基于知識圖譜的智慧水利研究進展

陳 述,紀 勤,陳 云,劉 雨,朱麗萍

(1.三峽大學水電工程施工與管理湖北省重點實驗室,湖北 宜昌 443002;2.三峽大學水利與環(huán)境學院,湖北 宜昌 443002; 3.三峽大學經(jīng)濟與管理學院,湖北 宜昌 443002)

水利工程是國民經(jīng)濟公益性、基礎性和戰(zhàn)略性支撐行業(yè)[1],擁有防震減災、提高水資源利用效率和置景造景的作用[2-3]。但是傳統(tǒng)水利工程具有點多、面廣、量大、類型復雜的特點,難以實現(xiàn)專業(yè)化、精細化、科學化管理。移、云、大、物、智等新興科技的發(fā)展,提升了水利工程的水資源利用效率和水旱災害防御能力,智慧水利成為水利行業(yè)轉型發(fā)展的必然趨勢[4]。

2003年水利部印發(fā)《全國水利信息化規(guī)劃》,為國內智慧水利建設奠定了基礎[5]。2008年IBM公司發(fā)布《智慧地球:下一代領導人議程》報告,促進了信息技術與傳統(tǒng)行業(yè)相結合[6]。2018年水利部出臺《加快推進新時代水利現(xiàn)代化的指導意見》,大力推進水利與信息技術結合[7]。2019年水利部印發(fā)《加快推進智慧水利的指導意見》,全方位推進水利現(xiàn)代化建設[8]。2020年水利部印發(fā)《關于開展智慧水利先行先試工作的通知》,進一步強化新一代信息技術與水利業(yè)務的深度融合[9-10]。2021年水利部發(fā)布《“十四五”智慧水利建設規(guī)劃》《關于大力推進智慧水利建設的指導意見》,全面推進構建數(shù)字孿生領域,努力實現(xiàn)各項水利管理活動數(shù)字化、網(wǎng)絡化、智能化[11]。

隨著政府對智慧水利的大力推進,近幾年智慧水利研究呈現(xiàn)爆發(fā)式增長態(tài)勢。然而,由于智慧水利概念提出時間較短,加之傳統(tǒng)的研究進展分析基本采用文獻調研法,調研文獻數(shù)量有限、時間跨度短,因此對智慧水利研究進程的梳理工作較為薄弱。本文基于中國知識基礎設施工程(CNKI)和Web of Science(WOS)核心數(shù)據(jù)庫2000—2021年智慧水利有關文獻,采用文獻計量和可視化方法,構建智慧水利研究領域文獻量時序分布、發(fā)文機構和研究熱點演變的各類知識圖譜,分析智慧水利研究現(xiàn)狀、研究熱點和發(fā)展趨勢。

1 文獻來源

采用六元組檢索模型進行數(shù)據(jù)采集檢索,TC1(CNKI)、TW3(WOS)代表主題(topic)檢索,保證查全率,TC2(CNKI)、TW4(WOS)代表“篇名(title)or關鍵詞(keywords) or摘要(abstract)”檢索,保證查準率。具體檢索模式見表1。

表1 文獻檢索模式

為覆蓋水利行業(yè)的多樣性,將“水電”“水工程”“流域”“河網(wǎng)”“水網(wǎng)”“洪水”“大壩”及“水電站”合并至關鍵詞“水利”中進行檢索。

綜合以上分析,合并上述檢索式進行檢索,設置CNKI數(shù)據(jù)庫文獻數(shù)據(jù)檢索式如下:TC1=水利信息化or數(shù)字水利or數(shù)字流域or數(shù)字黃河or智慧水利or智能水利or水利云or水聯(lián)網(wǎng)or水利大數(shù)據(jù)or數(shù)字孿生,TC2=遙感or GIS or射頻技術or UAV or傳感器or BIM or物聯(lián)網(wǎng)or IOT or大數(shù)據(jù)or區(qū)塊鏈or云計算or云平臺or深度學習or人工智能or機器學習or智能算法and 水利or水電or大壩 or 水電站 or 水工程 or 流域 or 河網(wǎng) or 水網(wǎng)or洪水。

