Page 15 - 2025年第56卷第9期

水 利 学 报

2025 年 9 月 SHUILI XUEBAO 第 56 卷 第 9 期

文章编号：0559-9350（2025）09-1119-13

人工智能驱动水文预报与水库调度研究的探索与思考

欧阳文宇 ，张 弛 ，马昊然 ，叶 磊 1，2 ，王 泽 ，吕 恒 1
1
1
1
1
（1. 大连理工大学 水利工程系，辽宁 大连 116024；2. 大连理工大学 宁波研究院，浙江 宁波 315016）
摘要：人工智能技术的快速发展为水文预报与水库调度研究带来了新机遇。本文以流域水文过程规律挖掘与水库
防洪调度决策制定为切入点，概述了人工智能的应用案例研究，分析了其在发现流域水文复杂共性规律以及学习
水库调度现实经验支持未来决策方面的优点，并讨论了当前 AI 应用中面临的数据尚不足以描述水文共性规律和调
度中对现实情况的数字描述不够真实等挑战。基于此，进一步提出了提升数据完备性、强化算法能力和促进实际
工程应用的算据、算法、算力协同发展路径，重点涵盖遥感大数据和地面观测体系的整合、领域知识与 AI 算法的
深度融合，以及平台化软件产品的研发与应用，以期为相关领域的研究与实践提供参考。
关键词：人工智能；水文预报；水库调度；算法；算力

中图分类号：TV12；TV697 文献标识码：A doi：10.13243/j.cnki.slxb.20250049

1 引言

自 20 世纪中叶以来，人工智能（Artificial Intelligence，AI）领域历经多次波折，见证了技术变革与
思想演进。早期，AI 研究主要集中于物理符号系统假设与基于逻辑的智能模拟，但这种方法低估了现
实问题的复杂性且难以从经验中学习，AI 为此也历经两次研究低谷 。实际上早在 1950 年图灵就曾预
［1］
［2］
言，通过开发自学习算法而非仅依赖人工编程，将更有可能创造出真正的人工智能 。然而，直至近
十年，得益于互联网发展带来的大数据广泛应用，神经网络以深度学习（Deep Learning，DL）名义的复
兴，以及图形处理单元（Graphics Processing Unit，GPU）等高性能并行计算设备的支持，AI 才实现了融
合数据、算法和算力的关键转变，步入持续自我进步的新阶段 ［3］ 。以获得 2024 年诺贝尔化学奖的
AlphaFold 为例 ，其数据基础是创建已超 50 年，积累了 20 余万结构数据的蛋白质数据银行 ；使用
［4］
［5］
的 DL 算法能通过有大量参数的多层级网络从原数据中直接自动提取特征，拟合大数据，逼近变量间
复杂联系的高维函数 ，从而有效识别人类难以识别的模式，进而发掘未知规律；GPU 等计算设备的
［6］
快速发展，尤其是其并行计算能力的提升，则使大参数模型的快速训练成为现实。
［7］
在此背景下，越来越多学科尝试使用 AI 来解决科学与工程问题 ，其中和水文水资源密切相关的
［8］
气象领域已取得了显著进展 。从全球预报的性能上看，相比于原本求解大气动力方程组的数值天气
模式，从大量时空数据序列中直接挖掘规律的 AI 模型能以上千倍速度更准确预测天气情况，如盘古、
GraphCast 等 ［9-10］ 。水文水资源领域也逐渐开始借助 AI 解决复杂的科学和工程问题 ［11-14］ 。水文水资源系
统涉及复杂的自然与人工过程，既要研究水系统中的物理过程规律，又要关注工程上的决策制定，具
有明显的多尺度、多变量和高度非线性特征 ［15］ 。传统的水文水资源研究方法在应对如此复杂的系统
时，面临大量数据难以有效利用、人工经验简化方程对复杂非线性关系的描述受限等挑战 ［16］ ，而 AI

收稿日期：2025-01-24；网络首发日期：2025-05-23
/
网络首发地址：https：/link.cnki.net/urlid/11.1882.TV.20250522.1738.001
基金项目：国家杰出青年科学基金项目（51925902）； 国家自然科学基金项目（52322901，52309010）
作者简介：欧阳文宇（1992—），博士后，主要从事水文水资源研究。E-mail：wenyuouyang@dlut.edu.cn
通信作者：张弛（1975—），教授，主要从事水文水资源研究。E-mail：czhang@dlut.edu.cn
— 1119 —