摘要：為提高中國水資源利用效率，推動灌區(qū)精細化管理，基于目前灌區(qū)發(fā)展現(xiàn)狀，提出了數(shù)字孿生灌區(qū)精細化管理框架，并分別對灌區(qū)可供水量預測、作物需水預測、灌區(qū)渠道水量優(yōu)化配置以及測控一體化閘門的關(guān)鍵技術(shù)進行了研究，并構(gòu)建了一套數(shù)字孿生灌區(qū)“四預”平臺，通過“多要素立體感知”“全周期需水預報”“旱澇風險靶向預警”“水資源全過程預演”“防災減災科學預案”5條路徑，實現(xiàn)灌區(qū)全方位、智慧化、科學化的管理。數(shù)字孿生灌區(qū)“四預”平臺部分功能已在廣州市流溪河灌區(qū)成功應用。數(shù)字孿生灌區(qū)全過程精細化水量調(diào)控關(guān)鍵技術(shù)通過對“供水-需水-配水-調(diào)水”全過程的水量調(diào)配，實現(xiàn)了水資源優(yōu)化配置，提高了水資源利用效率，對數(shù)字孿生灌區(qū)的推廣與應用具有指導意義。

關(guān)鍵詞：數(shù)字孿生灌區(qū)；精細化；“四預”；流溪河灌區(qū)

中圖分類號：S275 文獻標識碼：A 文章編號：1001-9235（2024）04-0033-07

Research and Application of Key Technologies for Refined Water Control in Digital Twin Irrigation Areas

LUO Zhaolin，MENG Qingkui^*，CHEN Wufen，ZHANG Bo

（Pearl River Water Resources Research Institute of Pearl River Water Resources Commission，Guangzhou 510611，China）

Abstract： To improve the efficiency of water resource utilization in China and promote refined management of irrigation areas，this paper proposes a refined management framework for digital twin irrigation areas based on the current development of irrigation areas.Meanwhile，it studies the key technologies of water supply prediction in irrigation areas，crop water demand prediction，optimal water volume allocation in irrigation areas，and integrated measurement and control gates.A set of “FEDE” platforms for digital twin irrigation areas have been constructed，and five paths of “multi-factor three-dimensional perception”，“full-cycle water demand forecasting”，“targeted warning of drought and flood risks”，“full-process rehearsal of water resources”，and “scientific plans for disaster prevention and reduction” are adopted.As a result，comprehensive，intelligent，and scientific management of irrigation areas is realized.Additionally，some functions of the “FEDE” platform of digital twin irrigation areas have been successfully applied to the Liuxi River irrigation area，Guangzhou.The key technology of precise water volume control throughout the entire process of digital twin irrigation areas achieves optimal water resource allocation and improves water resource utilization efficiency by realizing water volume allocation throughout the entire “water supply-water demand-water distribution-water transfer” process.This has a guiding significance for the promotion and application of digital twin irrigation areas.

