發布時間：2019-12-26所屬分類：農業論文瀏覽：1次
摘 要： 摘要：水資源數據開發利用是智慧水利建設的重要環節。分析了我國智慧水利發展的現狀，給出水利數據資源建設中數據管理信息系統的架構，闡述了采用系統工程綜合集成到提升的思想深化水資源數據融合的方法。分析了水資源數據融合在數據標準化、數據完整性、真
摘要：水資源數據開發利用是智慧水利建設的重要環節。分析了我國智慧水利發展的現狀，給出水利數據資源建設中數據管理信息系統的架構，闡述了采用系統工程綜合集成到提升的思想深化水資源數據融合的方法。分析了水資源數據融合在數據標準化、數據完整性、真偽核查、數據功效利用等方面面臨的挑戰，提出規范行業數據標準，通過優化數據采樣傳輸、加強數據相關性分析和數據融合提高數據質量等對策，指出了水利數據分析挖掘與利用的方向。
關鍵詞：智慧城市;智慧水利;數據融合;大數據;綜合集成
隨著新一代信息技術的發展，我國政府社會管理和公共服務領域走向數字化、網絡化、智慧化。建設智慧城市、實現城市建設管理升級是當今信息社會的發展要務。智慧水利對提升我國水資源管理利用、促進水資源可持續發展有重要意義。
近年，我國不斷加強水利信息化建設，在保障水安全、嚴格水資源管理等方面出臺了一系列政策，包括《全國水利信息化“十三五”規劃》《水利部信息化建設與管理辦法》《全國水利改革發展“十三五”規劃》《關于全面推行河長制的意見》等，提出提升水安全保障能力，結合先進的信息技術強化水利監管，加強水利現代化建設，實現智慧水利。
智慧水利的實現需要借助物聯網技術、無線網絡、云計算等技術的支持，一般采用數采儀、水質水壓表等監測傳感設備，經無線網絡將采樣數據上傳云端，為水利防汛抗旱、水務管理等業務提供監測、預警、分析等智慧應用。
一、智慧水利的發展現狀
早在2012年江蘇省無錫市就建立了“水利部物聯網技術應用示范基地”，之后全國各地也相繼開展智慧水利項目建設，建立水利門戶、“三防”決策、視頻監控、水庫監管等各方面的信息系統。“智慧水利”項目的建設旨在有效提高水質監測、防汛抗旱以及水資源優化配置的水平，提高水利現代化水平，保障經濟社會發展。水利信息化發展到現階段，我國智慧水利的應用發展仍面臨諸多挑戰。各類系統分別建設，集成應用的建設能力不足;普遍重視水利信息化硬件設施建設，軟件開發和應用效率低;已開發的信息系統之間信息難以共享，形成信息孤島，數據資源的綜合利用不足，造成較大的浪費。在中央層面，水利部門已初步建立了水資源基礎數據庫、業務數據庫、管理數據庫、監測數據庫、多媒體數據庫等各類水利業務數據庫，建成取用水戶、水功能區、省界斷面三大監控體系和中央、流域、省三級信息平臺，支撐水資源業務日常運轉。然而，在對水資源數據的利用方面面臨著數據不完整、真偽難辨、利用率不足等問題，無法滿足水資源數據的進一步處理分析和智能化決策的需求。
智慧水利的實現以信息化硬件基礎設施為基礎，以物聯網、云計算、大數據等新一代信息技術為主線，通過智慧感知、建模、分析、集成與處理，最大程度地開發利用我國水利信息數據，向居民、企業、社會提供信息服務，全面提升水利規劃水平，增強社會公共服務能力。因此，建設面向智慧水利的水資源數據管理系統是實現智慧水利的基礎，是實現水資源數據綜合管理到利用提升的有效途徑。
二、水資源數據管理系統建設
