CN113377966A - 一种基于知识图谱的水利工程调度规程推理方法 - Google Patents

一种基于知识图谱的水利工程调度规程推理方法 Download PDF

Info

Publication number
CN113377966A
CN113377966A CN202110920076.6A CN202110920076A CN113377966A CN 113377966 A CN113377966 A CN 113377966A CN 202110920076 A CN202110920076 A CN 202110920076A CN 113377966 A CN113377966 A CN 113377966A
Authority
CN
China
Prior art keywords
scheduling
condition
map
node
knowledge
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110920076.6A
Other languages
English (en)
Other versions
CN113377966B (zh
Inventor
秦昊
闵要武
邹冰玉
李玉荣
陈瑜彬
许银山
顾丽
杨雁飞
张晶
张潇
张涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bureau of Hydrology Changjiang Water Resources Commission
Original Assignee
Bureau of Hydrology Changjiang Water Resources Commission
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Bureau of Hydrology Changjiang Water Resources Commission filed Critical Bureau of Hydrology Changjiang Water Resources Commission
Priority to CN202110920076.6A priority Critical patent/CN113377966B/zh
Publication of CN113377966A publication Critical patent/CN113377966A/zh
Application granted granted Critical
Publication of CN113377966B publication Critical patent/CN113377966B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Economics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Strategic Management (AREA)
  • Molecular Biology (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Animal Behavior & Ethology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于知识图谱的水利工程调度规程推理方法，包括构建调度规程图谱模型、生成调度规程图谱和调度规程图谱推理三个部分，构建调度规程图谱模型是建立调度规则的存储方式，通过分析各个水利工程的调度规程，总结调度条件的表达方式，构建能够用于自动推理计算的知识图谱；图谱生成是将基于自然语言编写的调度规程文本信息，通过实体关系抽取算法，按照图谱模型，存入知识图谱之中；图谱推理利用图计算理论和有限状态机思想，以当前的流域情势作为输入，通过推理知识图谱实体与关系之间的联系，查找满足调度规程的约束条件，实现调度方案的推荐。

