水工程联合调度知识图谱构建与应用研究

摘要：为了将水工程调度与新一代信息技术进行深度融合，立足流域水工程调度业务需求，按照知识建模、知识抽取、知识存储以及知识应用的总体思路，提出了合理可行的水工程联合调度知识图谱构建与应用总体技术方案，以及场景驱动的水工程联合调度本体构建方法。具体阐述了结构化、非结构化信息挖掘与知识抽取技术以及基于Neo4j图数据库的知识索引与可视化，并从防洪调度、水资源调配两个方面探索知识图谱的应用实例与发展方向。研究初步实现了调度知识图谱构建全流程贯通，可为知识图谱在水工程联合调度领域的进一步发展与应用提供借鉴。

关 键 词：水工程联合调度； 知识图谱； 本体构建； 防洪调度； 水资源调配

中图法分类号： TP399

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2024.09.001

0 引 言

在过去二十余年，随着许多新建水工程的建成投运，流域水工程联合调度面临群组规模巨大、拓扑结构复杂、干支流来水情势随机、演进复杂、保护对象众多、防洪兴利多目标矛盾突出等难题，水工程群调度系统优化运行已发展为多区域、多标准、多目标、多约束和多场景的全景优化问题［1-2］。为有效实现水库、堤防、蓄滞洪区等多类水工程联合调度，水工程调度领域与新一代信息技术进行了深度融合，机器学习、优化理论、统计分析、数据挖掘、模式识别等人工智能技术与方法已被广泛应用至水工程调度建模、优化、解算过程中［3-6］，显著提升了大规模水工程群组调度演算的时效性与计算精度。智能方法的应用使中国水工程调度正由“经验调度”向“智能调度”转变。在此背景下，中国各大流域也逐步建成了如国家防汛抗旱指挥系统、长江流域控制性水利工程综合调度系统、黄河水量调度管理系统等在内的水利专业系统平台。

但现有调度系统仍存在数字化基础支撑欠缺、智能应用不足等问题，尚无法对多类别工程的联合调度规则进行有机集成，难以动态协调防洪工程体系的拦、分、蓄、排能力［7］。亟需采取行之有效的水利要素提取与整理手段，对海量水工程调度领域基础数据信息进行清洗与梳理，厘清工程调度规程方案，挖掘工程调控影响下控制断面水位、流量等水利要素的变化规律，并结合历史调度案例、调度方案预案文本等，通过知识图谱技术体系将经验知识与规律总结并进行结构化存储进而构建水工程调度知识图谱，以增强对知识信息的处理和反馈能力，达到辅助提升防洪调度智能决策水平的目的。

在水利信息化、智慧化大的背景下，构建水工程调度知识图谱是实现防洪调度智能化水平提升的核心关键技术之一［8］，也是本文的主要研究目标。知识图谱是2012年5月由谷歌公司首次发布，其利用图谱中的概念上下位关系、属性类型及约束、图模型中实体间的关联关系，根据业务场景定义的关系推理规则，实现不一致性检测、推断补全、知识发现、知识溯源、辅助推理决策等各类知识推理应用［9-12］。知识图谱按应用范围可划分为通用知识图谱和领域（行业）知识图谱，其中水利知识图谱属于领域知识图谱范畴。知识图谱构建包括知识建模、知识抽取、知识存储、知识融合、知识计算等关键技术，以及知识推理和知识更新等维护技术［13-14］。

纵观国内外水利知识图谱构建与应用研究现状，该技术在水利行业应用研究总体较少。在涉及调度知识图谱构建方面：李安强［15］围绕流域水工程防洪调度业务，按照“单元-网络-图谱”的总体思路，构建了水工程防洪调度本体，建设了防洪调度规则库与知识图谱。冯钧等［16］基于大语言模型，围绕水工程调度业务详细阐述了数据清洗、本体构建、知识抽取及存储等水利领域知识图谱构建方式，探索了大语言模型在构建知识图谱过程中的创新应用。顾丽等［17］提出了一种基于DataG的水库调度规程知识图谱构建方法，初步实现了水库调度方式的智能检索与推理。在调度知识图谱应用方面：黄艳［18］、刘昌军［19］等分别针对流域防洪“四预”项目建设需求，从知识平台框架、知识库、知识引擎、知识平台软件等方面探索了以知识图谱技术在数字孪生流域平台建设中发挥的应用实效。陈胜等［20］基于知识图谱实现了不同工况下工程预报-调度方案的自动生成，克服了传统基于人工方法构建水工程联合调度计算方案导致工作效率低且容易产生人为错误的缺点。总体来看，知识图谱在水利行业，尤其是水工程调度领域的应用尚处于起步阶段，由于缺乏对数据关系梳理和业务逻辑的深度认知，与电商、城市交通、电力等行业相比，还存在较大差距［21］。尤其是在多工程联合调度本体构建、调度规则与调度响应关系等知识抽取以及防洪、水资源等多业务目标智能支撑等方面的研究仍有所欠缺，亟需进一步强化知识图谱的构建与应用研究。

