饒小康,馬 瑞,張 力,徐志敏
(1.長江勘測(cè)規(guī)劃設(shè)計(jì)研究有限責(zé)任公司,武漢 430010;2.長江空間信息技術(shù)工程有限公司(武漢),武漢 430010;3.湖北省水利信息感知與大數(shù)據(jù)工程技術(shù)研究中心,武漢 430010)
我國堤防工程線路長、險(xiǎn)情復(fù)雜、潰堤致災(zāi)影響重大、險(xiǎn)情演化與致潰機(jī)理復(fù)雜多變,其安全影響因素眾多,既有內(nèi)因和外因,又有自然因素和人為因素。堤防工程風(fēng)險(xiǎn)識(shí)別和安全預(yù)警的研究,將對(duì)堤防工程的穩(wěn)定與安全顯得極為重要。
BIM(建筑信息模型)是項(xiàng)目從設(shè)計(jì)、施工到運(yùn)行、管理乃至拆除、全生命周期內(nèi)的信息模型,同時(shí)也是一個(gè)大的數(shù)據(jù)庫,包含項(xiàng)目所有的物理和功能信息,實(shí)現(xiàn)各學(xué)科相互協(xié)調(diào)、協(xié)同作業(yè)[1]。
GIS(地理信息系統(tǒng))是對(duì)空間地理信息進(jìn)行采集、存儲(chǔ)、轉(zhuǎn)換、分析、描述、管理等操作的技術(shù)系統(tǒng),因其強(qiáng)大的數(shù)據(jù)管理、空間定位、空間分析、多元表達(dá)能力被廣泛應(yīng)用于城市規(guī)劃、環(huán)境監(jiān)測(cè)等領(lǐng)域[2]。
IoT(物聯(lián)網(wǎng))通過傳感器、RFID(射頻識(shí)別技術(shù))等各種裝置與技術(shù),實(shí)時(shí)采集實(shí)體或過程的各類信息,建立人物、物物的泛在連接,實(shí)現(xiàn)實(shí)體和過程的智能識(shí)別、感知、和管理的技術(shù)[3]。
數(shù)字孿生(Digital Twin,DT),亦被稱作數(shù)字鏡像,指充分利用現(xiàn)實(shí)數(shù)據(jù)和實(shí)體模型、集成多學(xué)科、多專業(yè)知識(shí)在數(shù)字空間內(nèi)完成“孿生鏡像”、反映現(xiàn)實(shí)物理世界運(yùn)行過程的數(shù)字映射系統(tǒng)。相比以往數(shù)據(jù)庫管理或二維平面管理模式中存在信息缺失、精度不夠、反饋滯后、表達(dá)單一等問題,數(shù)字孿生充分利用實(shí)時(shí)數(shù)據(jù)、歷史數(shù)據(jù)、孿生數(shù)據(jù)以及實(shí)體模型,集成多維模擬過程,在數(shù)字空間內(nèi)針對(duì)物理空間場(chǎng)景中的人、機(jī)、物、工況、環(huán)境等要素進(jìn)行全生命周期的描述與建模,構(gòu)建融合交互、高效協(xié)同的數(shù)字孿生體,最終實(shí)現(xiàn)物理空間資源配置和運(yùn)行的按需響應(yīng)、快速迭代和動(dòng)態(tài)優(yōu)化[4,5]。
本文借助GIS、BIM、IoT、人工智能等新興技術(shù),利用數(shù)字孿生技術(shù)在信息空間中對(duì)堤防工程、外部工況、環(huán)境等實(shí)體進(jìn)行忠實(shí)復(fù)刻,構(gòu)建相應(yīng)的堤防工程安全管理數(shù)字孿生平臺(tái)。通過數(shù)字孿生體與物理實(shí)體在位置、幾何、行為、規(guī)則等方面精確的映射關(guān)系,并結(jié)合實(shí)時(shí)數(shù)據(jù)、歷史數(shù)據(jù)、孿生數(shù)據(jù)和基于深度學(xué)習(xí)的險(xiǎn)情識(shí)別模型,以堤防工程管涌險(xiǎn)情為例,針對(duì)險(xiǎn)情識(shí)別和安全預(yù)警進(jìn)行實(shí)時(shí)、交互的參數(shù)模擬、模型計(jì)算、仿真推演、預(yù)測(cè)預(yù)警、優(yōu)化決策,為堤防工程安全管理的仿真、評(píng)估、優(yōu)化、預(yù)報(bào)和決策提供有力的數(shù)據(jù)和模型支撐。