Description

一种基于知识图谱的水利工程调度规程推理方法
技术领域
本发明涉及水利计算技术领域，尤其涉及一种基于知识图谱的水利工程调度规程推理方法。
背景技术
由于水利工程在水旱灾害防御、水环境治理、水量调配、水资源综合利用等领域发挥着重要的作用，为了加强水利工程的管理，各级水行政管理部门相继出台了针对具有调蓄能力的水利工程的运行调度规程，来保障其安全运行。随着近年来以水库为主的大量水利工程投入使用，水工程联合调度成为优化水资源配置的重要手段。以长江流域为例，2021年纳入联合调度的水工程数量已经达到107座，包含控制性水库、蓄滞洪区、重要排涝泵站和引调水工程等。考虑到各个水利工程都有自身的调度方式和调度规程，如何能够在联合调度时，根据当前的流域情势，快速地推理出符合各项调度规程的调度目标和调度边界，将为实现大规模水工程多目标全局优化调度提供有效的支撑。
发明内容
为解决上述技术问题，本发明提供了一种基于知识图谱的水利工程调度规程推理方法，适用于依据实时水雨情现状推荐合适的调度方案。
为实现上述目的，本发明采用了如下技术方案：
本发明提供了一种基于知识图谱的水利工程调度规程推理方法，包括以下步骤：
S1、构建调度规程图谱模型：
通过构建水利知识图谱和调度规程图谱，以满足根据实时水雨情情势进行规则推理需求；
S2、生成调度规程图谱：
对调度规程文本进行智能识别处理，通过实体识别和关系抽取算法，将调度规程存入到所建立的图谱模型当中；
S3、调度规程图谱推理：以图论和有限状态机为基础构造如下推理机
Figure 796085DEST_PATH_IMAGE001
：
Figure 49212DEST_PATH_IMAGE002
其中，Q表示内部状态的有限集合，包括了作为起始状态的调度模式，用于推理的适用方式条件以及作为推理结果的调度方式和调度约束；
∑表示符号的有限集合，即输入集合；
Figure 476782DEST_PATH_IMAGE003
表示状态转移函数，从一个状态转移到另一个状态；
Figure 148066DEST_PATH_IMAGE004
表示初始状态，即调度模式；
Figure 760313DEST_PATH_IMAGE005
表示终止状态计算，即调度方式和调度约束集合；
D表示判别条件集合，即状态转移的判别条件，在知识图谱中用适用方式条件的属性值来表示。
进一步，所述判别条件集合D为所述调度规程图谱中的适用方式条件组成的合集，每一个元素
Figure 376102DEST_PATH_IMAGE006
表示调度规程中第i条判别条件，通过分析不同水工程的调度规程，判别条件d(i)由以下部分组成：
Figure 715685DEST_PATH_IMAGE007
sub：表示适用对象，即判断的主体，通过水利知识图谱的水利设施获取；
type：表示判断类型，包括水位、流量、雨量，在查询当前实况数据时，通过sub获取对象，通过type获取数据类型；
min/max：表示条件的适用范围，根据适用对象和判断类型获取对象当前的值，并与适用范围比较，在范围内则表示满足此判别条件，否则表示判别条件不成立；
fun：表示判别函数，通过把文本描述函数化，用接口的形式调用外部计算函数，来实现文本语义的函数计算；
ret：即判别值，通过判别函数调用外部接口完成计算后，与ret进行比较，相等则表明满足此判别条件。
进一步，将给定的流域现状输入到推理机内，通过计算所述状态转移函数δ，实现从调度模式
Figure 225164DEST_PATH_IMAGE008
到调度方式
Figure 759045DEST_PATH_IMAGE009
的推理；
设路径
Figure 862130DEST_PATH_IMAGE010
，表示中间节点的转移路径，从
Figure 756136DEST_PATH_IMAGE011
节点移动到
Figure 369389DEST_PATH_IMAGE012
节点的状态转移函数定义如下：
Figure 464384DEST_PATH_IMAGE013
其中，end表示此条路径不满足判别条件，结束此条路径的推理；
Figure 179399DEST_PATH_IMAGE014
为
Figure 362250DEST_PATH_IMAGE015
节点所需的输入参数，通过判别条件集合中的对象和类型获取；
Figure 846321DEST_PATH_IMAGE016
为
Figure 954960DEST_PATH_IMAGE017
节点的判别式，只有满足
Figure 767058DEST_PATH_IMAGE017
节点的判别式时，才能够从节点
Figure 268447DEST_PATH_IMAGE018
移动到节点
Figure 623336DEST_PATH_IMAGE019
；
所述判别式的定义如下：
设用于判断节点
Figure 653609DEST_PATH_IMAGE020
的给定流域水雨情现状为
Figure 953003DEST_PATH_IMAGE021
,那么判断输入是否满足当前条件的判别式如下：
Figure 241771DEST_PATH_IMAGE022
其中，
Figure 434855DEST_PATH_IMAGE023
，
Figure 652341DEST_PATH_IMAGE024
为所述判别条件中节点
Figure 439031DEST_PATH_IMAGE025
的条件适用范围，
Figure 16643DEST_PATH_IMAGE026
为所述判别条件中节点
Figure 313501DEST_PATH_IMAGE025
的判别函数；
Figure 216735DEST_PATH_IMAGE027
表示从调度模式
Figure 490722DEST_PATH_IMAGE008
到调度方式
Figure 622757DEST_PATH_IMAGE009
