Page 10 - 2025年第56卷第1期
P. 10

综上所述,智能化是当前大坝建设的前沿方向。目前,我国在大坝智能化建设方面发展迅速,成
              果丰硕,更注重将智能化与工程实践相结合,并以合作开放的姿态走在世界前列。


              3 大坝智能建设基本概念与特征


                  大坝智能建设(Intelligence Construction of Dam,ICDAM)是将大坝工程建设与新一代人工智能技术
             (如物联网、大数据、云计算、具身智能、生成式人工智能等)进行交叉融合,建立以数智设计、智能
              建设与智慧运维等为核心的全环节、全要素、全覆盖、全天候、全生命周期的闭环体系,以实现在大
              坝建设全生命周期内的设计、建设和运维等各项任务处理能力均达到类人水平,并能自适应地应对外
              界环境挑战。大坝智能建设最终目标为构建大坝建设通用人工智能(Intelligence Dam Artificial General
              Intelligence,IDAM-AGI),并对大坝设计、建设与运维等任务进行持续决策与优化。
                  从大坝智能建设的发展过程及其目标 IDAM-
              AGI 来看,大坝智能建设的发展可划分为三个阶
              段:大坝智能建设的 1.0 阶段为基于数据驱动的人
              工智能方法完成大坝建设特定任务;大坝智能建
              设的 2.0 阶段为基于生成式人工智能技术和数据-
              机理的驱动理念,构建大坝建设全生命周期可信、
              可靠、可解释的智能模型,并应用于智能仿真、
              智能监控、智能无人施工等方向;大坝智能建设
              的 3.0 阶段为引入自主智能技术,构建以 IDAM-
                                                                           图 5 大坝智能建设发展历程
              AGI 为核心的系统、平台及装备,使大坝建设具
              备更高级的自主决策和适应能力。大坝智能建设发展历程如图 5 所示。
                  当前,大坝智能化已基本完成大坝智能建设 1.0 的建设,并基于生成式人工智能技术和数据-机
              理理念,许多大坝设计、建设和运维等问题得以有效解决。大坝智能建设正处于 2.0 阶段,水利工
              程智能化的核心任务是全面推动数据、装备与 AI(Artificial Intelligence)的双向赋能、互促共生,为
              构建以 IDAM-AGI 为核心的大坝智能建设 3.0 提供坚实的基础。因此,本节将着重介绍大坝智能建设
              2.0 必备的特征。
              3.1 数智设计 目前,大坝设计的复杂性导致数智设计发展相对较慢。推进数智设计需要重点关注数
              据价值、设计方法和设计流程三个方面。首先,数智设计应充分挖掘以往工程设计资料与数字化设计
              成果之间的关联关系,增强从工程设计数据到智能设计的转化,建立以数据价值为导向的设计体系。
              其次,数智设计应建立基于复杂机理模型和数据驱动模型的混合驱动方法,逐步替代现有的设计模
              式,实现智能化设计。最后,数智设计应基于生成式人工智能和数据-机理混合驱动方法,构建从设
              计出图到成果校核的全流程智能化工作范式。
              3.2 智能建设
              3.2.1 数据与 AI 双向赋能  在大坝智能建设 1.0 阶段,数据建设的重点是构建具有低延时、高吞吐、
              强兼容性和高安全性的感知数据体系,涵盖数据生产的采、存、管、用四个环节。此阶段的核心在于
              通过大数据为大坝智能建设提供基础数据,并依托数据构建 AI 模型,以提升完成大坝建设与运维中特
              定任务的能力。
                  在大坝智能建设 2.0 阶段,数据规模进一步扩大,数据形式将更加丰富,不仅拥有更广泛的感知
              数据,还包括大量的工程文档、图表等非结构化数据。此阶段,数据形态将从结构化向非结构化延
              展,这一变化不仅对数据存储与访问提出了更高要求,也衍生了从 AI 反向赋能数据的新途径。例如,
              采用分布式系统、有效的数据管理和数据压缩等手段,建立全时域智能感知体系,优化数据采集、安
              全传输、存储访问等各个环节的性能;而对于非结构化数据,则建立有效的检索方法,并通过 AI 智能

                                                                                                  — 5  —
   5   6   7   8   9   10   11   12   13   14   15