WOS數(shù)據(jù)庫文獻數(shù)據(jù)檢索式如下:TW3=hydroinformatics or water resources informatization or water conservancy information or hydrology of informization or smart water or intelligent water conservancy or digital water conservancy or big data water conservancy;TW4=GIS or RS or RF Technology or UAV or BIM or sensor or internet or intelligent or big data or IOT or blockchain or deep learning or artificial intelligence or machine learning or machine vision or cloud computing or neural network or intelligent algorithm or chaos theory or rainfall runoff modeling or flood forecasting or flood risk assessment or decision support system or urban flood management or numerical simulation or 2D modelling or 3D modelling or optimization procedure or chaos theory or genetic algorithm or fuzzy logic and water or hydropower or dam or water resource or river or inundation。

按照上述檢索式進行檢索,剔除新聞、會議通知等與智慧水利研究無關的文獻,最終選擇CNKI數(shù)據(jù)庫中2175篇文獻、WOS數(shù)據(jù)庫中1789篇文獻為本文研究數(shù)據(jù)。

2 研究方法

選取文獻量作為智慧水利研究統(tǒng)計分析指標,以研究機構、研究熱點、研究主題為主要內容,形成對智慧水利研究領域發(fā)展變化的初步認知。

2.1 文獻量時序分布

文獻量時序分布直觀反映該研究的熱點變化,可以衡量該研究在特定時間段內的發(fā)展態(tài)勢。按照時間期限統(tǒng)計智慧水利文獻量,對比數(shù)據(jù)庫文獻量時序變化,分析該領域研究現(xiàn)狀及重心轉移,宏觀分析該研究領域進展趨勢[16]。

2.2 發(fā)文機構

發(fā)文機構是研究領域骨干力量,分析發(fā)文機構能夠了解機構貢獻程度及影響程度。選取發(fā)文機構共現(xiàn)詞頻作為發(fā)文機構的分析指標,記錄共現(xiàn)詞頻在文獻中出現(xiàn)次數(shù)及聯(lián)系,衡量機構間交叉合作關系[17]。CNKI數(shù)據(jù)庫發(fā)文機構知識圖譜的評價指標包括節(jié)點數(shù)、連線數(shù)。節(jié)點數(shù)代表高頻機構數(shù)量,連線代表機構間的合作關系,其中連線越粗則機構間合作越密切。WOS數(shù)據(jù)庫發(fā)文機構評價指標包括發(fā)文機構節(jié)點、連線等圖譜整體網(wǎng)絡結構評價。

2.3 研究熱點

關鍵詞能夠提煉和概括文章核心內容,共現(xiàn)關鍵詞能夠反映出特定時間段內,相互之間存在聯(lián)系且數(shù)量較多的問題即研究熱點[18]。利用VOSviewer進行關鍵詞的共現(xiàn)詞頻分析,分析關鍵詞親疏關系,并以共現(xiàn)詞頻、出現(xiàn)年份以及分布時段作為分段研究評價指標,以測度研究熱點分布時間段[19]。研究熱點知識圖譜采用評價指標節(jié)點數(shù)、節(jié)點顏色、連線數(shù)及連線粗細整體評價圖譜網(wǎng)絡結構。

2.4 研究主題

主題詞分布及演化能直觀體現(xiàn)熱點領域、分析視角的變化,且主題詞的規(guī)范性可以提高檢索查準率和查重率,故選取主題詞被引頻次作為分析指標。根據(jù)主題詞因子得分(貢獻率、方差累計貢獻率大于或等于60%),確定研究主題分類,并依據(jù)KMO和Bartlett檢驗判斷研究主題分類的正確性[20]。系統(tǒng)聚類共被引矩陣,可以揭示該領域各研究分支之間的內在關聯(lián)及歸屬層次,并通過構建Hubert’Γ統(tǒng)計量,檢驗聚類效果。多維尺度分析主題詞,從宏觀角度探究主題詞之間的相似性[21],并結合擬合度量值Stress和效度估計值RSQ確定驗證整體網(wǎng)絡結構合理性。