BIM 是動(dòng)態(tài)管理建筑物本身全生命周期信息的技術(shù),具有完整的內(nèi)部信息,但缺少定位、軌跡等空間位置信息,無法進(jìn)行大范圍的建筑群空間信息管理;GIS是處理空間信息、進(jìn)行相關(guān)空間地理分析的技術(shù),但僅停留在獲取建筑物的空間位置信息,無法進(jìn)一步獲取建筑物內(nèi)部屬性信息。將微觀領(lǐng)域的BIM信息與宏觀領(lǐng)域的GIS 信息進(jìn)行融合與交換,使GIS 從室外走進(jìn)室內(nèi)、從地面走進(jìn)地下、從宏觀走進(jìn)微觀,可在多個(gè)領(lǐng)域得到深層次的應(yīng)用。同時(shí),IoT 數(shù)據(jù)本身無法與建筑物實(shí)體的空間位置信息和幾何信息產(chǎn)生關(guān)聯(lián),需利用GIS 建立宏觀的地理環(huán)境信息,利用BIM 建立微觀的建筑模型信息,進(jìn)行三者有機(jī)融合,構(gòu)建數(shù)字孿生全要素信息,如圖1 所示。與GIS、BIM、IoT 單獨(dú)應(yīng)用相比,三者的集成與融合在建模質(zhì)量、仿真精度、決策效率、渲染表達(dá)等方面都有著明顯的優(yōu)勢(shì)[6,7]。
圖1 GIS+BIM+IoT數(shù)據(jù)融合與集成Fig.1 GIS+BIM+IoT data fusion and integration
平臺(tái)針對(duì)大規(guī)??臻g地理數(shù)據(jù)、BIM 模型數(shù)據(jù)以及物聯(lián)網(wǎng)數(shù)據(jù),研究GIS數(shù)據(jù)和BIM 數(shù)據(jù)之間幾何差異和語義信息差異,分析了二者數(shù)據(jù)結(jié)構(gòu)(IFC、cityGML 等)之間的差異,通過幾何數(shù)據(jù)、坐標(biāo)系統(tǒng)、屬性信息等的轉(zhuǎn)換實(shí)現(xiàn)BIM 模型與3D GIS 模型的轉(zhuǎn)換融合,最終實(shí)現(xiàn)GIS、BIM、IoT的集成與融合。
利用自主研發(fā)的三維GIS 平臺(tái),支持AUTODESK 、BENTLEY、CATIA 等BIM 主流數(shù)據(jù)的無損接入,超百萬級(jí)部件的BIM 模型實(shí)時(shí)加載,通過實(shí)例化技術(shù)、LOD(多細(xì)節(jié)層次)技術(shù)、輕量化處理技術(shù)以及三維緩存技術(shù)等,對(duì)BIM 性能進(jìn)行優(yōu)化,解決BIM 精細(xì)化模型在大場(chǎng)景展示時(shí)資源浪費(fèi)、加載卡頓等問題;同時(shí)利用WebGL 技術(shù),通過對(duì)計(jì)算機(jī)底層GPU 的調(diào)用實(shí)現(xiàn)三維場(chǎng)景的可視化渲染,建立BIM 模型與3DGIS 服務(wù)集成方法,結(jié)合Web 及移動(dòng)端技術(shù),實(shí)現(xiàn)跨平臺(tái)、跨終端的三維場(chǎng)景分析及管理服務(wù)。