面向智慧水利的數據資源管理系統建設涉及底層硬件設施、數據資源庫以及面向政府、企業、社會公眾等多用戶的決策支持信息系統。因此，水資源數據管理系統是一個綜合系統，其建設包括網絡硬件搭建、數據庫建立以及數據備份、業務管理需求確定、軟件系統開發、網絡安全體系建設等諸多方面。其中，網絡硬件搭建是水資源數據管理系統的基石，數據庫的建立是軟件系統進一步開發的基礎，業務管理需求是系統建立的目標也是管理系統開發的基礎。在智慧水利數據管理信息系統建設中，各要素相互關聯、互為條件，系統要素復雜，難以將目標準確量化，需要加強頂層設計，重視數據的融合、流通、共享開放和深化應用。因此，智慧水利建設成敗的關鍵是建設開放共享、互聯互通、智能融合的智慧水利數據管理系統。
智慧水利數據管理系統在整體架構上包含感知層、網絡層、數據層、應用層，圖1給出了面向智慧水利的水資源數據管理系統架構圖。其中感知層為信息獲取層，通過傳感器、監控攝像頭、電腦等多媒體終端，遙感衛星、GPS系統等進行數據實時感知，快速獲取。網絡層通過高速通信網絡，即無線網絡(藍牙、3G/4G網)或有線網絡，將感知層與互聯網或水利專網連接，實現廣域互聯。數據層是由網絡傳輸得到的元數據通過提取、轉化等標準化處理形成的，數據層的數據主要為水利資源數據庫，包含基礎地理數據庫、水文空間數據庫、地下水數據庫、水利行業基礎數據庫等，這些數據來自水利部門部署的各類監測點、業務系統及子系統的日常監測和運行數據。由于以上系統時時刻刻都產生數據，各類日常監測數據集成將達到PB級，數據量巨大，因此有必要借助云平臺進行數據存儲。此外，數據層的數據由不同類的采集終端、不同系統的數據匯聚而來，數據格式不一，因此各類數據標準化并有效融合是關鍵問題。應用層將實現水利數據信息的集成，實現統一管理平臺下各類數據的查詢、分析、利用。在架構上包含應用支撐層及其之上的業務應用，共同構成統一的水資源數據管理系統綜合門戶。應用支撐層方面，包括基礎的GIS服務、數據庫服務、門戶管理、系統管理等功能。在業務應用方面，水資源數據管理系統可由多個子系統構成，如地下水動態調控系統、農業智能節水系統、水資源監測系統、水利建設與管理系統，以及其他水利信息公眾服務系統。
綜上分析，水利數據資源管理系統是一個復雜的綜合系統，水資源數據管理涉及多個部門，實現水資源數據的高效融合，形成面向智慧水利的水資源數據集成體系，可以借鑒系統工程理論分階段分步完成，實現水資源數據的綜合集成到綜合提升。構建水資源數據集成體系大致分為四步：①進行水資源數據集成的定性分析。結合領域專家知識，對現階段水資源數據的特性、種類、分布等定性分析，給出水資源數據管理系統中數據融合的挑戰與應對措施。②進一步開展數據的定量分析。針對定性分析結果，研究定量表示方式，開展從定性到定量的水資源數據分析。③對定量處理后的數據進行分析，對存在的問題提出定性解決方案。④再一次進行定量化分析，不斷調整，重復執行以上過程，直到獲得滿足現階段管理需求的水資源數據集，達到水資源數據階段性的綜合利用與提升，為水利部門提供基于水資源數據的水資源管理和利用。
本文主要結合現階段智慧水利建設的特點，對智慧水利數據的融合進行定性分析，給出水資源數據管理系統中數據融合的挑戰，并提出數據融合的具體對策。
三、水資源數據管理系統數據融合的挑戰
建設高效、統一、開放的水資源數據管理系統，實現水資源多源數據融合面臨諸多挑戰。
1.多源水資源數據標準不統一，缺乏頂層設計，難以集成融合