的推理中某一条状态转移路径P中的一个中间判别条件节点序号；n表示从调度模式
Figure 790433DEST_PATH_IMAGE008
到调度方式
Figure 848256DEST_PATH_IMAGE009
的推理中某一条状态转移路径P中的最后一个判别条件节点序号；
Figure 609539DEST_PATH_IMAGE028
为所述判别条件中节点
Figure 794533DEST_PATH_IMAGE029
的判别值。
进一步，通过所述状态转移函数δ，计算每一个节点判别条件，包括如下算法：
（1）、所述推理机从所述调度模式
Figure 567448DEST_PATH_IMAGE030
开始，依次选择与所述调度模式
Figure 422271DEST_PATH_IMAGE030
直接相连的适用条件节点，采用深度优先算法进行遍历；
（2）、对于所述节点
Figure 795484DEST_PATH_IMAGE031
，通过所述调度规程图谱获取所述判别条件d(i+1)，利用适用对象d(i+1,sub)以及判断类型d(i+1,type)从所述水利知识图谱和所述实时水雨情数据库中获取当前的实时状态
Figure 767857DEST_PATH_IMAGE032
；
（3）、通过判别式
Figure 644546DEST_PATH_IMAGE033
，计算当前的实时状态是否满足判别条件，并根据所述状态转移函数δ，判断是否移动到下一个节点
Figure 935850DEST_PATH_IMAGE034
，或者返回上一节点选择另外路径；
（4）、重复所述步骤（2）和所述步骤（3），直到遍历完所有条件节点；
（5）、输出所有满足条件的终止节点集合，即所述调度方式子集
Figure 281512DEST_PATH_IMAGE035
；若所有路径都无法到达终止节点，则表明没有满足当前条件的调度规程；
若节点数量较大，则使用快速推理方式得到调度方案：
（a）、通过图谱查询语句一次性获取整个图谱中所述判别条件集合D；
（b）、依据条件集合检索所有需要的实况数据，之后利用所述判别条件计算判别式，获取所有满足当前实况条件的节点集合ε；
（c）、将满足条件的节点信息加入到查询语句中，再次查询图谱，获取终止节点的集合；
（d）、将达到当前终止节点的路径集合P与满足实况条件的所述节点集合
Figure 542729DEST_PATH_IMAGE036
进行比较；如果
Figure 788771DEST_PATH_IMAGE037
，那么当前的终止节点就是推理出的一个调度方式。
进一步，所述水利知识图谱，用于表征所述调度规程中水利对象的相关知识，通过将各类水利对象，水利对象的属性和水利对象之间的关系利用所述知识图谱进行刻画，为所述调度规程图谱的生成和推理提供水利行业的领域知识；
所述水利知识图谱分为地理概念和水利设施概念，所述地理概念包括自然对象实体和地理属性；所述水利设施概念分为水文监测设施和水工程设施；
所述调度规程图谱，用于将水利工程调度规程中的自然语言转化为计算机能够理解和推理的调度规则，形成以图数据库方式存储的调度规则库。
进一步，通过分析所述调度规程中文体结构和逻辑关系，将所述调度规程图谱模型分为调度规程、调度模式、适用方式条件、调度方式、调度措施和调度结果约束实体；其中，
所述调度规程的实体和所述调度规程的文本对应，是针对某一水库或水库群的一系列调度模式的章程；属性包括名称、文档来源、制定时间以及是否在用；
所述调度模式是所述调度规程的子集，通过调度对象关系与所述水利知识图谱中所述水利设施相关联，指明具体调度目标；属性包括模式名称、来源文档、调度类别和模式类别；
所述适用方式条件为调度方案的判断依据；
所述调度方式是根据一条或多条所述适用方式条件得到的具体调度行为，根据所述调度规程的要求分为调度措施和调度结果约束；
所述调度措施是对所述调度对象的调度要求；
所述调度结果约束是指调度方案的控制目标。
进一步，所述步骤S2中的调度规程图谱生成使用的框架为：使用BERT模型作为预训练模型，引入基于Transformer架构的注意力机制，并添加BiLSTM模型和CRF模型。
进一步，所述调度规程图谱的生成，包括以下步骤：
S21、基于所述使用框架构建一个多标签多分类的任务模型，用于关系抽取；
S22、将关系抽取的结果输入到第二个单标签多分类的任务框架中，进行实体识别；
S23、将所述任务模型和所述任务框架叠加在一起，作为整体的知识抽取模型。
本发明的有益效果为：该水利工程调度规程推理方法包括调度规程图谱模型构建、图谱生成和图谱推理三个部分，构建调度规程图谱模型是建立调度规则的存储方式，通过分析各个水利工程的调度规程，总结调度条件的表达方式，构建能够用于自动推理计算的知识图谱；图谱生成是将基于自然语言编写的调度规程文本信息，通过实体关系抽取算法，按照图谱模型，存入知识图谱之中；图谱推理利用图计算理论和有限状态机思想，以当前的流域情势作为输入，通过推理知识图谱实体与关系之间的联系，查找满足调度规程的约束条件，实现调度方案的推荐。
附图说明
图1 为本发明方法的流程图；
图2为图谱生成模型框架；
图3为图谱推理过程实例的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
一种基于知识图谱的水利工程调度规程推理方法，其流程如图1所示，包括以下步骤：
S1、构建调度规程图谱模型：
通过构建水利知识图谱和调度规程图谱，以满足根据实时水雨情情势进行规则推理需求；
所述水利知识图谱，用于表征所述调度规程中水利对象的相关知识，通过将各类水利对象，水利对象的相关属性和水利对象之间的关系利用所述知识图谱进行刻画，为所述调度规程图谱的生成和推理提供水利行业的领域知识；
所述水利知识图谱分为地理概念和水利设施概念，所述地理概念包括自然对象实体和地理属性；所述水利设施概念分为水文监测设施和水工程设施；
在本发明的具体实施例中，地理概念主要包括了流域、水系、河流、湖泊等自然对象实体以及相关的地理位置、流经地区、面积等地理属性；
