一种基于知识图谱的水利工程调度规程推理方法与流程

1.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：

2.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。


技术实现要素：

3.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。
4.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：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；表示状态转移函数，从一个状态转移到另一个状态；表示初始状态，即调度模式；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。
5.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：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。
6.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，实现从调度模式到调度方式的推理；设路径，表示中间节点的转移路径，从节点移动到节点的状态转移函数定义如下：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；为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；为节点的判别式，只有满足节点的判别式时，才能够从节点移动到节点；所述判别式的定义如下：设用于判断节点的给定流域水雨情现状为,那么判断输入是否满足当前条件的判别式如下：其中，，为所述判别条件中节点的条件适用范围，
为所述判别条件中节点的判别函数；表示从调度模式到调度方式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表示从调度模式到调度方式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；为所述判别条件中节点的判别值。
7.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开始，依次选择与所述调度模式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，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；（3）、通过判别式，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，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；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进行比较；如果，那么当前的终止节点就是推理出的一个调度方式。
8.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。
9.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。
10.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。
11.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。
12.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
13.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
14.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。
15.一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。
16.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。
17.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。
18.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。
19.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
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。
20.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。
21.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。
22.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。
23.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。
24.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：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；表示状态转移函数，从一个状态转移到另一个状态；表示初始状态，即调度模式；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。
25.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：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。
26.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。
27.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。
28.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
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。设用于判断节点的输入参数为，那么判断输入是否满足当前条件的判别式如下：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，为所述判别条件中节点i的判别函数。
29.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。
30.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，实现从调度模式到调度方式的推理；设路径，表示中间节点的转移路径，从节点移动到节点的状态转移函数定义如下：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；为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；为节点的判别式，只有满足节点的判别式时，才能够从节点移动到节点；表示从调度模式到调度方式的推理中
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表示从调度模式到调度方式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；为所述判别条件中节点的判别值。
31.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开始，依次选择与所述调度模式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，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；（3）、通过判别式，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，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；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；（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进行比较；如果，那么当前的终止节点就是推理出的一个调度方式。
32.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={1,2,5,6}；将节点集合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},在与进行比较后，只有，即最后的推理结果为调度方案8。
33.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。