由于各地發展水平參差不齊，部分地區水利信息化基礎設施建設滯后，基礎水文等數據難以有效監測。此外，盡管各地市均建設了水資源數據管理系統，但由于系統都是結合各自需求和資源特點設計，各數據平臺技術標準不一致，彼此之間難以相互操作，難以在元數據層面進行數據整合，更無法提供更高層面的數據集成融合與服務。因此，需要統籌融合各類水利數據資源，建立統一的國家水利管理信息系統標準規范體系，建立統一的業務規范、數據標準、管理規范和安全規范。此外，有必要開展面向水利數據組織管理的數據模型分析，將多源數據特征抽象表示，對底層數據進行匯聚、組織關聯和擴展。
2.水資源數據獲取經過較多環節，完整性難以保證
在水資源監測數據獲取的多個環節中，諸多數據需要通過加工、分析、處理得到。例如，取用水量數據涉及供水、用水、耗水、排水等方面，由于監控點布置不完備，無法獲得全面的取用水數據。研究表明，現有的水資源數據監控僅能獲得部分實際取用水數據，其余數據均需要根據行業用水定額分析推算得到。因此，水資源信息平臺的數據若不經處理，難以支撐水資源管理制度的考核。
3.水資源數據真實性難以直觀判斷，無法直接用于水資源管理現狀分析
隨著經濟發展，用水量顯著增加，我國取水用戶種類多、數量大，數據監測難度較大。而水利信息管理分散在不同部門，如水利部門、統計部門、城鄉建設部門、環保部門等均各自獨立開展水資源數據統計，用水量、排水量等水利數據統計口徑、方法、范圍均不同，數據差異也較大，水資源數據管理系統中，缺乏核查各類水利數據真偽的有效方法，水資源數據的真實性難辨。
4.水資源數據的功效發揮不足，利用率亟待提高
多元、異構的水資源數據難免存在數據冗余、數據之間關聯被割裂、利用效率受限等情況，且各類數據之間的關聯也并非直觀可見。因此，有待深入挖掘數據價值，為基于水利數據的管理決策提供數據支撐。亟須采用數據處理、大數據挖掘等方面的技術，對水利數據關聯分析，挖掘找出數據規律、數據之間的關聯，進行水利數據的有效集成，提升水資源數據管理信息系統中數據的決策支撐作用，提高水資源數據的管理功能，為智慧水利建設提供決策支持。
四、水資源數據管理系統數據融合的對策
針對水利數據標準不統一，數據完備性、真偽性、功效性等水資源數據融合的挑戰，應結合專家知識和其他領域信息化中數據庫建設的經驗給出水資源數據融合的對策。
應加強國家層面的水利信息化頂層設計。形成跨部門、跨層級的水利信息化小組，打破條塊分割，統籌水資源管理，加強部門功能性分工，協同推進國家級的水利數據管理平臺建設和水利數據資源共享。在水資源數據管理系統建設中首先要對建設的難點進行分解，逐個突破。在突破基礎數據處理之后，再對數據進行綜合分析，實現綜合集成到綜合提升。
針對數據標準不統一、缺乏頂層設計，要完善國家水利行業標準體系，建立數據標準、管理規范和安全規范。此外，對水利數據進行抽象化處理，建立數據模型，從分散的水利數據中抽取出數據實體及其關聯的屬性，歸納各實體之間的關聯關系。具體方法上可以借助語義網技術，建立水利數據本體，為數據的有效匯聚、組織關聯、擴展提供支撐。
針對水資源數據完整性不足問題，可以從提高水資源數據傳輸效率和挖掘水資源數據間相關性兩方面提高水資源數據的價值。可以探索高效的數據采樣和數據恢復技術，應用于水資源數據融合的數據感知層傳輸和數據存儲環節。例如，一比特數據采樣具有低復雜度、低成本的特點，可以實現海量數據的實時傳輸。因此，可以探索在系統數據采集環節采用一比特采樣理論進行取水口、入河排污口等視頻監測數據的采樣，從而提高數據傳輸效率。次奈奎斯特采樣結合稀疏信息重構技術可以通過采樣較少數據實現大數據的壓縮傳輸，并重構原始信號數據，將其應用于水文監測站的數據采樣，可有效提高水文監測站監測頻率，解決數據稀疏的問題。