在本发明的具体实施例中，水利设施概念，分为水文监测设施和水工程设施，水文监测设施包括水文站、水位站、雨量站、气象站、蒸发站、潮位站等，水工程设施包括水库、蓄滞洪区、涵闸泵站等。水利设施的主要属性包括各站点的基础属性、防洪指标、洪水传播时间等，具体的知识图谱模型见表1
表1 水利知识图谱主要本体模型
Figure 250977DEST_PATH_IMAGE038
本发明的实施例中，图谱模型中每个实体都具有一个同义词属性。用于枚举水利行业中同一个对象的不同表达方式，比如三峡、三峡水库、三峡工程、三峡枢纽等都表示近似的含义。考虑到在构建图谱时需要将同一个概念的知识关联到对应实体下，为了实体识别和关系抽取算法能正确的理解这些词汇的含义，在图谱生成算法处理自然语言时，会将图谱模型的同义词属性作为辅助知识输入，来提高本体识别的准确度。
本发明的实施例中，水利知识图谱的关系主要为地理位置间的拓扑关系，其中地理概念之间是从属关系，如河流与水系的包含关系；水利设施之间是上下游关系，利用上下游关系可以建立完整的站网关系图，用于站点知识的检索和对调度规程中语义的理解；地理概念与水利设施之间是隶属关系，站点隶属于河流，通过多级的图谱查询，可以回溯站点的水系和流域。
所述调度规程图谱，用于将水利工程调度规程中的自然语言转化为计算机能够理解和推理的调度规则，形成以图数据库方式存储的调度规则库。
通过分析所述调度规程中的文体结构和逻辑关系，将所述调度规程图谱本体分为调度规程、调度模式、适用方式条件、调度方式、调度措施和调度结果约束的实体；其中，
所述调度规程的实体和所述调度规程的文本对应，是针对某一水库或水库群的一系列调度模式的章程；属性包括名称、文档来源、制定时间以及是否在用；
所述调度模式是所述调度规程的子集，通过调度对象关系与所述水利知识图谱中的所述水利设施相关联，指明具体的调度目标；属性包括模式名称、来源文档、调度类别和模式类别；
所述适用方式条件为调度方案的判断依据；
所述调度方式是根据一条或多条所述适用方式条件得到的具体调度行为，根据所述调度规程的要求分为调度措施和调度结果约束；
所述调度措施是对所述调度对象的调度要求；
所述调度结果约束是指调度方案的控制目标。
本发明的具体实施例中，调度规程图谱的本体模型如表2所示，
表2 调度规程图谱主要本体模型
Figure 802044DEST_PATH_IMAGE039
Figure 617684DEST_PATH_IMAGE040
水利知识图谱与调度规程图谱之间通过关联关系互相连接，形成完整的调度方案推理图谱，整体的图谱结构。
S2、生成调度规程图谱：
对调度规程文本进行智能识别处理，通过实体识别和关系抽取算法，将调度规程存入到所建立的图谱模型当中；
所述步骤S2中的调度规程图谱生成使用的框架为：使用BERT（基于转换器的双向编码表征）模型作为预训练模型，引入基于Transformer（转换器）架构的注意力机制，并添加了BiLSTM（双向长短期记忆神经网络）模型和CRF（条件随机场）模型。
具体的，由于BERT模型的输入输出都是单字，这里在BERT模型的输出结果上，添加BiLSTM和CRF两个模型层作为分类器使用。
具体的，BiLSTM是一种双向的LSTM（长短期记忆神经网络）模型，传统的循环神经网络（RNN）只能依据之前时刻的时序信息来预测下一时刻的输出。但是在关系抽取中，输出的结果不仅和之前的状态有关，还可能和未来的状态有关系。为此采用两个叠加的LSTM来获取上下文状态。CRF是条件随机场模型，一种全局范围内统计归一化的条件状态转移概率矩阵，用训练集中学习到的条件约束减小错误的实体分类。从而得到了一个BERT+BiLSTM+CRF的三层模型结构，具体架构请参阅图2。
所述调度规程图谱的生成，包括以下步骤：
S21、基于所述使用框架构建一个多标签多分类的任务模型，用于关系抽取；
S22、将关系抽取的结果输入到第二个单标签多分类的任务框架中，进行实体识别；
S23、将所述任务模型和所述任务框架叠加在一起，作为整体的知识抽取模型。
S3、调度规程图谱推理：以图论和有限状态机为基础构造如下推理机
Figure 468965DEST_PATH_IMAGE041
：
Figure 944815DEST_PATH_IMAGE042
其中，Q表示内部状态的有限集合，包括了作为起始状态的调度模式，用于推理的适用方式条件以及作为推理结果的调度方式和调度约束；
∑表示符号的有限集合，即输入集合；
Figure 779916DEST_PATH_IMAGE043
表示状态转移函数，从一个状态转移到另一个状态；
Figure 523881DEST_PATH_IMAGE044
表示初始状态，即调度模式；
Figure 980401DEST_PATH_IMAGE045
表示终止状态计算，即调度方式和调度约束集合；
D表示判别条件集合，即状态转移的判别条件，在知识图谱中用适用方式条件的属性值来表示。
所述判别条件集合D为所述调度规程图谱中的适用方式条件组成的合集，每一个元素
Figure 643464DEST_PATH_IMAGE046
表示调度规程中第i条判别条件，通过分析不同水工程的调度规程，判别条件d(i)由以下部分组成：
Figure 683970DEST_PATH_IMAGE047
sub：表示适用对象，即判断的主体，通过水利知识图谱的水利设施获取；
type：表示判断类型，包括水位、流量、雨量，在查询当前实况数据时，通过sub获取对象，通过type获取数据类型；
min/max：表示条件的适用范围，根据适用对象和判断类型获取对象当前的值，并与适用范围比较，在范围内则表示满足此判别条件，否则表示判别条件不成立；
fun：表示判别函数，通过把文本描述函数化，用接口的形式调用外部计算函数，来实现文本语义的函数计算；
具体的，比如“若洞庭湖预报短时期内不会发生大洪水”，无法用适用范围简单的形式化，为了能在推理过程中自动处理这类模糊表达，定义了判别函数。