为此，本文围绕流域水工程联合调度实际业务需求，自上而下构建水工程联合调度本体，完成联合调度知识建模；在此基础上，以联合调度规则与工程调度响应关系为核心建立多源数据信息挖掘与知识抽取技术框架；基于Neo4j图数据库完成知识存储与索引展示；最后，研究从防洪调度、水资源调度两个方面探讨知识图谱的应用实例与发展方向。

1 水工程联合调度知识图谱构建

水工程联合调度知识图谱可按照调度相关基础数据准备、水工程调度本体构建、数据挖掘与知识发现、基于图数据库的知识存储与呈现技术流程来构建。本文的技术路线如图1所示。

1.1 知识图谱构建的信息需求

知识图谱的构建需要海量数据与知识进行支撑，所需数据包含历史及实时水雨情、工情等质量较高的结构化知识数据，也包含调度规划报告、险情上报资料等文件中的文字、图片、网页数据等半结构化或非结构化数据。其中，也可从数据更新频率角度将知识图谱构建数据划分为静态数据与动态数据信息。静态数据主要包括工程基础特性信息、流域拓扑结构、年鉴数据资料等更新频次较低的数据，动态数据信息主要包括实时监测信息，即控制站监测降雨、水位、流量信息，还包括业务计算方案信息。

1.2 水工程联合调度知识图谱本体构建

在知识图谱构建过程中，知识建模是第一步也是最重要的步骤。知识建模重点是对目标领域的知识体系，即本体的构建，主要用于定义目标领域中事物的类型及描述事物的属性。本体刻画了一个领域的基本框架，基于本体框架添加具体的数据就可以构建一个简单的知识图谱。水工程调度知识体系（本体）可认为是关于工程调度决策过程中数据与知识的集合，包含调度领域相关的概念、属性以及概念之间的关系。水工程调度知识体系（本体）可通过人工编辑的方式进行自上而下手动构建，也可通过数据驱动的方式进行自下而上自动化构建。

基于现有较为成熟的水工程联合调度方案，工程调度考虑的要素大多从水情、工情及险情灾情出发，进一步判断单一工程及工程群组的调度运行方式，决策层次及逻辑较为清晰。考虑到采用基于大数据的自下而上自动构建本体方法，仍存在领域数据量不足、构建过程需要专家进行修正等问题。为此，研究依托现有调度决策流程，提出了基于规则场景重构的水工程联合调度知识体系建模方法，具体包含流域水-工-险-灾基础信息本体构建与场景驱动的水工程联合调度本体构建两部分内容。

1.2.1 流域水-工-险-灾基础信息本体构建

流域基础信息种类繁多，在实时调度中较为关注的信息包括：水工程拓扑结构，历史与实时的水、工、险、灾统计信息以及水库等重要控制工程的特征水位、库容等基本特征参数信息等。为此，可定义水库、堤防、蓄滞洪区、取水口等工程节点，控制站节点，防洪保护区，河段节点；同时，还包括水情、工情、社会经济指标、基本参数节点。工情节点属性包括水库水位、入库流量，水情节点属性包括历史与预报的水位流量过程，取水口节点属性包括用水户信息等。基于水工程空间拓扑结构，以及不同河段与工程、控制站之间的上下位关系及从属关系，构建了具有通用性的水-工-险-灾基础信息本体概念设计，如图2所示。