低秩矩陣恢復技術能夠有效去除數據傳輸的噪聲，將相關技術應用到水資源數據處理與恢復，可以去除水資源數據監測環節受自然影響或人為干預產生的數據噪聲影響。此外，水資源數據具有多層次、跨行業、多源獲取的特點，數據屬性多元，如需水量、用水量、排水量、需水類型等，多個屬性之間都有較強的相關性，但往往水資源數據監測中存在部分數據缺失。張量分解技術可以挖掘數據內在的張量結構，通過特征分解、關聯性分析、數據填充等方法恢復完整的數據集。采用張量分解技術分析、擴展水資源數據，從而提高水資源數據完備性。
在水資源數據真偽性判斷方面，可以引入數據挖掘與融合分析技術。例如，水資源數據監測中不同時段、地點測到的同一指標，可以采用協方差交叉算法進行數據融合與判斷;對異常數據可采用支持向量機、D-S證據論等方法進行水資源數據融合與判斷;對數據監測中不同部門的多層次監測數據，可以采用矩陣分解技術進行異構數據融合。此外，需要結合水資源專家的經驗知識進行判斷。通過將信息技術、數據挖掘與專家知識結合分析決策，挖掘水資源數據的內在規律，甄別數據的真實性，提高數據準確性。
針對水資源數據功效提升，應結合大數據時代下最嚴格水資源管理“三條紅線”的要求進行數據挖掘利用，最終形成面向決策支撐的水資源知識數據集。由水資源元數據到支持智能決策分析知識信息的轉化，需對水資源管理中關鍵數據指標進行綜合分析，具體實現中需要借助機器學習、大數據挖掘的方法實現，根據我國水資源管理的迫切性和現實需求，可以選擇用水總量進行分析，通過綜合評估、趨勢分析、風險分析等獲取用水總量及趨勢。例如，采用基于混沌神經元網絡對省市用水總量進行評估。對用水總量趨勢的預測也是必要的，用水總量趨勢變化的準確估計可為水資源監測預警提供重要依據。根據用水變化歷史數據，用水量不斷增長，且呈現一定的周期性，因此可采用Markov轉移模型進行趨勢預測。通過用水總量的歷史狀態和當前狀態推測未來發展狀態，并采用收斂算法對預測結果進行優化。
推薦閱讀：水利類中文核心期刊有哪些
從事水利工作研究的人員，無論是工作需要，還是評職稱都要求發表與水利相關的論文。至于發表在什么期刊上，許多人并不是很清楚。本文小編給大家介紹幾本水利類影響比較大，含金量比較高的核心期刊。大家在發表論文時可以作為參考，有投稿需求的作者，可以咨詢在線編輯。
要實現水資源數據的深度融合，應在以上對水資源數據融合定性分析的基礎上，研究定量分析方法。之后對分析結果再次進行判定，發現問題，提出新的解決方案，進行新的定量分析，循環往復從而得到滿意的水資源數據。對海量水資源數據的定量分析，應開展智慧水資源數據融合與決策支持原型系統開發。系統中包含用于驗證數據處理完備性的數據處理和關聯分析模塊、用于驗證數據真偽性的數據挖掘和數據融合模塊以及用于驗證數據功效性的決策支持模塊。水資源數據融合與決策支持原型系統應采用先進的技術，支持數據并行化處理，并包含海量數據智能化處理的人工智能技術開發包。
五、結語
水資源數據融合是實現智慧水利水資源信息管理系統應用集成的關鍵，也是實現水利部門用數據說話、嚴格水資源管理考核、輔助決策支撐的關鍵。實現水資源數據的深度融合，應結合水資源管理考核的要求進行定量分析，借助大數據挖掘技術對關鍵數據指標進行分析、挖掘、預測，并開發驗證平臺進行大量分析驗證，最終得出有效解決方案，為我國智慧水利建設以及智慧城市建設水安全保障提出解決方案。
SCISSCIAHCI