堤防工程安全管理數(shù)字孿生集成先進(jìn)的物聯(lián)感知、大數(shù)據(jù)、云計(jì)算、無線通信和自動(dòng)控制技術(shù),通過在信息空間內(nèi)對(duì)物理實(shí)體從位置、幾何、行為、規(guī)則等方面進(jìn)行多維度描述與建模,建立物理空間與信息空間的動(dòng)態(tài)鏈接和實(shí)時(shí)交互,實(shí)現(xiàn)基于數(shù)據(jù)流動(dòng)的狀態(tài)感知、實(shí)時(shí)分析、科學(xué)決策、精準(zhǔn)執(zhí)行的閉環(huán)過程,其運(yùn)行機(jī)制如圖2所示。
圖2 數(shù)字孿生運(yùn)行機(jī)制Fig.2 Digital twin operating mechanism
堤防工程安全管理數(shù)字孿生平臺(tái)基于物聯(lián)網(wǎng)采集的水雨工情、地質(zhì)等信息,結(jié)合汛期水文預(yù)報(bào)與防洪調(diào)度等專業(yè)模型,在三維地理空間內(nèi)與實(shí)體BIM 模型建立空間交互融合關(guān)系,對(duì)各類工況、環(huán)境、參數(shù)條件下堤防安全進(jìn)行模擬仿真,生成相應(yīng)險(xiǎn)情識(shí)別方案及安全預(yù)警成果,并及時(shí)進(jìn)行會(huì)商發(fā)布提供決策支持?;趯\生系統(tǒng)的全面感知、信息交互、深度分析和科學(xué)決策,可提升整個(gè)工程的組織和決策能力,實(shí)現(xiàn)整體資源優(yōu)化配置、各功能模塊統(tǒng)一調(diào)度,提高孿生平臺(tái)協(xié)作效率。
空間地理數(shù)據(jù)、BIM 模型數(shù)據(jù)和物聯(lián)網(wǎng)感知數(shù)據(jù)是堤防工程安全管理數(shù)字孿生的數(shù)字底板,是物理空間堤防各類信息在信息空間中的孿生重建。如何在信息空間中對(duì)堤防險(xiǎn)情復(fù)雜的環(huán)境、工況和演進(jìn)進(jìn)行全方位、多視角、深層次的可視化表達(dá)是數(shù)字孿生研究的關(guān)鍵內(nèi)容。
平臺(tái)針對(duì)海量時(shí)空數(shù)據(jù)、BIM 模型、物聯(lián)網(wǎng)監(jiān)測(cè)數(shù)據(jù),研究了多種可視化表達(dá)方法。其中包括①三維復(fù)雜模型自動(dòng)簡(jiǎn)化,提高三維場(chǎng)景的存儲(chǔ)優(yōu)化和加載效率;②全空間三維信息可視化,保證模型在不同場(chǎng)景下無縫銜接;③場(chǎng)景自適應(yīng)可視化,滿足不同用戶視角場(chǎng)景下模型加載效率;④物理環(huán)境仿真可視化,實(shí)現(xiàn)信息空間真實(shí)環(huán)境高逼真渲染。
基于自主研發(fā)的三維GIS 平臺(tái)進(jìn)行數(shù)字孿生可視化表達(dá),無縫集成海量時(shí)空數(shù)據(jù)、BIM 模型數(shù)據(jù)和物聯(lián)網(wǎng)數(shù)據(jù),建立宏觀、中觀、微觀一體化管理、大規(guī)模三維場(chǎng)景集成調(diào)度、全空間多尺度表達(dá)方法,實(shí)現(xiàn)信息空間數(shù)字孿生重建,如圖3所示[8]。
圖3 數(shù)字孿生可視化方法Fig.3 Visualization method of digital twin
堤防工程各類險(xiǎn)情和潰決一般均由管涌、崩岸或滑坡、接觸沖刷及漫溢等引起,如1998年長江大洪水導(dǎo)致的較大險(xiǎn)情中,管涌占51.2%;2013年黑龍江大洪水期間干堤險(xiǎn)情中管涌占92.4%。這些險(xiǎn)情的發(fā)生、發(fā)展以及導(dǎo)致的潰堤與河勢(shì)、堤防結(jié)構(gòu)型態(tài)、土層結(jié)構(gòu)及其物理力學(xué)特性、水力條件等密切相關(guān),其致潰機(jī)理各不相同,且復(fù)雜多變,是一個(gè)多元非線性的復(fù)雜問題,本文以常見的管涌險(xiǎn)情為例,建立深度學(xué)習(xí)模型進(jìn)行堤防風(fēng)險(xiǎn)識(shí)別研究。
