基于大语言模型和知识图谱的数字孪生流域知识平台设计

设计了一款基于生成式预训练大语言模型的数字孪生永定河流域知识平台,该平台基于海量的业务数据、图书文献、期刊论文和行业资料,构建数字孪生永定河知识库。以知识库为基础,训练大语言模型,创建水利对象、预报方案、调度预案、历史场景等知识图谱。基于大语言模型、知识图谱和向量数据库,实现知识检索和智能问答,并开发水利对象关联查询、业务规则匹配、历史场景复演、实时调度方案编制等水利业务智能应用。     

面向数字孪生工程的水利知识图谱构建及应用

构建水利领域的知识图谱可为数字孪生水利工程建设提供结构化的知识支持。基于黄河小浪底、万家寨水利枢纽预报调度、工程安全、业务规则数据,使用实体识别和关系抽取模型构建面向数字孪生工程的水利知识图谱(KG4DT),并对图谱进行可视化展示。以水利枢纽为核心确定实体分类体系及关系分类体系,构建KG4DT的模式层。使用二次开发的标注平台对非结构化文本进行半自动标注和人工校对,构建KG4DT的数据层。以黄河小浪底和万家寨水利枢纽防洪、减淤、供水、发电业务为主线,结合AC自动机等技术设计知识检索、预案自动生成应用,可为工程运行提供智能决策支撑。     

水利综合知识图谱构建研究

基于对水利知识特点的分析,提出了水利综合知识体系的描述方法,包括水利知识的定义、组成与关联;构建了水利知识图谱的构建框架和关键技术体系,以水利行业结构化业务数据的实体关系转换为基础,采用双向长短期记忆神经网络(Bi-directional Long Shot-Term Memory Neural Network,BiLSTM)与条件随机场(Conditional Random Fields,CRF)方法识别半结构化、非结构化学科知识文本以及互联网数据中的水利实体,使用模式匹配和共现网络分析方法抽取各实体间关系,对涉水对象及其属性进行补充,基于风险最小化的最小风险映射模型(Risk Minimization based Ontology Mapping,RiMOM)进行了多源异构水利实体的融合,实现了涉水对象与水利学科知识的融合与关联,形成水利综合知识的建模和表达。在图谱构建过程中,累计抽取水利实体136万个,构建实体关系300余万条,抽取的水利实体对象的标注准确率在80%以上。基于该图谱可实现水利知识的跨域查询与检索,学科图谱与水网图谱间关系查询,挖掘不同水利实体间的隐含关系,提高水利...     

基于知识图谱的水利数据垂直搜索应用

在已建水利数据中心基础上,通过构建水利知识图谱,应用主题爬虫、倒排索引和中文分词等垂直搜索核心技术,建立山东水利数据垂直搜索模型,对水利结构化数据、网页分析提取数据、非结构化文献影像图像数据等进行分析和整理,确定数据之间关联关系,建立索引,实现水利信息资源的精准检索。     

基于知识图谱的防汛机器人系统设计与实践

水利信息化经过多年发展和数据积累，形成了巨量水利基础数据。随着物联网、云平台及人工智能的逐步成熟，水利感知实时数据的获取、传输及智能分析也得到全面应用，为了充分利用现有基础数据和实时感知数据，实现数据的智能化分析、精准化决策，并指导实践应用，以水利防汛抗旱指挥业务为例，将物联感知、语音引擎识别、知识图谱等技术进行基于业务的软硬件深度融合，结合实体机器人的移动性、自主性、智能化优势，提出了一种数据智能化应用方法。该设计实现了水利防汛业务数据的整合集成及智能分析，通过机器人的多媒体集成特性，实现防汛业务知识的智能问答，快速响应业务人员指令，辅助业务人员值班值守、快速决策等工作。该系统设计方法可供水利防汛业务部门参考。     