ret：即判别值，通过判别函数调用外部接口完成计算后，与ret进行比较，相等则表明满足此判别条件。
通过引入判别函数和判别值，给推理判断带来了较强的灵活性，为实现各类复杂语义的自然语言条件判断打下了基础。
在图谱生成时，结合水利图谱和调度文本实现判别条件的构建，最终可以形成一个类似矩阵的判别条件集合，之后利用状态转移函数，通过节点的转移，完成图谱的推理过程；
本发明实施例中，一个判断条件集合的样例如下表3：
表3判断条件集合样例
Figure 90680DEST_PATH_IMAGE048
由此，通过判别条件集合，可以判断当前的实况输入是否满足规程图谱中的条件。设用于判断节点
Figure 401707DEST_PATH_IMAGE049
的输入参数为
Figure 235671DEST_PATH_IMAGE050
，那么判断输入是否满足当前条件的判别式如下：
Figure 655151DEST_PATH_IMAGE022
其中，d(i,min)，d(i,max)为所述判别条件中节点i的条件适用范围，
Figure 114820DEST_PATH_IMAGE026
为所述判别条件中节点i的判别函数。
即在调度规程中，如果该条判断语句可用条件适用范围来表达，且输入参数在范围内，则当前的判断条件成立；或者判断语句通过判别函数来表达，且传入参数后计算结果与判别值相等，则当前的判断条件成立；若出现其他情况，则判断条件不成立。
将给定的流域现状输入到推理机内，通过计算所述状态转移函数δ，实现从调度模式
Figure 795200DEST_PATH_IMAGE051
到调度方式
Figure 941011DEST_PATH_IMAGE052
的推理；
设路径
Figure 457574DEST_PATH_IMAGE010
，表示中间节点的转移路径，从
Figure 471666DEST_PATH_IMAGE053
节点移动到
Figure 459083DEST_PATH_IMAGE054
节点的状态转移函数定义如下：
Figure 900428DEST_PATH_IMAGE055
其中，end表示此条路径不满足判别条件，结束此条路径的推理；
Figure 904287DEST_PATH_IMAGE056
为
Figure 597437DEST_PATH_IMAGE057
节点所需的输入参数，通过判别条件集合中的对象和类型获取；
Figure 252409DEST_PATH_IMAGE058
为
Figure 113924DEST_PATH_IMAGE059
节点的判别式，只有满足
Figure 588767DEST_PATH_IMAGE059
节点的判别式时，才能够从节点
Figure 820029DEST_PATH_IMAGE060
移动到节点
Figure 80240DEST_PATH_IMAGE061
；
Figure 597809DEST_PATH_IMAGE027
表示从调度模式
Figure 74795DEST_PATH_IMAGE008
到调度方式
Figure 109747DEST_PATH_IMAGE009
的推理中某一条状态转移路径P中的一个中间判别条件节点序号；n表示从调度模式
Figure 473733DEST_PATH_IMAGE008
到调度方式
Figure 178515DEST_PATH_IMAGE009
的推理中某一条状态转移路径P中的最后一个判别条件节点序号；
Figure 627950DEST_PATH_IMAGE028
为所述判别条件中节点
Figure 466594DEST_PATH_IMAGE029
的判别值。
通过所述状态转移函数δ，计算每一个节点判别条件，包括如下算法：
（1）、所述推理机从所述调度模式
Figure 223370DEST_PATH_IMAGE030
开始，依次选择与所述调度模式
Figure 348320DEST_PATH_IMAGE030
直接相连的适用条件节点，采用深度优先算法进行遍历；
（2）、对于所述节点
Figure 160419DEST_PATH_IMAGE031
，通过所述调度规程图谱获取所述判别条件d(i+1)，利用适用对象d(i+1,sub)以及判断类型d(i+1,type)从所述水利知识图谱和所述实时水雨情数据库中获取当前的实时状态
Figure 412539DEST_PATH_IMAGE062
；
（3）、通过判别式
Figure 485538DEST_PATH_IMAGE033
，计算当前的实时状态是否满足判别条件，并根据所述状态转移函数δ，判断是否移动到下一个节点
Figure 922335DEST_PATH_IMAGE034
，或者返回上一节点选择另外的路径；
（4）、重复所述步骤（2）和所述步骤（3），直到遍历完所有的条件节点；
（5）、输出所有满足条件的终止节点集合，即所述调度方式子集
Figure 595631DEST_PATH_IMAGE035
；若所有路径都无法到达终止节点，则表明没有满足当前条件的调度规程；
若节点数量较大，则使用快速推理方式得到调度方案：
（a）、通过图谱查询语句一次性获取整个图谱中的所述判别条件集合D；
（b）、依据条件集合检索所有需要的实况数据，之后利用所述判别条件计算判别式，获取所有满足当前实况条件的节点集合
Figure 635131DEST_PATH_IMAGE063
；
（c）、将满足条件的节点信息加入到查询语句中，再次查询图谱，获取终止节点的集合；此次查询会返回所有路径上包含满足条件的所述终止节点，需从中进行筛选；
（d）、将达到当前终止节点的路径集合P与满足实况条件的所述节点集合
Figure 578947DEST_PATH_IMAGE063
进行比较；如果
Figure 45701DEST_PATH_IMAGE037
，那么当前的终止节点就是推理出的一个调度方式。