1.2.2 场景驱动的水工程联合调度本体构建

在实际调度决策中，针对不同量级、不同遭遇组合的来水场景，相应工程运用组合、调度方式以及应对措施均不同，需根据不同水雨情信息，实时对工程调度方式进行决策。为此，研究提出了场景驱动的水工程联合调度本体构建方法，主要包括水文要素等级划分、基于调度规则的场景重构、水工程联合调度本体构建三部分内容。

（1） 水文要素等级划分。

来水形势研判贯穿整个水工程调度决策过程，实时与历史水情信息往往以连续的时间序列存储与展示，此类连续性的时序数据并不适应知识图谱的查询使用。为此，需结合现有规则知识对流域来水进行离散分级，便于使用知识图谱进行场景与相应调度规则的快速识别与索引。以洪水防御业务为例，流域各控制站点均有对应设计洪水资料，资料中规定了不同设计频率的洪水特征值，因此可根据GB/T 22482-2008《水文情报预报规范》将洪水量级按表1划分。同时，对于部分重点河段，可基于河段不同等级堤防的超高水位信息，根据T/CHES-2023《流域超标准洪水防御预案编制导则》，采用控制站水位对洪水进行等级划分，如当沙市水位小于44.50 m时为标准量级洪水，水位达到45.00，46.50，47.00 m时分别为超3级、超2级、超1级洪水，不同量级洪水下相应的防洪保护目标以及调度方式也有所不同。

（2） 基于调度规则的场景重构。

流域水情、工情综合研判需同时考虑流域多个控制站水文要素信息以及多个水工程的工情信息，为此可根据历史调度经验，结合不同来水条件下各水文要素的分级分段情况，通过建立不同场景判别规则，将不同来水情况划分成不同的来水场景，将不同工程的状态信息划分成不同的工情场景，并将两者结合形成不同的场景归集，如图3所示。此种划分本质上是通过人工标注方式将不同来水标注成相应场景的批次，以便后续更好地索引出不同水情、工情场景下的工程调度方式、调度响应关系以及灾损变化函数和洪水应对措施等。同时，也可采用聚类方法，如系统聚类、K-means聚类、层次聚类算法、谱聚类等方法进行自动划分。

（3） 水工程联合调度本体构建。

水工程联合调度本体主要围绕工程调度规则以及历史调度案例两部分构建。针对工程调度规则，需将调度规则的文字化描述转化成计算机能够理解的逻辑语言，如在水工程调度规则描述中，往往关联工程控制目标、工程启用时机、联合调度运用方式、调度响应关系等。其中各个工程启用时机需充分考虑步骤（2）中不同的水情、工情场景节点。以场景为驱动，可将启用工程群组进行关联，不同工程进一步关联该种场景下的调度方式节点和调度响应关系节点，调度控制方式节点属性值包括固定拦蓄、固定下泄、补偿调度等，调度响应关系节点属性值可包括拦蓄水量与控制站水位流量降幅之间的关系，部分调度规则的知识描述框架及概化设计图如图3所示。

针对调度案例，其往往包含大量工程的调度过程及部分总结性描述，相对于调度规则方案，水工程的启用时机、运用方式与控制变量往往需要通过专家识别或者通过计算机进行知识要素抽取，抽取后的知识要素仍可按照图3描述的知识体系进行存储。

1.3 多源数据信息挖掘与知识抽取技术

在知识图谱构建过程中，实体抽取与关系发现等知识提取步骤是知识图谱形成的前提，也是知识图谱构建的核心研究内容。待提取的数据信息往往包括结构化、半结构化以及非结构化数据信息，针对不同类型的数据源需采用不同方式进行抽取。