Keywords：digital twin irrigation area;refined;“FEDE”;Liuxi River irrigation area

2022年，農(nóng)業(yè)用水總量為3 781.3億m³，占用水總量的63.0%，為保障糧食安全，需更加合理地進行農(nóng)業(yè)水資源配置，并提高農(nóng)業(yè)水資源利用效率^［1-3］。灌區(qū)作為水資源調(diào)配的關(guān)鍵工程，是農(nóng)業(yè)發(fā)展的重要保障，在中國農(nóng)業(yè)發(fā)展過程中起著重要的作用^［4］。但相關(guān)研究表明，中國目前農(nóng)業(yè)用水方式仍然為粗放型，中國農(nóng)田灌溉水有效利用系數(shù)僅為0.554，與發(fā)達國家0.7以上的有效利用系數(shù)仍有很大差距^［5］。因此各級灌區(qū)管理部門積極探索可持續(xù)發(fā)展的管理思路，致力于推進數(shù)字孿生灌區(qū)發(fā)展，通過精細化管理提升灌區(qū)管理水平^［6］。在灌區(qū)水資源配置方面，通過精細化的可供水量預測、需水預測、渠道水量分配以及水量精準調(diào)控等方式提高水資源利用效率。2022年12月水利部印發(fā)的《關(guān)于開展數(shù)字孿生灌區(qū)先行先試工作的通知》明確要求，打造一批現(xiàn)代化數(shù)字灌區(qū)，推進灌區(qū)數(shù)字化、監(jiān)控自動化、調(diào)度智能化，動態(tài)優(yōu)化灌區(qū)調(diào)度，充分發(fā)揮灌區(qū)綜合效益。數(shù)字孿生灌區(qū)為精細化水量調(diào)控提供了數(shù)據(jù)支持和決策依據(jù)，通過數(shù)字化建模和仿真技術(shù)，可以實現(xiàn)對灌溉過程的精確監(jiān)測和優(yōu)化調(diào)控，提高水資源利用效率和農(nóng)業(yè)生產(chǎn)效益。目前國內(nèi)外對于數(shù)字孿生灌區(qū)的研究已有了部分成果。各學者分別從數(shù)字孿生灌區(qū)發(fā)展思考^［7-8］、建設架構(gòu)^［9-10］、關(guān)鍵技術(shù)^［11］、物聯(lián)網(wǎng)平臺^［12］等方面開展了研究。

目前相關(guān)研究只是針對數(shù)字孿生灌區(qū)的發(fā)展提出構(gòu)想，并未實地應用，并且缺乏對于灌區(qū)水量調(diào)控的“供水－需水－配水－調(diào)水”全過程的研究，無法實現(xiàn)數(shù)字孿生灌區(qū)全過程精細化水量調(diào)控。本研究以流溪河灌區(qū)為試點，在數(shù)字孿生灌區(qū)的框架下，通過對灌區(qū)水量調(diào)控過程的關(guān)鍵技術(shù)研究與應用，系統(tǒng)實現(xiàn)了“供水－需水－配水－調(diào)水”的鏈條化管理，實現(xiàn)流溪河灌區(qū)精細化管理，對數(shù)字孿生灌區(qū)的推廣與應用具有指導意義。

1 數(shù)字孿生灌區(qū)總體結(jié)構(gòu)

數(shù)字孿生灌區(qū)的總體架構(gòu)見圖1。系統(tǒng)分為物理流域、基礎設施、數(shù)字孿生平臺以及業(yè)務應用。其中物理流域主要包括灌區(qū)相關(guān)的河道、水庫、灌渠、農(nóng)田以及閘泵?；A設施分為兩部分，一部分是灌區(qū)水情、工情、視頻等監(jiān)測設備，另一部分是數(shù)據(jù)傳輸網(wǎng)絡，包括業(yè)務網(wǎng)和工控網(wǎng)兩部分。數(shù)字孿生平臺包括數(shù)據(jù)底板、模型平臺以及知識平臺。數(shù)據(jù)底板部分包括地理空間數(shù)據(jù)、監(jiān)測數(shù)據(jù)、業(yè)務管理數(shù)據(jù)集成以及數(shù)據(jù)治理等內(nèi)容，為數(shù)字孿生平臺提供數(shù)據(jù)基礎。模型平臺包括灌區(qū)專題模型（來水預報、需水預測、水資源配置等）、智能識別模型（遙感識別、視頻識別、圖像識別等）以及可視化模型，結(jié)合知識平臺為業(yè)務應用提供支撐。業(yè)務應用包括防汛抗旱、灌區(qū)水資源管理與調(diào)配以及工程管理等，并實現(xiàn)灌區(qū)“四預”功能。