深度信念神經(jīng)網(wǎng)絡(luò)(DBN)作為一種新型的深度學(xué)習(xí)方法,可模擬人腦的學(xué)習(xí)過程,通過低層結(jié)構(gòu)向高層結(jié)構(gòu)擴(kuò)展,并對(duì)低層特征進(jìn)行分析和學(xué)習(xí)以獲得更強(qiáng)的高層特征或?qū)傩裕哂休^強(qiáng)的抽象和表達(dá)能力,在高質(zhì)量本質(zhì)特征提取、分類和回歸領(lǐng)域具有更好的精度和效率。
DBN由若干個(gè)RBM(受限玻爾茲曼機(jī))組成元件串聯(lián)而成,由低到高逐層訓(xùn)練。針對(duì)上一個(gè)RBM進(jìn)行充分訓(xùn)練,得出上一個(gè)RBM 的隱層,并作為下一個(gè)RBM 的顯層,即上一個(gè)RBM 的輸出作為下一個(gè)RBM的輸入,直至最后一層。深度信念網(wǎng)絡(luò)的訓(xùn)練過程可以分為預(yù)訓(xùn)練和微調(diào)兩個(gè)步驟,先通過單獨(dú)預(yù)訓(xùn)練每一層RBM 網(wǎng)絡(luò)獲取模型初始化參數(shù)最優(yōu)值,再通過BP 神經(jīng)網(wǎng)絡(luò)等傳統(tǒng)方法對(duì)參數(shù)進(jìn)行微調(diào),其核心過程主要包括:①網(wǎng)絡(luò)權(quán)值預(yù)訓(xùn)練。②利用權(quán)值微調(diào)[9]。當(dāng)前,DBN 模型鮮有應(yīng)用于堤防險(xiǎn)情識(shí)別之上,本文將采用DBN方法對(duì)其進(jìn)行研究。
堤防工程險(xiǎn)情之一的管涌通常發(fā)生于背水坡腳附近或者較遠(yuǎn)的坑塘附近,多呈現(xiàn)冒水冒砂現(xiàn)象,隨著水位上漲及時(shí)間變化,亦會(huì)出現(xiàn)大量的涌水翻砂,嚴(yán)重時(shí)會(huì)導(dǎo)致堤壩地基土壤破壞、孔道擴(kuò)大,造成潰決、垮壩等嚴(yán)重后果。管涌現(xiàn)象的產(chǎn)生與地層組成成分、結(jié)構(gòu)、水力梯度、發(fā)生距離、深度、黏土層內(nèi)摩擦角、覆蓋層厚度、黏滯系數(shù)、土的飽和度、浸泡時(shí)間等因素有關(guān),是一個(gè)多元且復(fù)雜的問題。本文通過特征選擇方法和實(shí)際工程經(jīng)驗(yàn),最終選取水位高度差、弱透水層覆蓋層厚度、有效凝聚力、有效內(nèi)摩擦角、土體壓縮系數(shù)、弱透水覆蓋層滲透系數(shù)、土體孔隙比、允許比降共8 個(gè)特征作為影響堤防管涌發(fā)生的主要因子構(gòu)建DBN 模型,同時(shí)構(gòu)建BP 神經(jīng)網(wǎng)絡(luò)、SVM 模型,實(shí)現(xiàn)險(xiǎn)情識(shí)別模型的對(duì)比驗(yàn)證,如圖4所示。
采用Spark 機(jī)器學(xué)習(xí)組件建立的DBN 預(yù)測(cè)管涌模型,模型由三層RBM 和一個(gè)BP 網(wǎng)絡(luò)組成,第一層RBM 顯層為8 個(gè)影響因子的輸入,由于這些因子之間量綱等不同,為了使模型收斂迅速,此模型將數(shù)據(jù)歸一化在[0,1]之間,如公式(1)所示[10]。