1.3.1 结构化信息挖掘与关系发现

针对水情、工情、险情、灾情中结构化程度较高的数据库表数据信息，可直接采用D2R（Database to RDF）技术将数据库信息转换成RDF三元组信息。

针对水利领域存在的大量水工程调度过程、来水过程等时间序列信息，此类“显式”过程信息中可进一步挖掘得到不同水-工-险-灾要素间的互馈变化规律。例如，以水工程调度响应关系为例，n个工程联合调度对控制站预见期内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为第i个水工程预见期内的拦蓄/分洪过程；t为拦蓄/分洪时段；fi为第i个水工程调度对控制站的调度响应关系。可采用较为常用的机理模型模拟-样本生成-关系抽取的方式，对物理流域中不同水文要素之间的变化响应关系进行关系识别与量化表征。以长江中下游区域为例，通过构建率参后的工程调度-流域水动力演进耦合模型，输入不同典型来水过程进行调算，可以得到城陵矶站不同水位抬升条件下各站点的超额洪量值。在此基础上，也可以通过改变工程调度方式，如改变分蓄洪区的分洪天数，得到蓄滞洪区运用对不同站点调度的影响。对于实际调度案例或者样本较少的情况，可以通过随机模拟的方式模拟生成来水样本进行调算，已有学者［22-23］进一步采用机器学习方法，对不同地区组合、不同来水量级条件下水库拦蓄对下游控制站的调度影响关系进行了函数化拟合。

1.3.2 非结构化数据信息挖掘

针对部分纯文本等非结构化信息，现有研究较多采用预训练大语言模型进行文本分类、自动标注、知识抽取等自然语言生成处理工作。现阶段，基于预训练模型的水利领域知识抽取主要有流水线式抽取（Pipline）和联合抽取（Joint Extraction）两种方式。流水线式抽取就是把关系抽取的任务分为两个步骤：首先进行实体识别，再基于抽取的实体来识别实体与实体之间的关系。联合抽取的方式则同时完成实体与关系的抽取。两种方式的前置关键步骤均是对样本进行实体与关系的识别与标注，需结合知识体系中定义的实体、属性，采用对样本语句进行手动标注的方式。当标注样本满足一定数量要求后，可依托领域小样本对预训练的大模型参数进行微调，获得满足调度领域知识抽取基本需求的实体与关系抽取模型。例如，蓄滞洪区防洪避险转移设施描述文本的知识抽取流程图如图4所示，结合上述流程可将文本中的知识要素信息转换成json等结构化数据文件进行存储。

1.4 基于Neo4j的知识存储与索引展示

纵观水利领域及其他领域的知识图谱相关研究，主流的知识存储方式一般有两种选择：一个是通过RDF（资源描述框架）规范存储格式来进行存储，比较常用的有Jena等；更为常用的是使用图数据库来进行知识要素存储，较为常用的是开源的Neo4j图数据库。Neo4j是一个高性能的NOSQL图数据库，支持千亿级别的节点、关系、标签的存储，其在关联查询的效率上会比传统的关系数据库存储查询方式有显著的提高。尤其是涉及2～3跳的关联查询，基于知识图谱的查询效率会高出几千倍甚至几百万倍。为此，本文采用Neo4j图数据库对城陵矶不同水位降幅目标下需要启用水工程种类、数量、规模、次序等进行了存储与可视化呈现，可用于服务实时防洪调度方案的快速推送。例如在当前水情下若需要将城陵矶站水位降低0.8 m，则可通过知识图谱索引预存的调度方案，如图5所示。

需依次启用钱粮湖、大通湖东、共双茶垸与洪湖东分块，同时不同蓄滞洪区的投入容积、启用天数、启用次序也可一并索引呈现。

2 知识图谱智能应用

2.1 多工程联合防洪调度应用

知识图谱在水工程防洪领域应用研究相对较多，以防洪调度场景为例，知识图谱可实现水情要素快速分析、险情灾情实时评估、调度方案的快速推选等功能。以水工程智能调度为例，根据决策者选取的水工程，快速索引出其关联的防洪控制站点，工程的运用时机、调度方式以及对不同关联站点的调度响应关系等。其中，调度响应关系是实现工程调度快速模拟的关键核心。一方面可直接索引预训练好的机器学习参数，驱动机器学习模型预测不同工况下的调度影响；另一方面也可根据当前水雨情状态，直接采用“最邻近抽样”的方式，选取历史典型调度案例，移用历史典型洪水调度效果，对当前洪水进行推演，如图6所示。