2 精細化水量調(diào)控關(guān)鍵技術(shù)研究

2.1 灌區(qū)可供水量預測

灌區(qū)可供水量包括上游供水水庫水量以及水庫到灌區(qū)的渠道水量，其中上游水庫水量可占總供水量的95%以上。因此，開展灌區(qū)供水水庫可供水量預測對于農(nóng)業(yè)生產(chǎn)和水資源管理具有重要意義。傳統(tǒng)的預測方法往往依賴于統(tǒng)計模型和經(jīng)驗規(guī)則，其預測精度有限?；陂L短時記憶神經(jīng)網(wǎng)絡（LSTM）的水庫可供水量預測方法能夠自動學習時間序列數(shù)據(jù)中的復雜關(guān)系，不需要依賴于人工定義的規(guī)則。此外，該方法還能夠利用歷史數(shù)據(jù)中的長期依賴關(guān)系，提高預測的準確性。因此，該方法能夠有效地提高預測精度，實現(xiàn)灌區(qū)可供水量的動態(tài)預測，為農(nóng)業(yè)生產(chǎn)和水資源調(diào)配提供有力支持。

2.2 作物需水預測

作物需水量預測是實現(xiàn)實時灌溉預報的基礎^［13］，參考作物需水量（ET0）是反映各種氣候條件對作物需水量影響的綜合因素，聯(lián)合國糧農(nóng)組織（FAO）推薦PM公式為計算ET0的方法，但PM公式需要一系列的經(jīng)驗系數(shù)和復雜的公式、很多參數(shù)需要地區(qū)校正，給實際預測帶來一定的困難，在需水量預測方面存在缺陷，限制了它的應用和推廣。通過建立作物需水量預測模型可有效解決PM公式存在的不足，可為灌溉預報及決策提供較為準確的ET0預報數(shù)據(jù)。

根據(jù)國內(nèi)外需水預測的研究，預測方法大概可以分為回歸分析、自回歸積分滑動平均模型和神經(jīng)網(wǎng)絡模型^［14］。這些預測方法依據(jù)所研究區(qū)域、預測周期和資料收集等情況的不同，會導致抗隨機因素能力差別大，計算精度不是完全一致。在農(nóng)田中，土壤、作物和氣候會對作物騰發(fā)量產(chǎn)生影響，傳統(tǒng)的作物需水預測模型影響因素較多，無法在數(shù)字孿生灌區(qū)系統(tǒng)中應用，而深度神經(jīng)網(wǎng)絡可以有效解決該問題^［15］。作物需水量預測一般需要較長的時間序列數(shù)據(jù)，與其他模型相比，長短期記憶網(wǎng)絡（Long Short-Term Memory）在長時間關(guān)系的擬合能力方面更優(yōu)。

本研究通過對作物需水量的相關(guān)影響參數(shù)進行分析，選擇溫度、風速、濕度以及日照時長作為關(guān)鍵影響參數(shù)，構(gòu)建了基于LSTM的作物需水預測模型。模型主要由4個網(wǎng)絡層（輸入、輸出、隱藏、模型訓練）構(gòu)成^［16］。

基于LSTM的作物需水預測模型的訓練步驟：①對選擇的溫度、風速、濕度以及日照時長的原始數(shù)據(jù)進行預處理，并選擇歸一化處理方式；②將歸一化處理后的數(shù)據(jù)分為訓練集和測試集；③構(gòu)建LSTM模型，通過優(yōu)化各參數(shù)進行模型訓練，使模型效果達到最優(yōu)。

2.3 灌區(qū)渠道水量優(yōu)化配置

灌區(qū)涉及多級渠道，系統(tǒng)構(gòu)建整個灌區(qū)渠系動態(tài)優(yōu)化配水模型時，將總干、干渠及支渠作為研究對象。通過作物需水預測模型，可獲得未來一段時期（周或旬）不同區(qū)域需要灌溉的日期和水量。之后，需要結(jié)合灌區(qū)的實時工情、水情等信息，開展智慧決策調(diào)度，合理進行渠系配水，保證水源供水通過各級渠系“適時、適量”進入所需的灌溉區(qū)域，滿足作物精準灌溉的需求。

