工程大数据在水利工程建设管理的应用.doc

《工程大数据在水利工程建设管理的应用.doc》由会员分享，可在线阅读，更多相关《工程大数据在水利工程建设管理的应用.doc（9页珍藏版）》请在第一文库网上搜索。

1、工程大数据在水利工程建设管理的应用摘要水利工程是稳定生产和保障民生的重要基础工程，加强信息技术与水利工程业务深度融合，推动智慧水利工程建设，是提升水利工程质量和保障工程稳定运行的有力支撑。文中以珠江三角洲水资源配置工程为例，系统分析了水利工程大数据的基本特征、分类体系和主要构成，研究提出了水利工程大数据治理方法和辅助决策的具体应用，对水利工程大数据的推广应用具有十分重要的现实意义。关键词水利工程；大数据；信息化水利工程是稳定生产和保障民生的重要基础工程，按照建设网络强国、数字中国、智慧社会的总体部署，加强新一代信息技术的应用，推进智慧水利工程建设，是全面落实“两新一重”要求、积极践行水利改革发

2、展总基调、驱动水利现代化发展的必由之路。随着新一代信息技术的发展与应用，“大数据+行业”渗透融合全面展开，成为促进生产生活和社会管理方式创新变革的重要驱动。为全面推动落实党中央、国务院关于大数据发展的系列决策部署，水利部印发了关于推进水利大数据的指导意见，这标志着水利大数据发展进入了一个新阶段，在此背景下，充分认识大数据在水利改革发展中重要作用，分析水利大数据发展和应用面临的机遇与挑战，研究水利数据管理的有效途径，明确水利大数据发展和应用方向，显得尤为必要1。珠江三角洲水资源配置工程（以下简称“珠三角工程”）是国务院批准的珠江流域综合规划（20122030年）提出的重要水资源配置工程，是国务院

3、确定的全国172项节水供水重大水利工程之一。珠三角工程以“打造新时代生态智慧水利工程”为建设目标，利用物联网、云计算、大数据等新一代信息技术，实现高新技术与工程业务的深入融合，推动珠三角工程的智慧化建设，为提升水利工程质量和保障工程稳定运行提供有力支撑。随着珠三角智慧水利工程建设的推进和发展，积累了大量的工程数据，这些数据蕴含着巨大的数据价值，需要全面汇聚安全、质量、进度、资金、调度、运维等工程数据，利用云计算，通过模型分析和算法推演等大数据方法，深度挖掘工程建设和运行管理中的数据价值，从数据中寻找规律、预测未来，利用数据增强决策支持能力2，提升工程的精细化管理能力。从珠三角工程大数据的实际应

4、用出发，通过分析研究工程大数据特征、分类、构成、治理方法和辅助决策应用，以此开展工程大数据在水利工程建设管理中的应用研究，为实现水利工程智慧化建设提供坚实基础和强力驱动。1基本特征随着大数据相关技术和应用的不断更新和发展，大数据的概念也在不断完善。业界普遍认为大数据具有4V特性，即海量的数据规模（Volume）、快速的数据流动（Velocity）、多样的数据类型（Variety）和巨大的数据价值（Value），这也成为判断是否构成大数据的基本指标3。珠三角工程包括隧洞、管道、泵站、闸门、水库、盾构、塔吊等工程对象，涉及安全、质量、进度、资金、环境、水情、水质、调度、运维等众多要素，所产生的数据

5、纷繁复杂，具有来源多样、结构多维、更新实时等大数据基本特征，具体如下：1）数据量大，来源及形式多样：珠三角工程数据来源广泛，涉及工程运行的各个阶段，包含珠三角工程全线数万台监测设备每秒产生的大量监测数据，以及涉及数十万模型构件的珠三角工程全线设计、施工BIM模型数据；同时，在工程建设运行管理过程中，还会产生大量的管理数据、调度运行数据、工程运维数据等，数据年增长总量约为1TB，且具有结构化、半结构化、非结构化的大数据结构特征。2）数据持续增长，数据价值高：随着水利工程的建设运行，信息化应用的不断深入，监测密度与指标的不断完善，相应的建设运行数据增长速度也将不断加快，而这些数据是水利工程建设、管