通过知识图谱提供的以知识为中心的支持模式，其涵盖知识获取、知识构建、知识服务等，可以较好地针对单一工程对不同站点的调度响应关系进行提取、存储与调用。但若涉及多工程联合防洪运用时，一方面多工程对应多站点的调度知识体系难以构建；另一方面，由于来水地区组成多样、工程启用次序与运用方式众多、自身拦蓄洪效率差异较大等因素的存在，组合运用工况十分复杂，难以直接通过海量工况模拟来量化表征工程组合运用效果，也难以精准确定工程组合运用的调度响应关系。为此，在实际洪水防御时，可以将知识图谱索引得到的不同工程对控制站的调度响应关系，按照调度方案中拟定的工程运用方式进行同时或错时叠加，来初步判定工程联合运用效果。

下面以城陵矶附近的钱粮湖、大通湖东、共双茶垸、洪湖东分块、围堤湖、澧南垸、西官垸7处重要蓄滞洪区进行分洪模拟分析。以1931、1954、1998、1999年典型洪水作为输入，上述蓄滞洪区分别按照其分洪能力同时开始进行理想分洪设置，分洪时间控制为5 d。可通过知识图谱索引出不同水情条件下蓄滞洪区对控制站调度响应关系，如图7所示。通过式（1）进行蓄滞洪区对城陵矶站调度效果叠加，将索引叠加结果与基于水动力学模型的组合模拟结果进行对比，结果见表2。由表2可知，知识图谱索引叠加模拟结果略高于基于水动力学模型的组合模拟结果，两者在不同典型年条件下对各站点水位降幅间的RMSE均在5 cm左右，均方根误差较小。同时以1954年调度结果可知，图8、9展示了1954、1998年采用两种方式计算得到的调度效果对比图。由图可知，两者整体过程偏差较小，水位降幅最大值误差在可接受范围内，因此可认为两者模拟效果类似。由于基于知识图谱的蓄滞洪区组合模拟方式能实现“毫秒级”的快速模拟，因此该种方法能够在满足一定误差要求的情况下，极大提升模拟效率。

2.2 水资源调配知识图谱构建与应用

知识图谱在防洪领域研究相对较多，也形成了一些落地应用，但在水资源调配领域的研究较少。在水资源调配领域，经过多年的研究已经凝练形成了大量研究成果，但成果均存储于在水资源综合规划、水量分配方案、水量调度计划、工程运行计划、应急调度预案文本中，尚未形成数字化、逻辑化的知识结构，难以支撑宏观水资源配置以及具体的水量调度方案生成，为此亟需构建长江流域水库群供水调度与用水管控知识库，驱动融合水资源配置专业模型，通过经验知识的利用和智能研判能力提升，实现结合经验和人工智能的水资源配置决策，进一步加快模型计算效率，提升不同场景下水资源配置方案的合理性。总体来看水资源调配知识库建设可分为4个建设内容。

2.2.1 流域水资源调配方案库

不同流域、区域的水量调配方案中不同指标的计算存在一定差异，且部分指标如需水量、水资源承载力、可供水量等尚未形成标准规范导则。为此，可以围绕不同流域、区域的年度水量调度计划、水量分配方案，将流域水资源调度范围、调度体系、年度水情、工情和水资源状况等基础信息，以及流域地表水可分配水量、流域需水类别、河道内外需水量、不同规划水平年不同来水频率下各用水单元水量分配指标的具体数量及指标计算方式进行知识抽取，结合经验知识构建调配方案知识体系，按照既定的体系完成价值信息存储，构建流域水量调度方案库。

2.2.2 水资源调配规则库

构建包含各流域水资源配置规则、工程供水调度规则、应急调度规则等的规则库。其中，水资源配置规则一方面来源于现有标准导则以及水量分配方案中的调度原则，另一方面需从现有调度方案中进行总结凝练，具体提取内容包括水平年条件、水资源量预报情况、水资源配置目标与原则，以及不同行业用水次序、供需水计算方式等。工程供水调度规则、应急调度规则知识提取内容包括水工程名称、调度目标（调度控制断面、控制指标）、调度方式（补水量、补水时间）等。

2.2.3 水资源调配量化关系库

通过历史与模拟供水调度案例，总结凝练工程调度与缺水断面补水情况以及流域整体缺水率变化之间的关系，构建单一工程、工程群组水资源调配量化关系库，支撑应急抗旱调度方案生成及补水效果评价。