本发明实施例中，参阅图3，通过所述状态转移函数δ，计算每一个节点判别条件的具体方法为：
通过图谱查询语句获取的原始调度图谱，其中1是起点，2～6是适用条件，7～9是终止条件；
获取适用条件的判别条件集合，查询实况数据，通过判别式的计算，得到满足判别条件的节点集合
Figure 832391DEST_PATH_IMAGE063
={1,2,5,6}；
将节点集合
Figure 924850DEST_PATH_IMAGE063
作为查询语句的条件再次查询图谱，得到终止节点7，8，9及其路径：P(7)={1，2，4}, P(8)={1，2，5}, P(7)={1，3，6},在与
Figure 238020DEST_PATH_IMAGE063
进行比较后，只有
Figure 16620DEST_PATH_IMAGE064
，即最后的推理结果为调度方案8。
以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种基于知识图谱的水利工程调度规程推理方法，其特征在于，包括以下步骤：
S1、构建调度规程图谱模型：
通过构建水利知识图谱和调度规程图谱，以满足根据实时水雨情情势进行规则推理需求；
S2、生成调度规程图谱：
对调度规程文本进行智能识别处理，通过实体识别和关系抽取算法，将调度规程存入到所建立的图谱模型当中；
S3、调度规程图谱推理：以图论和有限状态机为基础构造如下推理机
Figure 812451DEST_PATH_IMAGE001
：
Figure 464012DEST_PATH_IMAGE002
其中，Q表示内部状态的有限集合，包括了作为起始状态的调度模式，用于推理的适用方式条件以及作为推理结果的调度方式和调度约束；
∑表示符号的有限集合，即输入集合；
Figure 181432DEST_PATH_IMAGE003
表示状态转移函数，从一个状态转移到另一个状态；
Figure 498013DEST_PATH_IMAGE004
表示初始状态，即调度模式；
Figure 250068DEST_PATH_IMAGE005
表示终止状态计算，即调度方式和调度约束集合；
D表示判别条件集合，即状态转移的判别条件，在知识图谱中用适用方式条件的属性值来表示。
2.根据权利要求1所述的一种基于知识图谱的水利工程调度规程推理方法，其特征在于：
所述判别条件集合D为所述调度规程图谱中的适用方式条件组成的合集，每一个元素
Figure 262411DEST_PATH_IMAGE006
表示调度规程中第i条判别条件，通过分析不同水工程的调度规程，判别条件d(i)由以下部分组成：
Figure 263865DEST_PATH_IMAGE007
sub：表示适用对象，即判断的主体，通过水利知识图谱的水利设施获取；
type：表示判断类型，包括水位、流量、雨量，在查询当前实况数据时，通过sub获取对象，通过type获取数据类型；
min/max：表示条件的适用范围，根据适用对象和判断类型获取对象当前的值，并与适用范围比较，在范围内则表示满足此判别条件，否则表示判别条件不成立；
fun：表示判别函数，通过把文本描述函数化，用接口的形式调用外部计算函数，来实现文本语义的函数计算；
ret：即判别值，通过判别函数调用外部接口完成计算后，与ret进行比较，相等则表明满足此判别条件。
3.根据权利要求1所述的一种基于知识图谱的水利工程调度规程推理方法，其特征在于：将给定的流域现状输入到推理机内，通过计算所述状态转移函数
Figure 649716DEST_PATH_IMAGE008
，实现从调度模式
Figure 256278DEST_PATH_IMAGE009
到调度方式
Figure 171013DEST_PATH_IMAGE010
的推理；
设路径
Figure 863025DEST_PATH_IMAGE011
，表示中间节点的转移路径，从
Figure 786988DEST_PATH_IMAGE012
节点移动到
Figure 44794DEST_PATH_IMAGE013
节点的状态转移函数定义如下：
Figure 146742DEST_PATH_IMAGE014
其中，end表示此条路径不满足判别条件，结束此条路径的推理；
Figure 572389DEST_PATH_IMAGE015
为
Figure 785195DEST_PATH_IMAGE016
节点所需的输入参数，通过判别条件集合中的对象和类型获取；
Figure 412355DEST_PATH_IMAGE017
为
Figure 419625DEST_PATH_IMAGE018
节点的判别式，只有满足
Figure 882967DEST_PATH_IMAGE018
节点的判别式时，才能够从节点
Figure 148732DEST_PATH_IMAGE019
移动到节点
Figure 584393DEST_PATH_IMAGE020
；
所述判别式的定义如下：
设用于判断节点
Figure 542991DEST_PATH_IMAGE021
的给定流域水雨情现状为
Figure 165733DEST_PATH_IMAGE022
,那么判断输入是否满足当前条件的判别式如下：
Figure 238119DEST_PATH_IMAGE023
其中，
Figure 793865DEST_PATH_IMAGE024
，
Figure 657785DEST_PATH_IMAGE025
为所述判别条件中节点
Figure 830140DEST_PATH_IMAGE026
的条件适用范围，
Figure 437708DEST_PATH_IMAGE027
为所述判别条件中节点
Figure 582381DEST_PATH_IMAGE026
的判别函数；
Figure 430251DEST_PATH_IMAGE028
表示从调度模式
Figure 276854DEST_PATH_IMAGE009