2.3.1 灌區(qū)可供水量

根據(jù)基于長短時記憶神經(jīng)網(wǎng)絡的水庫可供水量預測模型的預測結(jié)果作為灌區(qū)可供水量依據(jù)。

2.3.2 數(shù)學模型構(gòu)建

2.3.2.1 目標函數(shù)

a）渠系輸水損失最?。?/p>

minW_s=W_zs+W_gs+W_z’s（1）

式中 W_s——灌區(qū)各級渠系輸水總損失水量；W_zs——灌區(qū)總干渠輸水損失；W_gs——灌區(qū)參與輸水的干渠損失水量；W_z’s——灌區(qū)參與配水的支渠損失水量。

渠道輸水損失與渠道正常運行流量、輸配水時間、渠道水利用系數(shù)、渠道長度及襯砌情況、渠床特性等有關(guān)，可采用理論計算公式結(jié)合實測數(shù)據(jù)修正。

b）渠道輸水過程的流量變化最小：

minSC_V=C_zV+C_gV（2）

式中 SC_V——總干渠和干渠的輸水過程流量變異系數(shù)；C_zV——總干渠的流量變異系數(shù)；C_gV——各條干渠的流量變異系數(shù)。

2.3.2.2 約束條件

按照灌區(qū)渠道運行的要求，該模型的約束條件包括：①支渠配水流量約束，實際配水流量為設計流量的0.6～1.0倍；②最大輪期約束，渠系總配水時間小于根據(jù)灌溉預報計算確定的允許最大總配水時間；③上下級渠道輸水水量平衡約束；④上下級渠道輸水連續(xù)性約束。

2.3.3 模型求解及運行結(jié)果驗證

a）模型求解流程。①模型輸入：進行渠系資料、需水資料的輸入；②子系統(tǒng)模型優(yōu)化：采用遺傳算法進行模型優(yōu)化，生成最優(yōu)解方案下各干渠各時段配水流量Q_it（i=1，2，3，4；t=1，2，T），然后將各個子系統(tǒng)最優(yōu)解對應的各時段配水流量反饋給總干系統(tǒng)協(xié)調(diào)層；③總干系統(tǒng)協(xié)調(diào)層按照配水準則進行模型優(yōu)化得到修正后的干渠流量過程Q_it ′（i=1，2，3，4；t=1，2，T），子系統(tǒng)再根據(jù)修正后的干渠流量過程，進行干-支渠子系統(tǒng)優(yōu)化，直至總干渠目標函數(shù)值達到最優(yōu)或修正前后干渠流量變化最小為止。

b）模型運行結(jié)果分析。數(shù)學模型及其求解方法以Python編程實現(xiàn)，得到渠系各干渠額運行方案，并與經(jīng)驗法確定的渠道運行方案進行比較，評價模型運行結(jié)果。

2.4 測控一體化閘門

渠道輸配水過程的精確計量和控制是實現(xiàn)灌區(qū)用水總量定額管理的基礎^［17］。智能測控一體化閘門，采用視覺型明渠流速檢測裝置測量的流速、水位信息，與閥門控制系統(tǒng)組合來完成對渠道內(nèi)輸配水的精確監(jiān)控。本研究采用解耦控制使水位波動降至最低，以保證所有分水口供水的平穩(wěn)；通過按需供水進行水量分配，提高灌區(qū)用水效率。

智能測控一體化閘門分為閘門本體機械電氣單元、智能測控單元及太陽能光伏供電單元三大主要模塊，詳細結(jié)構(gòu)見圖2，其中測控單元的信息采集模塊可接受視覺式明渠流量測量設備測量的流量、水位，為閘門智能控制提供依據(jù)。

測控單元硬件組成見圖3，主要包括主控模塊、數(shù)據(jù)采集模塊、數(shù)據(jù)存儲模塊、LCD顯示模塊、視頻/圖像采集模塊、無線通信模塊、電源模塊、RS232/485接口及電機驅(qū)動接口等。

主控模塊是核心器件，其性能直接決定了整個測控單元的綜合功能和各項性能指標，本研究采用32位嵌入式ARM處理器；視頻/圖像采集模塊負責現(xiàn)場環(huán)境場景的信息采集，并為結(jié)合視覺式明渠流量測量設備提供水流和水尺的原始圖像；數(shù)據(jù)采集模塊負責采集閘門開度并接入結(jié)合視覺式明渠流量測量設備提供的水位、流量數(shù)據(jù)；無線通信模塊負責將現(xiàn)場采集各項參數(shù)和計算的流量信息傳送到遠程監(jiān)控中心，并接收監(jiān)控中心下達的調(diào)度控制指令，采用4G無線通信技術(shù)，滿足視頻/圖像遠程傳輸?shù)男枰?/p>

2.5 數(shù)字孿生灌區(qū)“四預”平臺構(gòu)想

為全面提高灌區(qū)的智能化水平，供水管理的精準化水平及對水資源的調(diào)控能力，本文設計了一套數(shù)字孿生灌區(qū)“四預”平臺。該平臺通過“多要素立體感知”“全周期需水預報”“旱澇風險靶向預警”“水資源全過程預演”“防災減災科學預案”5條路徑，可以對灌區(qū)進行全方位、智慧化、科學化的管理，實現(xiàn)農(nóng)業(yè)用水高效、增產(chǎn)增值。

2.5.1 多要素立體感知

多要素立體感知是智慧灌區(qū)管理體系構(gòu)建的基礎，通過全面的立體感知體系，為實現(xiàn)智慧化的灌區(qū)管理提供全面可靠的數(shù)據(jù)信息；通過強化衛(wèi)星、無人機遙感和地面監(jiān)測的聯(lián)動應用，建立集降雨量、流量、水位、水質(zhì)、圖像視頻、遙感信息的空天地網(wǎng)立體監(jiān)測網(wǎng)絡，打造雨情-水情-險情-災情多要素多層次信息鏈，打破單一要素感知的局限，為灌區(qū)的“四預”工作的開展和指揮決策提供支撐。

2.5.2 全周期需水預報

灌區(qū)灌溉水量直接影響作物產(chǎn)量，通過開展作物全生命周期需水量預測，獲得農(nóng)作物生長最佳需水量和灌溉時間，依照作物的生長需求，科學、精量、適時地為作物補充水分；結(jié)合作物種植結(jié)構(gòu)可預測灌區(qū)各典型田塊灌溉用水量，根據(jù)灌區(qū)各級水利用系數(shù)及灌溉工程現(xiàn)狀，實現(xiàn)整個灌區(qū)的需水預測。

2.5.3 粗放用水靶向預警

緊盯重點取用水戶取水量、灌區(qū)重要排水溝排水量、灌區(qū)地下水位、主要河流生態(tài)流量等關(guān)鍵指標，落實“人防+物防+技防”三位一體監(jiān)測措施，用水實時數(shù)據(jù)與用水定額先進指標對比，以水資源承載力臨界超載和超載響應為上限，基于云技術(shù)構(gòu)建新一代灌區(qū)節(jié)水預警通用模型平臺，切實加強對灌區(qū)用水行為的動態(tài)監(jiān)測監(jiān)管。

2.5.4 水資源全過程預演

根據(jù)不同預見期的旱澇預報成果和全灌區(qū)水資源需求形勢，基于“四預”平臺的數(shù)字化場景，從水源、全渠系（干支斗農(nóng)）到終端用水戶動態(tài)預演不同形勢下的水量分配和輸配水方案，分區(qū)分段多尺度展示輸配水發(fā)展態(tài)勢，評估不同方案的可行性和防災減災作用，并自動迭代優(yōu)化水量分配和輸配水方案，達到旱澇災害減災、工程隱患少成災的目的。

2.5.5 防災減災科學預案

在災情方面，為應對灌區(qū)突發(fā)旱澇災害，通過“四預”平臺將水資源全過程預演的水量分配結(jié)果與灌區(qū)輸配水過程融合，進一步解構(gòu)防旱澇目標和重點，落實落細旱澇防御對策，從需水、供水、耗水、排水4個方面給予灌區(qū)科學精準指導，形成智能型灌區(qū)防汛抗旱預案，提高灌區(qū)韌性防御能力。

3 數(shù)字孿生灌區(qū)應用

3.1 試驗區(qū)概況

廣州市流溪河灌區(qū)由大坳渠首樞紐工程、李溪攔河壩引水樞紐工程和灌溉渠系（圖4）組成，是以引水為主，蓄、引、提相結(jié)合的灌溉系統(tǒng)。在灌區(qū)中建設包括水雨情監(jiān)測、土壤墑情監(jiān)測、測控一體化閘門、視頻監(jiān)控、明渠流量計等硬件設施設備，并構(gòu)建了數(shù)字孿生灌區(qū)管理平臺實現(xiàn)對灌區(qū)的智慧化管理。

3.2 實施效益

為實現(xiàn)流溪河灌區(qū)精細化管理，融合智能感知、需水預報、水量調(diào)度和數(shù)字孿生等先進技術(shù)構(gòu)建了廣州流溪河智慧灌區(qū)“四預”平臺。系統(tǒng)于2019年4月正式上線應用，經(jīng)不斷迭代升級，能夠?qū)崿F(xiàn)農(nóng)作物生長最佳需水量和灌溉時間預測，并且可自主根據(jù)作物需求驅(qū)動設備完成智能化灌溉，實現(xiàn)了高效智能的灌溉決策，實現(xiàn)按需、按期、按量高效供水，做到計劃用水、優(yōu)化配水，提高了灌區(qū)綜合效益。截至2023年，流溪河灌區(qū)灌溉供水保障率達到95%以上，并入選2022年省級節(jié)水型灌區(qū)。平臺包括灌區(qū)一張圖、可供水量預測、需水預測、水量配置以及自動控制等功能，系統(tǒng)實現(xiàn)了“供水-需水-配水-調(diào)水”的鏈條化管理，有效改變了原來按照設計和計劃供水的模式，為實現(xiàn)“按需供水，精準配水，減少棄水”的目標提供了科學手段。

a）灌區(qū)一張圖。在數(shù)字化場景中動態(tài)展示灌區(qū)運行的各類信息，主要包括作物信息、氣象信息、用水統(tǒng)計、閘門運行狀態(tài)、設備狀態(tài)、作物需水預測等，為管理單位及時了解灌區(qū)運行狀況、合理調(diào)配水資源提供科學依據(jù)，見圖5。

b）可供水量預測。驅(qū)動可供水量預測模型，實現(xiàn)了流溪河灌區(qū)上游流溪河水庫及黃龍帶水庫全年月、旬尺度的可供水量預測，以及未來1周的日來水量預測。

c）需水預測。綜合作物當前的生長周期、氣象預測預報數(shù)據(jù)，灌區(qū)實時監(jiān)測數(shù)據(jù)，渠系水利用系數(shù)等因素，對當前作物的需水情況進行精準預測（圖6）。

d）水量配置。根據(jù)來水和需水情況進行供需平衡分析，驅(qū)動水資源優(yōu)化配置模型，按照“缺水量最小、棄水量最小”原則，靈活制定“組內(nèi)續(xù)灌，組間輪灌”策略，輸出每條渠道的配水流量、配水量、配水開始和結(jié)束時間，生成灌區(qū)配水方案。

e）自動控制。根據(jù)自動生成調(diào)度指令，通過遠程控制測控一體化閘門啟閉，實現(xiàn)對灌區(qū)內(nèi)的水資源進行科學調(diào)配。