2.2.4 取用水管控知识库

将干旱条件下不同类型、不同地区取水口管控方式进行逻辑化存储，支撑实时应急抗旱调度模拟。

通过建立流域水资源调配知识库，使水量分配方案相关指标计算分析向准定量化、定量化转变，实现常规条件及应急状况下的水量分配方案的快速生成与滚动调整，最终为流域水资源管理与调配业务应用“四预”提供知识支撑。

3 结 语

本文立足于流域水工程调度业务需求，按照知识建模、知识抽取、知识存储以及知识应用的总体思路，提出了合理可行的水工程调度知识图谱构建与应用总体技术方案，有效支撑了调度领域数据挖掘与分析、智能调度预演、方案精准决策以及全过程可视化功能。在知识建模方面，设计了水-工-险-灾基础信息本体，重点围绕调度业务流程，建立了场景驱动的水工程联合调度本体；分别针对结构化与非结构化数据信息，提出了涵盖基于机器学习的时序数据关系挖掘技术、基于预训练模型的文本信息知识抽取技术，并以长江流域蓄滞洪区为例，介绍了调度响应关系提取与避险转移文本信息提取技术与方法；在此基础上，基于Neo4j图数据库展示了调度案例的实例化存储与索引功能；最后围绕防洪与水资源两大业务模块，阐述了知识图谱驱动下多工程联合防洪调度应用场景实现流程并验证了合理性，探索了水资源调配知识图谱构建内容与方法。研究初步实现了调度知识图谱构建全流程贯通，可为知识图谱在水工程联合调度领域进一步发展与应用提供借鉴。

参考文献：

［1］ 王权森.长江上游水库群防洪系统全景调度及风险评估与决策方法［D］.武汉：华中科技大学，2021.

［2］ 金兴平.对长江流域水工程联合调度与信息化实现的思考［J］.中国防汛抗旱，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］ 谢雨祚，郭生练，钟斯睿，等.金沙江下游梯级水库发电出力区间优化研究［J］.武汉大学学报（工学版），2024，57（3）：267-276.

［5］ 邹强，丁毅，肖扬帆，等.以三峡为核心的长江上游水库群防洪优化调度策略［J］.人民长江，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］ 黄艳，喻杉，巴欢欢.2020年长江流域水工程联合防洪调度实践［J］.中国防汛抗旱，2021，31（1）：6-14.

［8］ 冯钧，朱跃龙，王云峰，等.面向数字孪生流域的知识平台构建关键技术［J］.人民长江，2023，54（3）：229-235.

［9］ 肖仰华.知识图谱与认知智能［J］.张江科技评论，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］刘峤，李杨，段宏，等.知识图谱构建技术综述［J］.计算机研究与发展，2016，53（3）：582-600.

［14］漆桂林，高桓，吴天星.知识图谱研究进展［J］.情报工程，2017，3（1）：4-25.

［15］李安强.长江流域超标准洪水调度与风险调控关键技术［M］.武汉：长江出版社，2021.

［16］冯钧，畅阳红，陆佳民，等.基于大语言模型的水工程调度知识图谱的构建与应用［J］.计算机科学与探索，2024，18（6）：1637-1647.

［17］顾丽，陈瑜彬.基于DataG的水库调度规程知识图谱构建方法［J］.水电能源科学，2023，41（7）：80-83.

［18］黄艳，喻杉，罗斌，等.面向流域水工程防灾联合智能调度的数字孪生长江探索［J］.水利学报，2022，53（3）：253-269.

［19］刘昌军，刘业森，武甲庆，等.面向防洪“四预”的数字孪生流域知识平台建设探索［J］.中国防汛抗旱，2023，33（3）：34-41.

［20］陈胜，刘业森，魏耀丽.基于知识图谱的水工程联合调度计算方案生成技术研究［J］.水利信息化，2022（2）：11-15.

［21］冯钧，杭婷婷，陈菊，等.领域知识图谱研究进展及其在水利领域的应用［J］.河海大学学报（自然科学版），2021，49（1）：26-34.

［22］周建中，贾本军，王权森，等.广域预报信息驱动的水库群实时防洪全景调度研究［J］.水利学报，2021，52（12）：1389-1403.

［23］黄艳，张振东，李琪，等.智慧长江建设关键技术难点与解决方案的思考与探索［J］.水利学报，2023，54（10）：1141-1150.

（编辑：郑 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