到调度方式
Figure 235582DEST_PATH_IMAGE029
的推理中某一条状态转移路径P中的一个中间判别条件节点序号；n表示从调度模式
Figure 215521DEST_PATH_IMAGE009
到调度方式
Figure 234293DEST_PATH_IMAGE029
的推理中某一条状态转移路径P中的最后一个判别条件节点序号；
Figure 318923DEST_PATH_IMAGE030
为所述判别条件中节点
Figure 330611DEST_PATH_IMAGE026
的判别值。
4.根据权利要求3所述的一种基于知识图谱的水利工程调度规程推理方法，其特征在于：通过所述状态转移函数
Figure 184297DEST_PATH_IMAGE031
，计算每一个节点判别条件，包括如下算法：
（1）、所述推理机从所述调度模式
Figure 108391DEST_PATH_IMAGE032
开始，依次选择与所述调度模式
Figure 929585DEST_PATH_IMAGE032
直接相连的适用条件节点，采用深度优先算法进行遍历；
（2）、对于所述节点
Figure 230116DEST_PATH_IMAGE033
，通过所述调度规程图谱获取所述判别条件d(i+1)，利用适用对象d(i+1,sub)以及判断类型d(i+1,type)从所述水利知识图谱和所述实时水雨情数据库中获取当前的实时状态
Figure 453156DEST_PATH_IMAGE034
；
（3）、通过判别式
Figure 548151DEST_PATH_IMAGE035
，计算当前的实时状态是否满足判别条件，并根据所述状态转移函数
Figure 328413DEST_PATH_IMAGE031
，判断是否移动到下一个节点
Figure 432635DEST_PATH_IMAGE036
，或者返回上一节点选择另外路径；
（4）、重复所述步骤（2）和所述步骤（3），直到遍历完所有条件节点；
（5）、输出所有满足条件的终止节点集合，即所述调度方式子集
Figure 995335DEST_PATH_IMAGE037
；若所有路径都无法到达终止节点，则表明没有满足当前条件的调度规程；
若节点数量较大，则使用快速推理方式得到调度方案：
（a）、通过图谱查询语句一次性获取整个图谱中所述判别条件集合D；
（b）、依据条件集合检索所有需要的实况数据，之后利用所述判别条件计算判别式，获取所有满足当前实况条件的节点集合ε；
（c）、将满足条件的节点信息加入到查询语句中，再次查询图谱，获取终止节点的集合；
（d）、将达到当前终止节点的路径集合P与满足实况条件的所述节点集合
Figure 713761DEST_PATH_IMAGE038
进行比较；如果
Figure 509547DEST_PATH_IMAGE039
，那么当前的终止节点就是推理出的一个调度方式。
5.根据权利要求1所述的一种基于知识图谱的水利工程调度规程推理方法，其特征在于：所述水利知识图谱，用于表征所述调度规程中水利对象的相关知识，通过将各类水利对象，水利对象的属性和水利对象之间的关系利用所述知识图谱进行刻画，为所述调度规程图谱的生成和推理提供水利行业的领域知识；
所述水利知识图谱分为地理概念和水利设施概念，所述地理概念包括自然对象实体和地理属性；所述水利设施概念分为水文监测设施和水工程设施；
所述调度规程图谱，用于将水利工程调度规程中的自然语言转化为计算机能够理解和推理的调度规则，形成以图数据库方式存储的调度规则库。
6.根据权利要求5所述的一种基于知识图谱的水利工程调度规程推理方法，其特征在于：通过分析所述调度规程中文体结构和逻辑关系，将所述调度规程图谱模型分为调度规程、调度模式、适用方式条件、调度方式、调度措施和调度结果约束实体；其中，
所述调度规程的实体和所述调度规程的文本对应，是针对某一水库或水库群的一系列调度模式的章程；属性包括名称、文档来源、制定时间以及是否在用；
所述调度模式是所述调度规程的子集，通过调度对象关系与所述水利知识图谱中所述水利设施相关联，指明具体调度目标；属性包括模式名称、来源文档、调度类别和模式类别；
所述适用方式条件为调度方案的判断依据；
所述调度方式是根据一条或多条所述适用方式条件得到的具体调度行为，根据所述调度规程要求分为调度措施和调度结果约束；
所述调度措施是对所述调度对象的调度要求；
所述调度结果约束是指调度方案的控制目标。
7.根据权利要求1所述的一种基于知识图谱的水利工程调度规程推理方法，其特征在于，所述步骤S2中的调度规程图谱生成使用的框架为：使用BERT模型作为预训练模型，引入基于Transformer架构的注意力机制，并添加BiLSTM模型和CRF模型。
8.根据权利要求7所述的一种基于知识图谱的水利工程调度规程推理方法，其特征在于，所述调度规程图谱的生成，包括以下步骤：
S21、基于所述使用框架构建一个多标签多分类的任务模型，用于关系抽取；
S22、将关系抽取的结果输入到第二个单标签多分类的任务框架中，进行实体识别；
S23、将所述任务模型和所述任务框架叠加在一起，作为整体的知识抽取模型。
CN202110920076.6A 2021-08-11 2021-08-11 一种基于知识图谱的水利工程调度规程推理方法 Active CN113377966B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110920076.6A CN113377966B (zh) 2021-08-11 2021-08-11 一种基于知识图谱的水利工程调度规程推理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110920076.6A CN113377966B (zh) 2021-08-11 2021-08-11 一种基于知识图谱的水利工程调度规程推理方法

