饒小康，馬 瑞，張 力，徐志敏

（1.長江勘測規(guī)劃設(shè)計研究有限責(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）

0 引 言

我國堤防工程線路長、險情復(fù)雜、潰堤致災(zāi)影響重大、險情演化與致潰機(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)險識別和安全預(yù)警的研究，將對堤防工程的穩(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、施工到運(yùn)行、管理乃至拆除、全生命周期內(nèi)的信息模型，同時也是一個大的數(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)）是對空間地理信息進(jìn)行采集、存儲、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)測等領(lǐng)域［2］。

IoT（物聯(lián)網(wǎng)）通過傳感器、RFID（射頻識別技術(shù)）等各種裝置與技術(shù)，實(shí)時采集實(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)針對物理空間場景中的人、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。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)的險情識別模型，以堤防工程管涌險情為例，針對險情識別和安全預(yù)警進(jìn)行實(shí)時、交互的參數(shù)模擬、模型計算、仿真推演、預(yù)測預(yù)警、優(yōu)化決策，為堤防工程安全管理的仿真、評估、優(yōu)化、預(yù)報和決策提供有力的數(shù)據(jù)和模型支撐。

1 GIS+BIM+IoT數(shù)字孿生融合與集成

1.1 GIS+BIM+IoT數(shù)據(jù)融合與集成

BIM 是動態(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，可在多個領(lǐng)域得到深層次的應(yīng)用。同時，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［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

平臺針對大規(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，支持AUTODESK 、BENTLEY、CATIA 等BIM 主流數(shù)據(jù)的無損接入，超百萬級部件的BIM 模型實(shí)時加載，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BIM 性能進(jìn)行優(yōu)化，解決BIM 精細(xì)化模型在大場景展示時資源浪費(fèi)、加載卡頓等問題；同時利用WebGL 技術(shù)，通過對計算機(jī)底層GPU 的調(diào)用實(shí)現(xiàn)三維場景的可視化渲染，建立BIM 模型與3DGIS 服務(wù)集成方法，結(jié)合Web 及移動端技術(shù)，實(shí)現(xiàn)跨平臺、跨終端的三維場景分析及管理服務(wù)。

1.2 數(shù)字孿生機(jī)制

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)、云計算、無線通信和自動控制技術(shù)，通過在信息空間內(nèi)對物理實(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態(tài)鏈接和實(shí)時交互，實(shí)現(xiàn)基于數(shù)據(jù)流動的狀態(tài)感知、實(shí)時分析、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)險情識別方案及安全預(yù)警成果，并及時進(jìn)行會商發(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，提高孿生平臺協(xié)作效率。

1.3 數(shù)字孿生可視化表達(dá)

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堤防險情復(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。

平臺針對海量時空數(shù)據(jù)、BIM 模型、物聯(lián)網(wǎng)監(jiān)測數(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)雜模型自動簡化，提高三維場景的存儲優(yōu)化和加載效率；②全空間三維信息可視化，保證模型在不同場景下無縫銜接；③場景自適應(yīng)可視化，滿足不同用戶視角場景下模型加載效率；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 平臺進(jìn)行數(shù)字孿生可視化表達(dá)，無縫集成海量時空數(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

2 堤防風(fēng)險識別深度學(xué)習(xí)模型建立

堤防工程各類險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)致的較大險情中，管涌占51.2%；2013年黑龍江大洪水期間干堤險情中管涌占92.4%。這些險情的發(fā)生、發(fā)展以及導(dǎo)致的潰堤與河勢、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，是一個多元非線性的復(fù)雜問題，本文以常見的管涌險情為例，建立深度學(xué)習(xí)模型進(jìn)行堤防風(fēng)險識別研究。

2.1 深度學(xué)習(xí)模型介紹

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。針對上一個RBM進(jìn)行充分訓(xùn)練，得出上一個RBM 的隱層，并作為下一個RBM 的顯層，即上一個RBM 的輸出作為下一個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)用于堤防險情識別之上，本文將采用DBN方法對其進(jìn)行研究。

2.2 堤防風(fēng)險識別深度學(xué)習(xí)模型建立

堤防工程險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，隨著水位上漲及時間變化，亦會出現(xiàn)大量的涌水翻砂，嚴(yán)重時會導(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、浸泡時間等因素有關(guān)，是一個多元且復(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，同時構(gòu)建BP 神經(jīng)網(wǎng)絡(luò)、SVM 模型，實(shí)現(xiàn)險情識別模型的對比驗(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)測管涌模型，模型由三層RBM 和一個BP 網(wǎng)絡(luò)組成，第一層RBM 顯層為8 個影響因子的輸入，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。

3 GIS+BIM+IoT 數(shù)字孿生的堤防工程安全管理平臺總體設(shè)計實(shí)現(xiàn)

3.1 平臺總體架構(gòu)

平臺基于B∕S 結(jié)構(gòu)進(jìn)行總體架構(gòu)設(shè)計，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 平臺總體架構(gòu)Fig.5 Overall platform architecture