知识驱动的南水北调工程巡检信息推荐方法

基于南水北调工程巡检专报结合专家经验构建巡检知识图谱概念模型,在此基础上利用实体关系联合抽取框架进行巡检知识抽取,并以Neo4j图数据库为载体进行巡检知识图谱可视化。基于巡检知识图谱进行南水北调工程巡检信息推荐,利用BERT(Bi-directional encoder representation from transformers)预训练模型设计BERT孪生网络,通过知识检索及字符串相似度计算等技术,实现关联工程风险信息推荐,以辅助巡检人员进行工程风险等级诊断。通过实验评估了知识抽取及字符串相似度计算模型的准确性,知识抽取F1值达到88.42%,字符串相似度计算F1值为86.00%。该方法可提高南水北调工程风险管理能力、推动工程运维的数字化发展。     

面向数字孪生流域的知识平台构建关键技术

数字孪生流域中的知识平台需要支撑物理流域全映射与孪生流域可互动等应用要求。针对知识平台中的水利知识图谱、历史场景模式、业务规则、专家经验等建设内容,提出了一种基于知识图谱的数字孪生流域知识体系架构。在该架构中,利用图模型描述业务场景中实体概念间的关联关系,以事件为视角描述事件演化背后的机理与模式,以业务为导向形成业务-事件-要素间的关联网络,最终构建形成全景式耦合网络。基于全景式耦合网络,进一步建立了物理空间与数字空间、业务层与支撑层互动关联的闭环式应用架构。将此架构应用至数字孪生流域平台中,以事件为驱动,通过数据反馈形成决策闭环,从而达到支撑水利业务智能管理与决策的目的。     

水文模型知识学习的命名实体识别方法研究

为研究水利领域知识图谱构建中基于文本的知识自动抽取方法，本文以水文模型的名称、模拟要素、应用流域、计算时段、精度、继承-发展关系、研发人、研发单位等知识抽取为例，以883篇水文模型领域中文期刊论文为数据源，构建了BERT-Base-Chinese模型、LAC(Lexical Analysis of Chinese)工具、模式识别联合的多策略水文模型命名实体识别方法。本文采用五位序列标注法(BMOES)方法对期刊论文进行人工标注等处理，建立知识抽取的输入数据集，用于BERT模型训练以及多策略识别方法的性能评价。识别结果显示：多策略识别方法对8种水文模型领域命名实体识别结果精确率和召回率的调和平均数(F1值)均达到90%以上;针对不同实体类别，采取不同的命名实体识别方法较单BERT模型识别方法能有效提高识别性能。本文提出的方法可为水利领域其他场景的知识抽取提供参考，为领域知识图谱构建提供支撑。     

基于知识图谱的泵站运行方案智能推荐与优化

针对泵站运行方案制定智能化水平低、运行过程中受环境变化影响难以在计划时间内完成提水量的问题,提出一种基于知识图谱的泵站运行方案智能推荐与优化方法。基于2013—2022年南水北调东线邓楼泵站历史运行数据构建知识图谱,结合数值相似度匹配方法为泵站运行推荐可靠的方案。通过分析泵站运行过程中的性能数据,确定泵站机组运行的性能曲线,结合实时监测的流量和净扬程数据对泵站运行方案动态调控。应用情况表明,推荐的所有运行方案的效率均在67.00%以上,能够满足泵站的运行要求,并且实现了泵站运行过程的动态优化。     

融合群体智能策略的AI链在大坝防汛抢险知识推理中的应用

防汛抢险知识(实体、关系)是防汛抢险业务知识图谱的重要组成部分。防汛实体间关系错综复杂分布在无结构文本中,而可利用文本数量过少和文本质量偏低为该领域知识抽取工作带来了挑战。为此本文提出使用大型语言模型LLM(Large Language Model)进行大坝防汛抢险知识推理的思路。基于LLM设计防汛实体抽取器、防汛实体知识解析器以及防汛实体间关系决策器三个子模块,设计一系列有效任务提示,并将其链接形成人工智能AI (Artificial Intelligence) 链。通过AI链中提示与LLM实时交互逐步完成防汛知识推理任务。同时设计群体智能策略提高防汛实体间关系推理的可靠性。将本文提出的知识推理方法与现有方法进行对比,实验结果表明本文设计的AI链可有效提升LLM进行实体间关系推理的准确率,验证了AI链和群体智能策略的有效性。这一知识推理新范式可为提高水利防汛知识可访问性提供新的解决思路。