Publications (2)

Publication Number Publication Date
CN113377966A true CN113377966A (zh) 2021-09-10
CN113377966B CN113377966B (zh) 2021-11-19

Family

ID=77576775

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110920076.6A Active CN113377966B (zh) 2021-08-11 2021-08-11 一种基于知识图谱的水利工程调度规程推理方法

Country Status (1)

Country Link
CN (1) CN113377966B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114357895A (zh) * 2022-03-18 2022-04-15 长江水利委员会水文局 一种基于状态机的江湖分蓄洪区容积自适应洪水模拟方法
CN114780742A (zh) * 2022-04-19 2022-07-22 中国水利水电科学研究院 一种灌区流量调度知识图谱问答系统构建与使用方法
CN116702902A (zh) * 2023-04-14 2023-09-05 长江水利委员会水文局 一种水文数据图谱推理与知识库构建方法
CN117726043A (zh) * 2024-02-05 2024-03-19 中科信德建设有限公司 一种水库水情自动测报及预报方法
CN118446835A (zh) * 2024-04-02 2024-08-06 中国长江电力股份有限公司 一种梯级电站智能化运行方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108510110A (zh) * 2018-03-13 2018-09-07 浙江禹控科技有限公司 一种基于知识图谱的水位趋势分析方法
EP3407151A1 (en) * 2017-05-24 2018-11-28 Tata Consultancy Services Limited Systems and methods for cognitive control of data acquisition for efficient fault diagnosis
CN109299283A (zh) * 2018-08-29 2019-02-01 阿里巴巴集团控股有限公司 一种基于知识图谱的数据推理方法、装置、服务器和介质
CN111368095A (zh) * 2020-02-28 2020-07-03 河海大学 基于水利知识-事理耦合网络的决策支持系统架构与方法
CN112765300A (zh) * 2021-01-26 2021-05-07 河海大学 基于ArcGIS空间数据的水利对象关系图谱构建方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3407151A1 (en) * 2017-05-24 2018-11-28 Tata Consultancy Services Limited Systems and methods for cognitive control of data acquisition for efficient fault diagnosis
CN108510110A (zh) * 2018-03-13 2018-09-07 浙江禹控科技有限公司 一种基于知识图谱的水位趋势分析方法
CN109299283A (zh) * 2018-08-29 2019-02-01 阿里巴巴集团控股有限公司 一种基于知识图谱的数据推理方法、装置、服务器和介质
CN111368095A (zh) * 2020-02-28 2020-07-03 河海大学 基于水利知识-事理耦合网络的决策支持系统架构与方法
CN112765300A (zh) * 2021-01-26 2021-05-07 河海大学 基于ArcGIS空间数据的水利对象关系图谱构建方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
RUNLIANG XIA等: "Application of Water Conservancy Project Precise Management System in Reservoir", 《ICITEE2020：PROCEEDINGS OF THE 3RD INTERNATIONAL CONFERENCE ON INFORMATION TECHNOLOGIES AND ELECTRICAL ENGINEERING》 *
欧阳光耀等: "《柴油机高压共轨喷射技术》", 30 November 2012 *
葛召华等: "基于知识图谱的水利数据垂直搜索应用", 《山东水利》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114357895A (zh) * 2022-03-18 2022-04-15 长江水利委员会水文局 一种基于状态机的江湖分蓄洪区容积自适应洪水模拟方法
CN114780742A (zh) * 2022-04-19 2022-07-22 中国水利水电科学研究院 一种灌区流量调度知识图谱问答系统构建与使用方法
CN116702902A (zh) * 2023-04-14 2023-09-05 长江水利委员会水文局 一种水文数据图谱推理与知识库构建方法
CN116702902B (zh) * 2023-04-14 2024-06-25 长江水利委员会水文局 一种水文数据图谱推理与知识库构建方法
CN117726043A (zh) * 2024-02-05 2024-03-19 中科信德建设有限公司 一种水库水情自动测报及预报方法
CN117726043B (zh) * 2024-02-05 2024-05-03 中水君信工程勘察设计有限公司 一种水库水情自动测报及预报方法
CN118446835A (zh) * 2024-04-02 2024-08-06 中国长江电力股份有限公司 一种梯级电站智能化运行方法及系统

Also Published As

Publication number Publication date
CN113377966B (zh) 2021-11-19

Similar Documents

Publication Publication Date Title
CN113377966B (zh) 一种基于知识图谱的水利工程调度规程推理方法
CN113988359B (zh) 基于非对称Laplace分布的风功率预测方法和系统
Simonovic et al. A new modeling approach for water resources policy analysis
CN115688579B (zh) 一种基于生成对抗网络的流域多点水位预测预警方法
McManamay Quantifying and generalizing hydrologic responses to dam regulation using a statistical modeling approach
CN112765300B (zh) 基于ArcGIS空间数据的水利对象关系图谱构建方法
CN107705556A (zh) 一种基于支持向量机和bp神经网络结合的交通流预测方法
CN113780002A (zh) 基于图表示学习和深度强化学习的知识推理方法及装置
CN117236199B (zh) 城市水网区域河湖水质提升与水安全保障方法及系统
Tao et al. Site selection for underground pumped storage plant using abandoned coal mine through a hybrid multi-criteria decision-making framework under the fuzzy environment: A case in China
Samantaray et al. Modelling response of infiltration loss toward water table depth using RBFN, RNN, ANFIS techniques
Wang et al. An approach of recursive timing deep belief network for algal bloom forecasting
Chen et al. Ultra-short-term wind power prediction based on bidirectional gated recurrent unit and transfer learning
Mohammad Ashrafi Two-stage metaheuristic mixed integer nonlinear programming approach to extract optimum hedging rules for multireservoir systems
Luo et al. Research on stage-divided water level prediction technology of rivers-connected lake based on machine learning: a case study of Hongze Lake, China
Gao et al. A multifactorial framework for short-term load forecasting system as well as the jinan’s case study
CN118095752A (zh) 一种基于数字孪生的水库调度管理系统
Xia et al. Developing socio-hydrology: Research progress, opportunities and challenges
Wang et al. Graph neural network method for the intelligent selection of river system
CN117010373A (zh) 一种电力设备资产管理数据所属类别和组的推荐方法
Sun et al. Comparison of a fuzzy control and the data-driven model for flood forecasting
CN115358439A (zh) 一种基于领域知识图谱的水库防洪调度优化模型推荐方法
Gao et al. Assessment of water resources carrying capacity using chaotic particle swarm genetic algorithm
Daming et al. Evaluation method of sponge city potential based on neural network and fuzzy mathematical evaluation
Chen et al. Regional-scale water-energy nexus management by a mixed Possibilistic-Flexible robust nonlinear programming model

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant