1 数字孪生流域（Digital Twin Basin/Watershed）总则

1.1 定义

数字李生流域是以物理流域为单元、时空数据为底座数学模型为核心、水利知识为驱动，对物理流域全要素和水利治理管理活动全过程进行数字映射、智能模拟、前瞻预演:与物理流域同步仿真运行、虚实交互、迭代优化，实现对物理流域的实时监控、发现问题、优化调度的新型基础设施。

1.2 适用范围

• 流域管理机构
• 省行政管理部门

主要适用于大江大河大湖及主要支流、重点流域和重点区域的数字孪生流域建设。

1.3 建设目标

数字孪生流域建设总体目标是:按照“需求牵引、应用至上、数字赋能、提升能力”要求，以数字化、网络化、智能化为主线，以数字化场景、智慧化模拟、精准化决策为路径，在水利一张图基础上构建全国统一的数据底板，升级扩展三维展示、数据融合、分析计算、动态场景等功能，建设完善数字孪生平台、提升信息化基础设施能力，建成大江大河大湖及主要支流、重点流域和重点区域的数字李生流域，实现与物理流域同步仿真运行、虚实交互、迭代优化，支撑“四预”(预报、预警、预演、预案)功能实现和“2+N”智能应用运行，加快构建智慧水利体系，提升水利决策与管理的科学化、精准化、高效化能力和水平，为新阶段水利高质量发展提供有力支撑和强力驱动。

1.4 建设原则

• 需求牵引，应用至上
• 系统谋划，分步实施
• 统筹推进，协同建设
• 整合资源，集约共享
• 更新迭代，安全可控

2 数字孪生流域框架与组成

2.1 数字孪生流域框架

智慧水利由数字孪生流域、业务应用、网络安全体系、保障体系等组成。
其中，数字孪生流域是智慧水利建设的核心与关键，包括数字孪生平台和信息化基础设施；流域防洪、
水资源管理与调配以及N项业务应用调用数字孪生流域提供的算据、算法、算力等资源。总体框架如图2-1所示。

2.2 数字孪生流域组成

数字孪生流域建设框架如下：

2.2.1 数字孪生平台

数字孪生平台主要由数据底板、模型平台、知识平台等构成。

数字孪生平台各组成部分功能与关联为：

• 数据底板汇聚水利信息网传输的各类数据，经处理后为模型平台和知识平台提供数据服务；
• 模型平台利用数据底板成果，以水利专业模型分析物理流域的要素变化、活动规律和相互关系，通过智能识别模型提升水利感知能力，利用模拟仿真引擎模拟物理流域的运行状态和发展趋势，并将以上结果通过可视化模型动态呈现；
• 知识平台汇集数据底板产生的相关数据、模型平台的分析计算结果，经水利知识引擎处理形成知识图谱服务水利业务应用。

2.2.2 信息化基础设施

信息化基础设施主要由水利感知网、水利信息网、水利云等构成。

信息化基础设施各组成部分功能与关联为：

• 水利感知网负责采集数字孪生流域所需各类数据；
• 通过水利信息网将数据传输至数字孪生平台数据底板；
• 水利云平台负责提供数据计算和存储资源

3 数字孪生平台（Platform of digital twin）

3.1 数据底板（Data base）

数据底板应在水利一张图基础上升级扩展，完善数据类型、数据范围、数据质量，优化数据融合、分析计算等功能:主要包括数据资源、数据模型和数据引擎等内容。

数据底板的建设目标是在现有数据共享体系的基础上，收集流域范围的水利基础数据、业务管理数据、动态
监测数据、地理空间数据以及跨行业共享数据，以数据模型为核心进行数据关联与融合，形成基础数据统一、监测数据汇集、二三维一体化、跨层级、跨业务的数据底板，实现全要素的数字化映射，并与模型平台、知识平台集成，
实现业务数据标准化，形成具备持续性更新能力的数据支撑体系。
同时，以流域为单元实现数据资源的一体化管理机制与多层次的数据服务体系，保障“四预”业务的高效运转。

3.1.1 数据资源

数据资源主要包括基础数据、监测数据、业务管理数据跨行业共享数据、地理空间数据等内容。

• 基础数据
• 动态监测数据
• 业务管理数据
• 跨行业共享数据
• 地理空间数据

3.1.2 数据模型

数据模型包括水利数据模型和水利网格模型。

• 水利数据模型是面向水利业务应用多目标、多层次复杂需求，构建的完整描述水利对象的空间特征、业务特征、关系特征和时间特征一体化组织的数据模型。
• 水利网格模型是根据行政区划、自然流域、水资源功能区和数值计算等需求构建的网格化管理模型，实现流域防洪水资源管理与调配等水利业务的网格化联动。

3.1.3 数据引擎

数据引擎主要包括数据汇聚、数据治理、数据挖掘、数据服务等内容。

3.2 模型平台

按照“标准化、模块化、云服务”的要求，制定模型平台开发、模型调用、共享和接口等技术标准，保障各类模型的通用化封装及模型接口的标准化，以微服务方式提供统调用服务，供各级单位进行调用。主要包括水利专业模型、智能识别模型、可视化模型和模拟仿真引擎。

3.2.1 水利专业模型（Water conservancy model）

水利专业模型包括机理分析模型、数理统计模型、混合模型等三类。

• 机理分析模型是基于水循环自然规律，用数学语言和方法描述物理流域的要素变化、活动规律和相互关系的数学模型；
• 数理统计模型是基于数理统计方法，从海量数据中发现物理流域要素之间的关系并进行分析预测的数学模型；
• 混合模型是将机理分析与数理统计进行相互嵌入、系统融合的数学模型。

3.2.2 智能识别模型

智能识别模型将人工智能与水利特定业务场景相结合实现对水利对象特征的自动识别，进一步提升水利感知能力。

3.2.3 可视化模型

可视化模型包括自然背景、流场动态、水利工程、水利机电设备等，通过对各类模型进行可视化构建，面向具体的业务应用真实展现物理流域中各种水利业务场景。

• 自然背景包括河流、湖泊、侵蚀沟、地下湖、地下河、植被、建筑、道路等;流场动态包括水流、泥沙运动、潮汐、台风等；
• 水利工程包括水库、水闸、堤防、水电站、泵站、灌区、调水、淤地坝等；
• 水利机电设备包括水泵、启闭机、闸门等。

3.2.4 模拟仿真引擎

模拟仿真引擎以数据底板为基础，以虚拟现实(VR，VirtualReality)、增强现实(AR，Augmented Reality)、混合现实(MR，MixedReality)和全息现实(HR，HolographicReality)为支撑，实现数字李生流域与物理流域同步仿真运行，包括模型管理、场景配置、模拟仿真等功能。

3.3 知识平台

知识平台利用知识图谱和机器学习等技术实现对水利对象关联关系和水利规律等知识的抽取、管理和组合应用，为数字李生流域提供智能内核，支撑正向智能推理和反向溯因分析，主要包括水利知识和水利知识引擎。
其中，水利知识提供描述原理、规律、规则、经验、技能、方法等的信息，水利知识引擎是组织知识、进行推理的技术工具，水利知识经知识引擎组织、推理后形成支撑研判、决策的信息。知识平台应关联到可视化模型和模拟仿真引擎，实现各类知识和推理结果的可视化。

3.3.1 水利知识

水利知识为决策分析提供支撑信息，包括水利对象关联关系、业务规则、历史场景、专家经验和预报调度方案等。

• 水利对象关联关系用于描述物理流域中的江河湖泊、水利工程和水利对象治理管理活动等实体、概念及其关系，是其他水利知识融合的基础，对数据资源进行抽取、对齐、融合等处理，并进行结构化分类和关联，便于水利知识的快速检索和定位。

3.3.2 水利知识引擎

水利知识引擎主要实现水利知识表示、抽取、融合、推理和存储等功能。

• 知识表示利用人机协同的方式构建水利领域基础本体和业务本体，实现陈述性和过程性知识表示；
• 知识抽取采用统计模型和监督学习等方法，结合场景配置需求和数据供给条件，构建实体一关系三元组知识，并抽取各类水利对象实体的属性，对水利领域实体类别及相互关系、领域活动和规律进行全方位描述；
• 知识融合针对多源知识的同一性与异构性，构建实体连接、属性映射、关系映射等融合能力；
• 知识推理通过监督学习、半监督学习、无监督学习和强化学习等算法，构建水利推理性知识；
• 知识存储采用图计算引擎管理和驱动水利知识，实现超大规模数据存储。

4 信息化基础设施

信息化基础设施按照“整合已建、统筹在建、规范新建”原则统筹规划，提升对物理流域状态进行监测和智能感知的能力，加强存储和计算资源的集约化利用，为水利业务应用提供基础支撑环境。

4.1 水利感知网

水利感知网应围绕数字李生流域和“2+N”水利业务应用需求，利用传感、定位、视频、遥感等监测技术，扩大对物理流域的监测范围，补充完善监测要素类型和数据内容。

4.2 水利信息网

水利信息网主要包括水利业务网和水利工控网。

4.2.1 水利业务网

水利业务网包括广域网、城域网、部门网，其中广域网包括骨干网、流域省区网、地区网等。应依托现有水利网络资源，充分利用国家电子政务外网，通过租赁专线、自建光纤、网络VPN、卫星通信等多种方式，扩展网络覆盖范围提高网络带宽，实现各单位之间的全面互联，支持日常通信传输和应急通信服务保障。

4.2.2 水利工控网

水利工控网应与水利业务网物理隔离，宜分为实时控制区和过程监控区。

4.3 水利云

水利云可采用自建云，共享行业云和政务云等方式，主要包括一级水利云、二级水利云及水利工程管理单位计算存储资源。

参考

1、《数字孪生流域建设技术大纲（试行）》-水利部