式中:x′表示歸一化后的特征值;max(x)和min(x)分別是特征的最大值和最小值;x表示特征值。
為高效獲取特征,設(shè)置模型中間為三層隱含層,神經(jīng)元個(gè)數(shù)分別是230、260、235,是否發(fā)生管涌為輸出層,其中“0”為不發(fā)生,“1”為發(fā)生。模型迭代次數(shù)設(shè)置為200,權(quán)值學(xué)習(xí)率、可視節(jié)點(diǎn)偏置學(xué)習(xí)率和隱含節(jié)點(diǎn)偏置學(xué)習(xí)率都為0.01。
平臺(tái)基于B∕S 結(jié)構(gòu)進(jìn)行總體架構(gòu)設(shè)計(jì),包含物理層、數(shù)據(jù)層、業(yè)務(wù)邏輯層、數(shù)字孿生體和用戶交互層五部分,通過相關(guān)標(biāo)準(zhǔn)規(guī)范體系和安全保障體系實(shí)現(xiàn)平臺(tái)的規(guī)范、安全和高效運(yùn)行,總體架構(gòu)圖如圖5所示。
圖5 平臺(tái)總體架構(gòu)Fig.5 Overall platform architecture
GIS+BIM+IoT 數(shù)字孿生的堤防工程安全管理平臺(tái)基于GIS、BIM、IoT 結(jié)合的數(shù)字孿生技術(shù),解決了當(dāng)前堤防工程數(shù)據(jù)庫管理或二維平面管理模式中存在的信息缺失、精度不夠、反饋滯后、表達(dá)單一等問題,對(duì)物理實(shí)體在位置、幾何、行為、規(guī)則等方面進(jìn)行全要素重建,實(shí)現(xiàn)外部環(huán)境下的仿真、決策、優(yōu)化、調(diào)整、可視等應(yīng)用[11]。平臺(tái)主要包括物理層、數(shù)據(jù)層、業(yè)務(wù)邏輯層、數(shù)字孿生體、用戶交互層5個(gè)層級(jí)。
(1)物理層。物理層是整個(gè)數(shù)字孿生體系的基礎(chǔ)支撐,包含各類感知設(shè)備和實(shí)體模型,負(fù)責(zé)信息高效采集與安全傳輸。感知設(shè)備包括水位、流量、降雨、流速、滲流滲壓、應(yīng)力應(yīng)變、水文氣象、地下水、物探傳感器、RFID、攝像頭等各類終端;物理實(shí)體包括研究堤防工程安全管理體系所涉及的堤防、河流、湖泊、地形、水庫、水文站、雨量站、水位站、泵站、閘門、險(xiǎn)工段、地質(zhì)體等實(shí)體對(duì)象;二者共同支撐在信息空間中各類實(shí)體、環(huán)境、信息等全要素、全生命周期的描述和建模。
(2)數(shù)據(jù)層。數(shù)據(jù)層主要實(shí)現(xiàn)數(shù)據(jù)交換、融合、存儲(chǔ)、處理、共享等功能,同時(shí)集成大數(shù)據(jù)、云計(jì)算、虛擬化等技術(shù),為整個(gè)孿生平臺(tái)提供基礎(chǔ)數(shù)據(jù)支撐。包括物理世界相關(guān)實(shí)體的GIS、BIM、IoT 等鏡像模型數(shù)據(jù)、實(shí)時(shí)數(shù)據(jù)、歷史數(shù)據(jù)和孿生數(shù)據(jù),具備大吞吐量和高可用性等處理性能。
(3)業(yè)務(wù)邏輯層。業(yè)務(wù)邏輯層借助GIS、BIM、IoT 數(shù)據(jù)融合與集成、人工智能、仿真模擬、決策控制、數(shù)字孿生可視化,通過孿生體與物理實(shí)體在位置、幾何、行為、規(guī)則等方面精確的映射關(guān)系,構(gòu)建信息空間中各類實(shí)體、環(huán)境、參數(shù)的模擬仿真和決策支持模型,實(shí)現(xiàn)堤防工程在不同工況、環(huán)境下的險(xiǎn)情識(shí)別、安全評(píng)估和預(yù)報(bào)預(yù)警。