歸納整理2000—2021年智慧水利文獻數(shù)據(jù)主題詞,并利用TF-IDF方法[22-23]進行分詞,提取反映不同時段研究特色的高頻主題詞。提取主題詞進行因子分析后,進行系統(tǒng)聚類,并構建Hubert’Γ假設檢驗[24],拒絕隨機排列假設,驗證聚類效果合理性。

3 結果分析

3.1 文獻量時序分布

根據(jù)統(tǒng)計的CNKI和WOS數(shù)據(jù)庫中智慧水利研究主題的文獻量,繪制文獻量時序分布如圖1所示。對CNKI數(shù)據(jù)庫文獻量的累計占比進行偏差分析,建立CNKI數(shù)據(jù)庫文獻量累計占比關于時間的多項式曲線回歸模型:

圖1 智慧水利研究領域文獻時序分布

q=0.0004t2+0.0085t

(1)

相關指數(shù)R2=0.9986,說明曲線趨勢與數(shù)據(jù)擬合性較好,CNKI數(shù)據(jù)庫智慧水利文獻量逐年遞增,說明該研究熱點逐漸走向我國專家學者的視野,關注度愈來愈高。

總體上,WOS、CNKI文獻量均呈現(xiàn)上升狀態(tài),一方面是由于近年來移、云、大、物、智在水利行業(yè)的運用廣泛,推動了該領域的深度發(fā)展。另一方面是各國政府對水利的重視,引導了專家學者的研究方向。CNKI數(shù)據(jù)庫與WOS數(shù)據(jù)庫文獻量變化存在明顯差距,CNKI文獻量在2003年(水利部印發(fā)《全國水利信息化規(guī)劃》)有小幅度增加,2014年《關于促進智慧城市健康發(fā)展的指導意見》出臺,該研究熱度逐年上升。WOS文獻量逐年遞增,增速相對較高,特別在2017年Wallingford提出運用CMlive模型建設數(shù)字孿生流域之后,迎來了爆發(fā)式增長。

3.2 發(fā)文機構分析

由圖2(a)可知,CNKI數(shù)據(jù)庫研究力量主要集中在政府部門、高校以及科研院所,已形成以高頻發(fā)文機構為核心的研究團體,清華大學、華中科技大學、河海大學、中國水利水電科學研究院以及中國科學院地理科學與資源研究所等機構貢獻較大,是我國水利領域的引導者。其中中國水利水電科學研究院與河海大學、清華大學等機構聯(lián)系頻繁形成該研究領域的主體力量。

圖2 智慧水利研究發(fā)文機構共現(xiàn)知識圖譜

由圖2(b)可知,WOS數(shù)據(jù)庫顯示智慧水利研究機構涉及到高校及研究所,其中Deltares(荷蘭三角洲研究所)、DHI(丹麥水力研究所)、Delft Univ Technol(荷蘭代爾夫特理工大學)以及king Abdullah Univ(阿卜杜拉國王科技大學)等是先鋒機構。但WOS數(shù)據(jù)庫各機構團隊致力于內部交流,外部交流相對較少。

3.3 關鍵詞共現(xiàn)分析

圖3為關鍵詞研究熱點聚類知識圖譜。由圖3(a)可知,CNKI數(shù)據(jù)庫關鍵詞出現(xiàn)頻次較多的有水利信息化、智慧水利、數(shù)字流域等,說明CNKI數(shù)據(jù)庫研究主要集中于新一代信息技術與流域、水電站和大壩等水利工程結合,建立數(shù)學孿生流域等,實現(xiàn)智慧模擬和精準決策水資源[25],提升水資源利用效率和水旱災害防御能力[26]。

