構建關鍵技術［J］.人民長江，2023，54（3）：229-235.

［9］ 肖仰華.知識圖譜與認知智能［J］.張江科技評論，2019（4）：30-33.

［10］DUAN C F，ZHENG X Z，LI R，et al.Urban flood vulnerability knowledge-graph based on remote sensing and textual bimodal data fusion［J］.Journal of Hydrology，2024，633：131010.

［11］LU Y，ZHAO R，WEN X，et al.Medical named entity recognition model based on knowledge graph enhancement［J］.International Journal of Pattern Recognition and Artificial Intelligence，2024，38（4）：2450004.

［12］HAO X J，JI Z，LI X H，et al.Construction and application of a knowledge graph［J］.Remote Sensing，2021，13：2511.

［13］劉嶠，李楊，段宏，等.知識圖譜構建技術綜述［J］.計算機研究與發展，2016，53（3）：582-600.

［14］漆桂林，高桓，吳天星.知識圖譜研究進展［J］.情報工程，2017，3（1）：4-25.

［15］李安強.長江流域超標準洪水調度與風險調控關鍵技術［M］.武漢：長江出版社，2021.

［16］馮鈞，暢陽紅，陸佳民，等.基于大語言模型的水工程調度知識圖譜的構建與應用［J］.計算機科學與探索，2024，18（6）：1637-1647.

［17］顧麗，陳瑜彬.基于DataG的水庫調度規程知識圖譜構建方法［J］.水電能源科學，2023，41（7）：80-83.

［18］黃艷，喻杉，羅斌，等.面向流域水工程防災聯合智能調度的數字孿生長江探索［J］.水利學報，2022，53（3）：253-269.

［19］劉昌軍，劉業森，武甲慶，等.面向防洪“四預”的數字孿生流域知識平臺建設探索［J］.中國防汛抗旱，2023，33（3）：34-41.

［20］陳勝，劉業森，魏耀麗.基于知識圖譜的水工程聯合調度計算方案生成技術研究［J］.水利信息化，2022（2）：11-15.

［21］馮鈞，杭婷婷，陳菊，等.領域知識圖譜研究進展及其在水利領域的應用［J］.河海大學學報（自然科學版），2021，49（1）：26-34.

［22］周建中，賈本軍，王權森，等.廣域預報信息驅動的水庫群實時防洪全景調度研究［J］.水利學報，2021，52（12）：1389-1403.

［23］黃艷，張振東，李琪，等.智慧長江建設關鍵技術難點與解決方案的思考與探索［J］.水利學報，2023，54（10）：1141-1150.

（編輯：鄭 毅）

Research on construction and application of knowledge graph for joint scheduling of water projects

HUANG Yan1，2，3，WANG Quansen3，4，LU Chengwei3，5，6，GUAN Xiong7，ZHENG Hao4，ZHOU Tao4，8

（1.Changjiang Water Ｒesources Commission of Ministry of Water Ｒesources，Wuhan 430010，China； 2.Three Gorges University，Yichang 443002，China； 3.Intelligent Yangtze River Innovation Team of CWRC，Wuhan 430010 China； 4.Changjiang River Scientific Research Institute，Changjiang Water Ｒesources Commission of Ministry of Water Ｒesources，Wuhan 430010，China； 5.Changjiang Survey，Planning，Design and Research Co.，Ltd.，Wuhan 430010，China； 6.Key Laboratory of Basin Water Security of Hubei Province，Wuhan 430010，China； 7.Changjiang Spatial Information Technology Engineering Co.，Ltd.，Wuhan 430010，China； 8.Hubei Key Laboratory of Smart Yangtze River and Hydropower Science，Yichang 443002，China）

Abstract：

In order to deeply integrate water projects dispatch and new generation information technology，based on the business needs of water projects joint scheduling in basins，this paper outlined a reasonable technical scheme for the construction and application of knowledge graph for water projects joint scheduling，which follows a general idea of knowledge modeling，knowledge extraction，knowledge storage and knowledge application.The research innovatively proposed a scenario-driven ontology construction method for water projects joint scheduling，and elaborated structured and unstructured information mining techniques，knowledge extraction，completed the knowledge indexing and visualization functions based on the Neo4j graph database，and explored the application examples and development direction of the knowledge graph from the aspects of flood control scheduling and water resources allocation.The research initially realizes the whole process of scheduling knowledge graph construction，which can provide reference for further development of knowledge graph in the field of water projects joint scheduling.

Key words：

water projects joint scheduling； knowledge graph； ontology construction； flood control scheduling； water resources allocation