4 結(jié)論

開展了對灌區(qū)精細化管理關(guān)鍵技術(shù)的研究與應用，并將關(guān)鍵技術(shù)與灌區(qū)管理系統(tǒng)融合構(gòu)思了數(shù)字孿生灌區(qū)“四預”平臺的功能和效果，為未來數(shù)字孿生灌區(qū)的發(fā)展提供了思路。系統(tǒng)在流溪河灌區(qū)的應用表明，其有效提高了灌區(qū)水資源利用率和管理水平，實現(xiàn)了灌區(qū)的可持續(xù)發(fā)展。但是對于本文提出的數(shù)字孿生灌區(qū)中的防災減災科學預案并未能在流溪河灌區(qū)中實現(xiàn)，后續(xù)需要進行進一步研究應用。

參考文獻：

［1］譚倩，緱天宇，張?zhí)镦?，?基于魯棒規(guī)劃方法的農(nóng)業(yè)水資源多目標優(yōu)化配置模型［J］.水利學報， 2020，51（1）：56-68.

［2］翟浩輝.我國農(nóng)業(yè)節(jié)水與國家糧食安全［J］.中國農(nóng)村科技，2011（2）：42-45.

［3］王海龍，王會肖，劉海軍，等.農(nóng)業(yè)水資源高效利用的若干問題研究［J］.南水北調(diào)與水利科技，2010，8（1）：82-87，98.

［4］姜明梁，鄧忠.我國灌區(qū)信息化建設現(xiàn)狀與發(fā)展對策［J］.中國農(nóng)村水利水電，2019（10）：132-133，138.

［5］劉峰.我國農(nóng)業(yè)水資源利用存在的問題及管理對策［J］.鄉(xiāng)村科技，2021，12（29）：100-102.

［6］張波，陳武奮，江顯群.數(shù)字孿生灌區(qū)建設中的關(guān)鍵技術(shù)應用［J］.水利建設與管理，2020，40（9）：72-76.

［7］邱俊楠，王宏偉，李樹元，等.數(shù)字孿生灌區(qū)建設探討［J］.農(nóng)業(yè)科技與信息，2022（3）：118-121.

［8］戴瑋，李益農(nóng)，章少輝，等.數(shù)字孿生灌區(qū)建設發(fā)展思考［J］.中國水利，2018（7）：48-49.

［9］史良勝，查元源，胡小龍，等.數(shù)字孿生灌區(qū)的架構(gòu)、理論和方法之初探［J］.水利學報，2020，51（10）：1212-1222.

［10］王自云.數(shù)字孿生灌區(qū)的架構(gòu)、理論和方法之我見［J］.低碳世界，2021，11（7）：91-92.

［11］楊志靜.數(shù)字孿生灌區(qū)建設中的關(guān)鍵技術(shù)應用［C］//2021中國水資源高效利用與節(jié)水技術(shù)論壇論文集，2021.

［12］李子陽，馬福恒，李涵曼，等.人民勝利渠灌區(qū)智慧管理平臺的物聯(lián)網(wǎng)架構(gòu)［J］.中國農(nóng)村水利水電，2019（6）：88-92.

［13］謝家興，高鵬，孫道宗，等.基于長短期記憶的柑橘園蒸散量預測模型［J］.農(nóng)業(yè)機械學報，2020，51（S2）：351-356.

［14］董云程，周明，杜坤，等.城市需水量預測方法與模型綜述［J］.軟件導刊，2019，18（12）：1-5.

［15］邢立文，崔寧博，董娟.基于LSTM深度學習模型的華北地區(qū)參考作物蒸散量預測研究［J］.水利水電技術(shù)，2019，50（4）：64-72.

［16］TIAN Y，XU Y P，YANG Z，et al.Integration of a parsimonious hydrological model with recurrent neural networks for improved streamflow forecasting［J］.Water，2018，10（11）.DOI：10.3390/w10111655.

［17］侯文濤，白美健，陳炳紳，等.測控一體化閘門及其調(diào)控技術(shù)研究分析［J］.節(jié)水灌溉，2021（8）：47-51.

（責任編輯：向 飛）