圖3 智慧水利關鍵詞共現(xiàn)知識圖譜

由圖3(b)可知,WOS數(shù)據(jù)庫關鍵詞集中在machine learning,deep learning,model,internet of things等。與CNKI數(shù)據(jù)庫不同,WOS數(shù)據(jù)庫主要研究為水利行業(yè)與云計算、物聯(lián)網(wǎng)、大數(shù)據(jù)的結合,進行邊緣拓展[27-28],精準模擬水利場景,預測水利問題,并實現(xiàn)問題決策,形成智慧水利研究領域[29],實現(xiàn)水利行業(yè)與物理系統(tǒng)的整合[30],達到“智慧”的狀態(tài)。

對關鍵詞進一步分析,結合文獻量時序變化,劃分智慧水利研究階段如圖4所示,包括研究探索期、研究導入期和研究爆發(fā)期3個階段。

a.研究探索期,相關研究處于萌芽起步階段。通過發(fā)展數(shù)字地球技術,整合地球空間相關的社會經(jīng)濟信息,實現(xiàn)地球空間信息共享。然而由于我國水系多而雜[31],傳統(tǒng)水利難以滿足社會專業(yè)化、精細化、智能化發(fā)展的需求,故亟待數(shù)字地球與傳統(tǒng)水利行業(yè)結合,實現(xiàn)水利工程規(guī)劃、建設與管理的數(shù)字化、網(wǎng)絡化、智能化和可視化,為其發(fā)展奠定了基礎。WOS數(shù)據(jù)庫顯示智慧水利重點集中于新一代信息技術的研究。水利信息化發(fā)展面臨泛在、智能化精簡等薄弱點,故利用物聯(lián)網(wǎng)、神經(jīng)網(wǎng)絡等新技術進行特征提取、特征分類等[32],打破水利信息化發(fā)展局限性,為智慧水利建設作鋪墊。

b.研究導入期,初步形成智慧水利研究框架。CNKI數(shù)據(jù)庫顯示相關研究主要面向數(shù)字地球在流域尺度上的應用[33],整合流域信息資源,更好服務流域管理。結合我國幾大流域形成數(shù)字黃河、數(shù)字長江等熱點,提高我國數(shù)字流域涉及的關鍵技術及相關設施應用成熟度,促進水資源信息共享時代的到來。WOS數(shù)據(jù)庫顯示隨著專家學者注意到環(huán)境變化和水資源問題[34],加快新一代技術與水利行業(yè)的結合,促進水利信息化應用到降雨、徑流等模型[35],并模擬及預測水利場景,建立決策系統(tǒng),整合水利行業(yè)信息系統(tǒng)和物理系統(tǒng),精細動態(tài)管理水利信息,促進水利的發(fā)展。

c.研究爆發(fā)期,智慧水利研究領域呈現(xiàn)迅速繁榮態(tài)勢。CNKI數(shù)據(jù)庫顯示數(shù)字水利結合物聯(lián)網(wǎng)和智能計算,構建總體技術框架[36],將傳感器嵌入和裝備到流域中,以多源耦合的氣象水文信息保障平臺、二元水循環(huán)及伴生過程數(shù)值模擬平臺等為支撐,將其與數(shù)字流域耦合起來,完成數(shù)字流域與物理流域的無縫集成[37],做到防洪抗?jié)硿p災、防旱抗旱、水資源合理配置和水生態(tài)保護等,實現(xiàn)智慧水利的全面透徹感知、數(shù)據(jù)信息共享、協(xié)同智能管理和泛在服務。WOS數(shù)據(jù)庫顯示水利信息化發(fā)展成為智慧水利,并且加入人工智能、卷積網(wǎng)絡、數(shù)字孿生等[38-39],促進智慧水利前沿發(fā)展,搭建高效的水利平臺,促進數(shù)據(jù)融合,系統(tǒng)模擬流域實時狀況,預測分析水災害的狀況,并進行精準決策,減少災害損失,提高水資源利用效率[40]。