6、理及决策分析的依据，蕴含着巨大的数据价值。3）数据动态变化，实时性强：水利工程数据具有明显的动态变化特征，如水量水质、水生态、水文地质条件等数据，在不同时间、不同空间均会呈现不同的动态变化规律；工程BIM模型具有明显的时空分布特征，需要随着工程进度不断地调整完善，如泵站、隧洞等工程对象在设计、施工、竣工阶段的模型均会呈现出不同的状态；同时，水利工程对于数据的实时性及准确性具有较高的要求，如工程安全监测、智慧工地监测、质量检测、调度运行等数据，是判别工程是否正常运行、是否启用应急预案等的依据。4）数据相互影响，关联紧密：水利工程各类数据之间是相互影响、互相关联的。如工程进度与工程标段划分、现场设

7、施配备状况、施工环境、天气情况等数据关联密切；再如工程险情与工程设计参数、水情、雨情、地形地貌、工程水文地质等数据息息相关。因此，工程各类型数据之间并不是完全独立的，而是相关影响、相互关联的，具有较为复杂的关系4。2分类体系珠三角工程大数据的分类体系通过制定工程对象分类分级、工程对象编码及数据资源模型等标准，从而形成统一遵循的标准，为后期数据管理打下坚实的基础。1）工程对象分类标准：将工程对象划分为工程主体和工程辅助设施两大类。其中工程主体划分输水干线、隧洞、闸门、泵站、管道、水库等；工程辅助设施划分主要设施、附属设施和相关设施，包括工程机械、工程电气、工程金属结构、工程消防、对外交通等。2）

8、工程对象编码标准：工程对象根据业务管理精细化程度，按照业务管理和实体归属层级进行编码。编码体系由多级构成，包括标段、工区、大类、小类等，如编码示例：GA101A0001000100101，按照编码体系“特征码+标段码+工区码+大类码+工艺位置码+感知对象类型（中类码）+流水号+感知单元码+感知项”进行编码，见表1。3）数据资源模型标准：将工程对象划分为标识和属性，以减少数据冗余、提高结构灵活性和数据间的易关联能力。其中对象标识表达本体的存在性和唯一性，属性表达本体可能存在的相关特征，如基本属性、业务属性、空间属性、BIM属性，以及标识或属性均有可能存在的时相特征等，数据资源模型标准如图1所示。

9、3主要构成随着珠三角工程智慧应用有效、稳定和持续地运行，逐步形成并积累了大量的工程数据，这些数据又推动业务应用不断发展，最终为业务应用智能化打下数据基础5。珠三角工程大数据主要由基础、空间、BIM、工程管理、工程监测、调度运行、多媒体等7类数据构成，具体如下。1）基础数据：包括工程建设单位、工程参建单位、工程标段、工区、单位工程划分、水利工程、设备设施、监测测站等基础信息；2）空间数据：包括隧洞、泵站、水闸、水库、河流、测站、等基础地理信息、卫星遥感影像数据及倾斜摄影数据等；3）BIM数据：包括工程挡水建筑物、输水建筑物、边坡工程、导流建筑物、运行管理建筑物等BIM模型数据，涉及几何表达精度、

10、信息深度等级、数据格式等标准，以保证BIM数据的准确性、完整性、逻辑一致性；4）工程管理数据：包括安全管理、进度管理、质量管理、投资管理、生态监测、环境保护、智慧工地等管理数据；5）工程监测数据：包括工程安全监测、智慧工地监测、质量检测、施工环境监测、水土保持监测、水生态监测、水量水质监测等数据；6）调度运行数据：包括调度运行方案、调度运行评价方案、工程调度指令、调度会商成果、需水来水数据等数据；7）多媒体数据：包括工程建设、运行过程中的文档、图片、影像、声音、视频等数据。4治理方法珠三角工程大数据治理主要包括数据汇聚、数据清洗、数据融合、存储与服务等4个阶段。利用数据库开发技术、ETL技术、

11、质量控制技术，实现数据的比对、清洗、建模、装载，针对数据进行归一化处理、一致性处理、图斑处理、实体编码与关联、质量检查，利用分布式存储与管理实现水利工程数据的存储与服务。工程大数据治理如图2所示。1）数据汇聚：通过WebService，前置系统、FTP，网络爬虫、Excel文件上传等多种方法，实现珠三角工程各类监测感知、相关业务系统及其他外部系统产生的关系型、时序型、半结构化、非结构化及地理空间数据的汇聚。2）数据清洗：珠三角工程大数据采用全流程式数据清洗模式，通过数据过滤、数据补全、数据转换、数据去重、数据校验等环节，清除垃圾数据、补全缺失数据、修改数据格式和内容错误，获取“干净”数据资源，

12、提升数据质量，保证数据规范可用。3）数据融合：利用工程数据融合模型，以多业务应用数据为管理对象，建立跨业务、跨组织的数据融合与关联，有效整合分散的工程数据资源。4）存储与服务：通过分布式资源调度、分布式存储管理和分布式数据服务技术，完成结构化、半结构化和非结构化数据的统一存储、高效管理和资源服务。5辅助决策应用在珠三角工程的大数据辅助决策应用中，通过构建工程安全、工程质量、工程进度、工程资金、工程调度、工程运维等大数据分析主题，利用人工智能方法，结合工程模型算法，实现了工程安全、质量、进度、资金、调度、运维的态势感知和趋势预测，为工程建设的精细化管理、工程调度的智能化决策、工程险情的自动化识别

13、提供辅助决策支撑。1）工程安全辅助决策：融合安全管理、安全监督、安全教育、安全隐患、安全监测等信息，运用工程安全大数据评价模型，基于数据驾驶舱可视化展现工程现场人、机、水工建筑物等的安全状态，实时构建工程安全的数字画像。通过模型推演分析，预测工程安全的未来趋势，结合工程安全的分级预警体系，动态提供安全预警，并精准定位工程的安全隐患，实现工程安全的有效管控。2）工程质量辅助决策：融合质量计划、质量管理、质量检查、质量评定、质量检测等信息，运用工程质量大数据评价模型，综合评估工程质量，精准识别工程质量不达标部分，实现工程质量监督量化考核与有效管控。3）工程进度辅助决策：融合进度计划、进度监控、资源

14、监控、作业状态等信息，运用工程进度大数据评价模型，构建工程进度的数字画像，精准识别进度滞后的标段或工区。通过工程进度预测模型，推演工程进度未来趋势，辅助管理人员及时掌握进度态势，提前发现和处理工程进度风险，实现工程进度的有效管控。4）工程资金辅助决策：融合工程总投资、工程概预算、工程变更、工程支付等信息，运用工程资金大数据评价模型，结合工程进度状态，对项目投资的完成比例进行分析，动态展现工程预付及实际支付的执行情况，实现对工程投资的全过程控制，辅助管理人员把控项目成本，实现工程资金的有效管控。5）工程调度辅助决策：融合工程供水能力、用水计划、安全监测等信息，结合沿线各泵站流量、闸门开度、管道压

15、力等数据，利用工程调度大数据模型算法形成调度方案，基于工程BIM+GIS平台对调度方案进行分析预演，下达调度指令，提高水量调度的经济性和安全性。6）工程运维决策：融合工程安全监测、水量水质、巡查检修、工程调度等信息，利用工程运维大数据算法，评估工程水工建筑物、机电设备、金结设备的健康状态，预测工程设备设施的健康态势，精准诊断与异常识别，为工程安全运行提供保障。6结语大数据在水利工程领域的应用还处于初级阶段，以珠三角工程大数据的实际应用为例，分析了水利工程大数据的基本特征，初步研究了水利工程大数据的应用体系，包括水利工程大数据资源的7种分类、水利工程大数据治理的4个阶段、水利工程大数据辅助决策应

16、用的6个维度，为探索行业内水利工程大数据的建设，充分挖掘水利工程大数据的价值，积极推进智慧水利工程建设提供了思路与经验。参考文献1蔡阳.以大数据促进水治理现代化J.水利信息化，2017（4）：6-10.2曾焱，王爱莉，黄藏青.全国水利信息化发展“十三五”规划关键问题的研究与思考J.水利信息化，2015（1）：14-19.3程春明，李蔚，宋旭.生态环境大数据建设的思考J.中国环境管理，2015（6）：9-13.4韩旭，罗登昌.长江堤防工程大数据基本特征及应用策略J.人民长江，2020，51（S1）：262-264.5程益联.大数据水利应用初探J.水利信息化，2019（5）：1-5.6李鹏学，于国斌.“天地图”在水利工程规划与管理信息化技术中的应用研究J.水利规划与设计，2019（7）：58-60.9