Page 104 - 水利学报2021年第52卷第11期

人工智能。智能感知、数据挖掘、智能决策等人工智能技术在水利行业崭露头角。人工智能是
研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，
主要研究内容包括机器感知、机器学习、机器思维和机器行为四大领域。目前水利行业开始尝试使
用人工智能技术来提高水利现代化水平，从而进行更透彻的感知、更全面的互联互通以及更高层次
的智能化。在防洪调度方面，人工智能技术应用最早，主要是进行洪水的智能预报，以及优化调度
等。在水利行业其他方面，人工智能技术也开始有所应用，如基于人工神经网络的水污染趋势智能
预测、基于模糊推理的大型水利机械智能故障诊断、基于智能机器人的水下大坝自动探测，等等。
随着人工智能技术本身的发展，智慧水利对智能性要求不断提高。
数字孪生。水利的数字孪生是充分利用精细化的物理水利模型、智能传感器数据、水利历史数
据等，集成涉水的多学科、多要素、多尺度、多概率的仿真过程，在虚拟空间中完成对智慧水利系
统的映射 ［38-39］ 。通过水利数字孪生的全息复制、孪生交互、虚实迭代等特征的实现，首先依托于高质
量的水利智能传感和通讯技术，然后通过数据孪生技术建立水利数据中台、水利数字模型和水利大
脑，并在虚拟空间中构建孪生水利，进而通过孪生水利的数据价值挖掘，通过孪生交互实现物理水
利的预报、预警、预演、预案，支撑水利各项业务的数字化运管 ［40-41］ 。
移动互联网。移动互联网作为移动通信和互联网的结合体，是一种通过智能移动终端，采用移
动无线通信方式获取业务和服务的新兴业务，包含终端、软件和应用三个层面。移动互联网可以克
服水利行业在管理方面存在的空间、时间层面的阻碍，是解决现场性、突发性、不确定性等水利日
常工作的最佳解决方案。目前，水利行业已经开始接受并逐步普及移动互联网技术，如水利行业可
以直接与 QQ、微信、APP、网站和智能手机建立双向通信，以提高服务质量，提醒用户可能发生的
洪涝灾害、旱情、雨情、水情、水质等情况。移动智能终端还可以直接作为信息获取的手段，进行
河湖巡查、突发事件实时上报等，能极大地提高信息传递的时效性和可靠性。

7 价值维度：概念模型与推进路径

7.1 概念模型 智慧常与知识联系在一起，知识又与信息联系在一起，信息与数据相连 ［42-43］ 。Row⁃
［44］
ley 提出了“智慧层级”，又被称作“DIKW 金字塔”“知识层次”“信息层次”和“知识金字塔”，泛指用
来表示数据、信息、知识与智慧结构和/或功能关系的一类模型，其中信息用数据来定义，知识用信
［45］ ［42］ ［46］
息来定义，智慧用知识来定义。Ackoff 、Rowley 、Liew 等学者分析了数据、信息、知识、智慧
［47］
的定义，给出了它们各自的作用。Sternberg 认为智慧与智能和创造力有一定的关系，从这个出发点
进行定义，智慧和智能两者不同。Meystel 等 ［48］ 定义“智能是感知系统运行环境，关联整个系统的发生
［43］
事件，对这些事件进行决策，执行解决问题和生成各自的行动和控制”。为了这样的需要，Liew 在
DIKW 模型中增加了“智能”层次，从而将 DIKW 模型扩展到 DIKIW 模型。虽然关于智慧层次有众多讨
论，但是 DIKIW 模型提供了一条把数据转化为信息、知识、智能和智慧的路径。
7.2 推进路径 没有价值的信息化建设最终会被舍弃，尤其像具有公益性特点水利行业信息化。智

慧水利“天生”有提高水利管理效率效能的属性，而 DIKIW 模型的信息转换 ［49］ 为智慧水利建设提供了
理论基础。在数据、信息、知识转换的基础上，对水利工程“智能”改造，尽可能的少人化管理，甚
至无人化管理；对业务流程的“智能化”升级，使得业务管理效率更高；对水利管理体系完善，在智
能化加持下，集众人之智，合众人之慧，使水利工作考虑更全面、预测更准确、决策更科学、执行
更彻底、反馈更敏捷。智慧水利推进路径示例如下。
——获取水利数据，进行态势感知，支撑监测监视。智慧水利的态势感知和监测监视属于水利
数据领域层面。通过构建空天地网立体化感知体系，设计标准化的数据交互共享接口，对自然水
系、水利工程、水利管理活动对象等数据全面采集及治理，形成高质量的水利大数据，将分散在跨
层级、跨行业、跨部门、跨系统等涉水数据进行全面融合与同化，构建水利对象的数字化映射，形
成对水利对象的时空变化态势的整体性认识，尤其能“透明式”监测监视流域的上下游、左右岸、地

— 1362 —