3.4 主題詞共現(xiàn)分析

構建主題詞共被引矩陣進行因子分析,結果見表2。CNKI數(shù)據(jù)庫顯示共被引矩陣降維至11,表達整體信息的82.084%。11個主因子特征值均大于1,其代表的主題是智慧水利研究領域的主要研究方向,即信息安全、DEM數(shù)字高程模型、流域、人工智能、水電站、數(shù)字化、3S技術、GIS地理信息系統(tǒng)、智能水網(wǎng)和水利信息化。WOS數(shù)據(jù)庫顯示主題詞共被引矩陣降維至8,表達整體信息的79.224%,8個因子特征值均大于1,其表示主要研究方向為智慧城市、氣候變化、模糊控制系統(tǒng)、卷積神經(jīng)網(wǎng)絡、服務性、遺傳算法、預測和深度學習,為之后聚類分析提供參考。

表2 智慧水利研究主題詞因子分析

通過共被引矩陣KMO和Bartlett,驗證因子分析可靠性和共被引矩陣正確性。CNKI數(shù)據(jù)庫顯示共被引矩陣KMO為0.648大于等于0.5,Bartlett球形檢驗近似卡方值為5234.58、顯著度Sig為0.000,小于0.05;WOS數(shù)據(jù)庫顯示共被引矩陣KMO=0.761大于等于0.5,Bartlett球形檢驗近似卡方值為6064.59、顯著度Sig為0.000,小于0.05,說明兩數(shù)據(jù)庫變量間存在顯著相關性,因子分析結果可靠。CNKI數(shù)據(jù)庫顯示變量公因子方差均值為0.821,大于0.7,WOS數(shù)據(jù)庫顯示變量公因子方差均值為0.798,大于0.7,表明兩數(shù)據(jù)庫公因子代表所有變量效果好,即上述研究主題概括具有較高合理性。

運用R型聚類方法,系統(tǒng)聚類共被引矩陣,繪制智慧水利研究領域中研究主題的知識圖譜(圖5)。

圖5 主題詞聚類分析系譜圖

由圖5可知,智慧水利主題詞分支存在明顯差異。CNKI數(shù)據(jù)庫顯示該領域主要研究水利防汛抗旱資源管理、數(shù)字水利研究現(xiàn)狀、Webgis數(shù)據(jù)共享、信息應用系統(tǒng)規(guī)劃與管理、3S技術與決策支持系統(tǒng)、智慧流域與智能水網(wǎng)、水利信息化的發(fā)展、智慧大壩及水電站的發(fā)展、數(shù)字流域的主要模型及技術、數(shù)字黃河及數(shù)字長江發(fā)展和數(shù)字地球的應用,注重智慧水利實踐應用與前沿技術并駕齊驅的發(fā)展。而WOS數(shù)據(jù)庫顯示研究主要有智慧城市網(wǎng)絡框架研究、環(huán)境變化與大數(shù)據(jù)的結合、智慧水利支撐技術的交叉融合、卷積神經(jīng)網(wǎng)絡特征提取、服務傳感器系統(tǒng)的發(fā)展、算法模擬流域降水預測洪水、信息管理的優(yōu)化及預測、遺產(chǎn)算法與深度學習的演化及定義。

構建假設檢驗,驗證分類合理性,計算上述分類Γ值的分類頻數(shù)占隨機分類所有頻數(shù)的概率P,由于PCNKI、PWOS≈0,故拒絕隨機排列假設,推斷出上述聚類結果合理性較高。

以縱軸為密度,橫軸為向心度,通過多維尺度分析體系,得到智慧水利研究領域的相對位置,如圖6所示。

圖6 研究主題多維尺度分析圖譜

第一象限:CNKI數(shù)據(jù)庫研究主題聯(lián)系分散。各主題詞構成了該研究領域下的應用基礎,主要體現(xiàn)為信息技術功能。WOS數(shù)據(jù)庫各主題詞處于該領域的重要地位,其中卷積網(wǎng)絡、洪水風險預測等聯(lián)系較緊密,處于智慧水利應用研究的“核心”地位。