3.2 平臺總體設(shè)計與實(shí)現(xiàn)

GIS+BIM+IoT 數(shù)字孿生的堤防工程安全管理平臺基于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個層級。

（1）物理層。物理層是整個數(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、險工段、地質(zhì)體等實(shí)體對象；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、處理、共享等功能，同時集成大數(shù)據(jù)、云計算、虛擬化等技術(shù)，為整個孿生平臺提供基礎(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)境下的險情識別、安全評估和預(yù)報預(yù)警。

（4）數(shù)字孿生體。數(shù)字孿生體與物理實(shí)體對象一一對應(yīng)，包括在各類工況下與堤防工程安全管理平臺互為鏡像的三維一張圖、KPI 綜合展示、綜合查詢、險情識別、安全預(yù)警，實(shí)現(xiàn)虛實(shí)之間的信息實(shí)時互動、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基于自主研發(fā)的三維GIS 平臺框架，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 平臺框架進(jìn)行用戶交互展現(xiàn)、后臺選用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)的存儲與管理，以此構(gòu)建堤防工程安全管理數(shù)字孿生平臺，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。總體實(shí)現(xiàn)方式確保整個數(shù)字孿生平臺具備擴(kuò)展性、兼容性和先進(jìn)性。

由于堤防工程堤線長、分布廣，且多為不同歷史時期的產(chǎn)物，所在區(qū)域自然地理?xiàng)l件、社會經(jīng)濟(jì)狀況等存在明顯差異，其險情種類繁多、致災(zāi)機(jī)理復(fù)雜，故堤防工程安全管理是一個復(fù)雜的系統(tǒng)工程。《堤防工程設(shè)計規(guī)范》（GB5028-2013）規(guī)定：“堤防安全評價應(yīng)包括現(xiàn)狀調(diào)查分析、現(xiàn)場檢測和復(fù)核計算工作”，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《堤防工程安全評價導(dǎo)則》（SLZ 679-2015）等指導(dǎo)意見，針對工程建設(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)行安全管理評價，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、施工、管理以及與安全評價相關(guān)的社會經(jīng)濟(jì)、水文、氣象、地形、地質(zhì)等資料，并建立相應(yīng)安全評價體系、評價指標(biāo)、評價方法和預(yù)警機(jī)制，對堤防工程安全進(jìn)行綜合評價［14］?；贕IS+BIM+IoT 數(shù)字孿生的堤防工程安全管理平臺集成了堤防工程相關(guān)的實(shí)時數(shù)據(jù)、歷史數(shù)據(jù)、孿生數(shù)據(jù)以及險情識別和風(fēng)險預(yù)警模型，可實(shí)現(xiàn)堤防工程險情識別和安全預(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。

4 基于數(shù)字孿生的堤防工程安全管理平臺應(yīng)用實(shí)踐

基于數(shù)字孿生的堤防工程安全管理平臺實(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)時水雨工情、險情、地質(zhì)、滲流等物聯(lián)網(wǎng)數(shù)據(jù)的融合，集成了堤防工程險情識別和安全預(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、多層級的堤防工程安全管理監(jiān)測、診斷、分析、決策和預(yù)測平臺。平臺主要包括系統(tǒng)登錄、KPI展示、三維一張圖、信息查詢、險情識別、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個相對重要的堤壩管涌影響因子，構(gòu)建堤防工程險情識別DBN 深度學(xué)習(xí)模型，對堤防險情之一的管涌險情進(jìn)行分類識別。同時，為了驗(yàn)證模型預(yù)測精度，選取BP 神經(jīng)網(wǎng)絡(luò)和SVM 模型進(jìn)行對比驗(yàn)證，將三者計算輸出結(jié)果進(jìn)行可視化對比分析。

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)擊三維場景內(nèi)典型堤防斷面實(shí)體，輸入險情識別模型參數(shù)，調(diào)用險情識別預(yù)測模型進(jìn)行在線計算（如圖11、12），待計算完成，輸出如圖13、14的模型計算結(jié)果和評價指標(biāo)，并生成相應(yīng)安全預(yù)警信息。計算結(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)險識別深度學(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)險識別深度學(xué)習(xí)模型計算結(jié)果Fig.13 Calculation results of the deep learning model of dike risk identification

圖14 堤防風(fēng)險識別深度學(xué)習(xí)模型方案評價Fig.14 Evaluation of deep learning model for dike risk identification

結(jié)果表明：相對于傳統(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)，可為堤防工程險情識別與安全管理提供決策參考。

5 結(jié) 語

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態(tài)鏈接和實(shí)時交互，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可針對物理實(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)的險情識別模型，并根據(jù)險情實(shí)際發(fā)生狀況和防洪形勢等內(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)堤防工程險情識別和安全預(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)對外部復(fù)雜環(huán)境變化的有效決策，完善堤防險情演化機(jī)制和變化形勢的識別、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，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)用場景也將大有可為。 □