(4)數(shù)字孿生體。數(shù)字孿生體與物理實(shí)體對(duì)象一一對(duì)應(yīng),包括在各類工況下與堤防工程安全管理平臺(tái)互為鏡像的三維一張圖、KPI 綜合展示、綜合查詢、險(xiǎn)情識(shí)別、安全預(yù)警,實(shí)現(xiàn)虛實(shí)之間的信息實(shí)時(shí)互動(dòng)、孿生體更新、安全仿真決策。
(5)用戶交互層。用戶交互層以Web 門戶終端、移動(dòng)端、VR∕AR∕MR端等多端形式提供業(yè)務(wù)管理和交互界面。
GIS+BIM+IoT 數(shù)字孿生的堤防工程安全管理平臺(tái)基于自主研發(fā)的三維GIS 平臺(tái)框架,集成空間地理數(shù)據(jù)(影像、地形、矢量、專題數(shù)據(jù)、三維實(shí)景模型等)、BIM 模型數(shù)據(jù)、物聯(lián)網(wǎng)監(jiān)測(cè)數(shù)據(jù),采用先進(jìn)、主流的前后端分離的開發(fā)模式進(jìn)行總體構(gòu)建。前端選用Angular 平臺(tái)框架進(jìn)行用戶交互展現(xiàn)、后臺(tái)選用Java WEB 體系架構(gòu)進(jìn)行業(yè)務(wù)邏輯開發(fā)、數(shù)據(jù)庫則采用PostgreSQL、MongoDB實(shí)現(xiàn)空間數(shù)據(jù)、BIM數(shù)據(jù)和屬性數(shù)據(jù)的存儲(chǔ)與管理,以此構(gòu)建堤防工程安全管理數(shù)字孿生平臺(tái),并基于HTTP 協(xié)議的REST Web 服務(wù)架構(gòu)實(shí)現(xiàn)各類專業(yè)模型的數(shù)據(jù)交換和模型集成??傮w實(shí)現(xiàn)方式確保整個(gè)數(shù)字孿生平臺(tái)具備擴(kuò)展性、兼容性和先進(jìn)性。
由于堤防工程堤線長、分布廣,且多為不同歷史時(shí)期的產(chǎn)物,所在區(qū)域自然地理?xiàng)l件、社會(huì)經(jīng)濟(jì)狀況等存在明顯差異,其險(xiǎn)情種類繁多、致災(zāi)機(jī)理復(fù)雜,故堤防工程安全管理是一個(gè)復(fù)雜的系統(tǒng)工程?!兜谭拦こ淘O(shè)計(jì)規(guī)范》(GB5028-2013)規(guī)定:“堤防安全評(píng)價(jià)應(yīng)包括現(xiàn)狀調(diào)查分析、現(xiàn)場(chǎng)檢測(cè)和復(fù)核計(jì)算工作”,具體包括“復(fù)核堤頂高度、堤坡的抗滑穩(wěn)定、堤身堤基滲透穩(wěn)定、堤岸的穩(wěn)定及穿堤建筑物安全等”的復(fù)核[12,13]。本文結(jié)合《堤防工程安全評(píng)價(jià)導(dǎo)則》(SLZ 679-2015)等指導(dǎo)意見,針對(duì)工程建設(shè)與管理運(yùn)行的特點(diǎn),將堤防工程安全管理主要指標(biāo)劃分為工程質(zhì)量、運(yùn)行管理、防洪安全、滲流安全和結(jié)構(gòu)安全等五大類進(jìn)行安全管理評(píng)價(jià),如圖6所示。
圖6 堤防工程安全管理主要指標(biāo)Fig.6 Main indicators of dike project safety management