第二象限:主題詞結構聯(lián)系緊密。CNKI數(shù)據(jù)庫主題詞體現(xiàn)為應用前景以及應用系統(tǒng)等方面,其中DEM、人工智能等主題關聯(lián)程度高,研究熱度較高。WOS數(shù)據(jù)庫各主題詞主要定位于降雨模型、河流演化的預測及優(yōu)化等,其中還涉及物聯(lián)網(wǎng)、云計算等新一代技術,但交叉度不高,發(fā)展不成熟,處于研究領域的過渡地帶。

第三象限:主題詞結構較為緊密。CNKI數(shù)據(jù)庫主題詞可聚類到水利行業(yè)信息管理,信息應用系統(tǒng)相關研究成果處于“核心地位”,理論成果較為成熟。WOS數(shù)據(jù)庫主題領域結構緊密,各主題詞在卷積神經(jīng)網(wǎng)絡、機器視覺、人工智能網(wǎng)絡等研究方向上都有體現(xiàn),主題間交叉度較高,概括智慧水利新一代信息技術的交叉融合,有利于形成系統(tǒng)研究。

第四象限:CNKI數(shù)據(jù)庫主題詞大多體現(xiàn)在流域管理以及智慧水利應用場景研究方面,水電站、智慧流域以及水利管理研究主題間關聯(lián)程度較高,理論及技術成果較為成熟。WOS數(shù)據(jù)庫各主題詞聚類到智慧城市、水安全系統(tǒng)與云計算、深度學習等算法的結合,延伸智慧地球至水利行業(yè),支撐構建智慧地球。

為證明結果集群關系的正確性,驗證多維尺度展開解釋模型殘差度為17.544%、19.013%,小于20%,說明變量未被解釋數(shù)量較少,數(shù)據(jù)與分析結果擬合較好,近似程度較為滿意。決定系數(shù)為0.595、0.510,大于0.5,也可證明圖6模型解釋效果較好,由此證明了上述結果的可靠性較高。

4 結 論

a.從文獻量來看,CNKI數(shù)據(jù)庫顯示我國智慧水利研究起步較早,但發(fā)展較緩慢,與WOS數(shù)據(jù)庫顯示的智慧水利研究發(fā)展水平存在一定差距,發(fā)展效率較低。近幾年,開展智慧水利先行先試工作增加了我國專家學者的關注度,提高了我國研究發(fā)展速度。

b.從發(fā)文機構共現(xiàn)來看,CNKI數(shù)據(jù)庫顯示清華大學、華中科技大學、河海大學、中國水利水電科學研究院以及中國科學院地理科學與資源研究所等機構貢獻較大,且機構間聯(lián)系頻繁。WOS數(shù)據(jù)庫顯示該領域研究機構中Deltares、DHI、Delft Univ Technol和King Abdullah Univ等機構出現(xiàn)頻次較高,是WOS數(shù)據(jù)庫該研究領域的先鋒機構,但團隊外交流相對內部較少。

c.通過關鍵詞共現(xiàn)可知,智慧水利研究經(jīng)歷了3個階段。CNKI數(shù)據(jù)庫顯示主要階段為數(shù)字水利產(chǎn)生、數(shù)字流域的發(fā)展與智慧水利框架的建立。WOS數(shù)據(jù)庫顯示主要路線為水利信息化產(chǎn)生與發(fā)展、建立模擬預測水利場景并精準決策的平臺、智慧水利平臺的運用。

d.通過主題詞聚類分析可知,智慧水利主題詞聚類存在明顯差異,CNKI數(shù)據(jù)庫顯示實踐應用與前沿技術探索并駕齊驅,WOS數(shù)據(jù)庫顯示偏向于智慧水利前沿發(fā)展和平臺的運用。

e.CNKI數(shù)據(jù)庫和WOS數(shù)據(jù)庫論文主要研究方向存在不同。CNKI數(shù)據(jù)庫顯示推行智慧水利先試先行工作,以新興科技與水利工程的深度融合為主要方向。WOS數(shù)據(jù)庫顯示主要方向為以卷積神經(jīng)網(wǎng)絡等為工具,結合水利信息化基礎,精準模擬水利場景,搭建智慧水利數(shù)據(jù)平臺。