堤防工程安全管理需整合工程設(shè)計(jì)、施工、管理以及與安全評(píng)價(jià)相關(guān)的社會(huì)經(jīng)濟(jì)、水文、氣象、地形、地質(zhì)等資料,并建立相應(yīng)安全評(píng)價(jià)體系、評(píng)價(jià)指標(biāo)、評(píng)價(jià)方法和預(yù)警機(jī)制,對(duì)堤防工程安全進(jìn)行綜合評(píng)價(jià)[14]?;贕IS+BIM+IoT 數(shù)字孿生的堤防工程安全管理平臺(tái)集成了堤防工程相關(guān)的實(shí)時(shí)數(shù)據(jù)、歷史數(shù)據(jù)、孿生數(shù)據(jù)以及險(xiǎn)情識(shí)別和風(fēng)險(xiǎn)預(yù)警模型,可實(shí)現(xiàn)堤防工程險(xiǎn)情識(shí)別和安全預(yù)警在外部環(huán)境下的仿真、決策、優(yōu)化、調(diào)整和可視,為堤防工程安全管理提供數(shù)據(jù)基礎(chǔ)和決策支持。
基于數(shù)字孿生的堤防工程安全管理平臺(tái)實(shí)現(xiàn)了長江流域典型堤段的空間地理數(shù)據(jù)、BIM模型數(shù)據(jù)、三維實(shí)景模型數(shù)據(jù)以及實(shí)時(shí)水雨工情、險(xiǎn)情、地質(zhì)、滲流等物聯(lián)網(wǎng)數(shù)據(jù)的融合,集成了堤防工程險(xiǎn)情識(shí)別和安全預(yù)警等模型,通過在信息空間里建立與物理世界互為映射關(guān)系的數(shù)字孿生體,構(gòu)建了多尺度、多層級(jí)的堤防工程安全管理監(jiān)測(cè)、診斷、分析、決策和預(yù)測(cè)平臺(tái)。平臺(tái)主要包括系統(tǒng)登錄、KPI展示、三維一張圖、信息查詢、險(xiǎn)情識(shí)別、安全預(yù)警、系統(tǒng)管理等子模塊。部分功能頁面如圖7~10所示。
圖7 平臺(tái)主體界面Fig.7 The main interface of the platform
圖8 長江流域主要水系KPI信息Fig.8 Main water systems KPI information in the Yangtze River Basin
選取水位高度差、覆蓋層厚度、有效凝聚力、有效內(nèi)摩擦角、土體壓縮系數(shù)、滲透系數(shù)、土體孔隙比、允許比降等8個(gè)相對(duì)重要的堤壩管涌影響因子,構(gòu)建堤防工程險(xiǎn)情識(shí)別DBN 深度學(xué)習(xí)模型,對(duì)堤防險(xiǎn)情之一的管涌險(xiǎn)情進(jìn)行分類識(shí)別。同時(shí),為了驗(yàn)證模型預(yù)測(cè)精度,選取BP 神經(jīng)網(wǎng)絡(luò)和SVM 模型進(jìn)行對(duì)比驗(yàn)證,將三者計(jì)算輸出結(jié)果進(jìn)行可視化對(duì)比分析。
圖9 三維實(shí)景模型集成Fig.9 3D real scene model integration
圖10 長江流域堤防險(xiǎn)工段空間位置信息Fig.10 Spatial location information of the dangerous section of the dike in the Yangtze River Basin
通過點(diǎn)擊三維場(chǎng)景內(nèi)典型堤防斷面實(shí)體,輸入險(xiǎn)情識(shí)別模型參數(shù),調(diào)用險(xiǎn)情識(shí)別預(yù)測(cè)模型進(jìn)行在線計(jì)算(如圖11、12),待計(jì)算完成,輸出如圖13、14的模型計(jì)算結(jié)果和評(píng)價(jià)指標(biāo),并生成相應(yīng)安全預(yù)警信息。計(jì)算結(jié)果表明:三類模型決定系數(shù)(R2)分別為0.912、0.759、0.897,DBN模型預(yù)測(cè)精度優(yōu)于其他兩類模型。
圖11 長江流域堤防典型斷面空間分布Fig.11 Spatial distribution of sections in typical sections of levees in the Yangtze River Basin
圖12 堤防風(fēng)險(xiǎn)識(shí)別深度學(xué)習(xí)模型參數(shù)輸入Fig.12 Dike risk identification deep learning model parameter input
圖13 堤防風(fēng)險(xiǎn)識(shí)別深度學(xué)習(xí)模型計(jì)算結(jié)果Fig.13 Calculation results of the deep learning model of dike risk identification
圖14 堤防風(fēng)險(xiǎn)識(shí)別深度學(xué)習(xí)模型方案評(píng)價(jià)Fig.14 Evaluation of deep learning model for dike risk identification
結(jié)果表明:相對(duì)于傳統(tǒng)的BP 神經(jīng)網(wǎng)絡(luò)以及SVM 模型,DBN深度學(xué)習(xí)模型具有較高精度,且計(jì)算速度較快,具有避免陷入局部最優(yōu)解等優(yōu)點(diǎn),可為堤防工程險(xiǎn)情識(shí)別與安全管理提供決策參考。
本文借助GIS、BIM、IoT、人工智能等技術(shù),利用數(shù)字孿生在信息空間中對(duì)堤防工程、外部工況、實(shí)體環(huán)境等進(jìn)行描述建模,實(shí)現(xiàn)物理空間與信息空間的動(dòng)態(tài)鏈接和實(shí)時(shí)交互,建立相應(yīng)的堤防工程安全管理數(shù)字孿生體。相比傳統(tǒng)堤防工程數(shù)據(jù)庫管理或二維平面管理模式中存在的信息缺失、精度不夠、反饋滯后、表達(dá)單一等問題,基于數(shù)字孿生的堤防工程安全管理平臺(tái)可針對(duì)物理實(shí)體在位置、幾何、行為、規(guī)則等方面的全要素重建,結(jié)合實(shí)時(shí)數(shù)據(jù)、歷史數(shù)據(jù)、孿生數(shù)據(jù)和基于深度學(xué)習(xí)的險(xiǎn)情識(shí)別模型,并根據(jù)險(xiǎn)情實(shí)際發(fā)生狀況和防洪形勢(shì)等內(nèi)外環(huán)境的變化,構(gòu)建堤防工程物理世界與信息世界的交互融合的孿生系統(tǒng),實(shí)現(xiàn)堤防工程險(xiǎn)情識(shí)別和安全預(yù)警在外部環(huán)境下的仿真、決策、優(yōu)化、調(diào)整和可視,提供能夠應(yīng)對(duì)外部復(fù)雜環(huán)境變化的有效決策,完善堤防險(xiǎn)情演化機(jī)制和變化形勢(shì)的識(shí)別、預(yù)警體系,最終達(dá)到堤防工程以虛控實(shí)的安全管理目的。
數(shù)字孿生實(shí)現(xiàn)了工業(yè)制造、建筑、水利方面的虛實(shí)交互、共同演化,在一些領(lǐng)域處于探索階段,普及程度尚有欠缺,借助當(dāng)下5G、區(qū)塊鏈等新興技術(shù)在數(shù)據(jù)采集和處理方面的優(yōu)勢(shì),可進(jìn)一步增強(qiáng)實(shí)體間各要素之間的聯(lián)系,促進(jìn)各要素之間的融合,最終構(gòu)建更為完善、強(qiáng)大的數(shù)字孿生體,諸如智慧城市、智慧工地、智慧流域、智慧管廊等基于數(shù)字孿生的應(yīng)用場(chǎng)景也將大有可為。 □