Page 8 - 2025年第56卷第1期
P. 8

和 Web of Science （WOS）核心数据库      ［15］ ，全面检索了大坝智能建设的相关领域的研究成果。同时，还
              检索了计算机领域中关于人工智能研究的相关文献，通过与大坝智能建设检索的结果对比，揭示两大
              领域在智能化发展过程中的共同趋势。文献计量分析结果通过 CiteSpace 文献分析工具获取                                    ［16］ 。
                  本次检索了自 2004 年 1 月 1 日至 2023 年 12 月 31 日共 20 年间发表的期刊论文。在 CNKI 和 WOS 数据
              库中，分别检索到大坝智能建设相关文献 2045 篇和 682 篇；分别检索到计算机领域相关文献 6743 篇和
              16 924 篇。由于中文与外文数据库存在一定差异，二者检索指令有所不同，检索指令由试验确定，本研
              究使用的检索指令如表 1 所示。图 1 展示了其间各年份的文献发表数量，由图 1 可知，无论是在计算机领
              域还是在大坝智能建设领域，智能化的相关研究逐年攀升，论文增加速率在近两年呈指数上升的趋势。
                                                       表 1 检索指令

                 领域                   CNKI                                       WOS

                                                          （“Artificial Intelligence”OR “smart”OR “Machine Learning”OR “Deep


                       （人工智能 AND 大坝）OR （人工智能 AND 水利工



                                                          Learning”OR “Computer Vision”OR “Natural Language Processing”OR

                       程）OR （智 能 AND 大 坝）OR （智 能 AND 水 利）


               水利工程                                       “Large language model”OR “Large multi-modal models”OR “Embodied



                       OR （智 慧 AND 大 坝）OR （智 慧 AND 水 利）OR



                                                          intelligence”OR “Artificial Intelligence Generated Content”OR “General
                       （智能建设 AND 大坝）OR （智慧运维 AND 水利）

                                                          artificial intelligence”）AND （“Dam”OR “hydraulic engineering”）


                                                          （“Artificial Intelligence”OR “Machine Learning”OR “Deep Learning”）


                                                          AND （“Computer Vision”OR “Natural Language Processing”OR “Large


                                                          language model”OR “Large multi-modal models”OR “Embodied intelli⁃


               人工智能          人工智能 AND 计算机科学与应用            gence”OR “Artificial Intelligence Generated Content”OR “General artifi⁃


                                                          cial intelligence”）NOT （“Bioinformatics”OR “Medical AI”OR “Social






                                                          Sciences”OR “Building”OR “Education”OR “Life  Sciences  Biomedi⁃
                                                          cine”OR “Social Sciences”）

                  为进一步了解国内外的研究差异，基于 CNKI
              和 WOS 中检索的大坝智能建设文献分别构建了关
              键词共现网络，见图 2。图中每个节点代表文献若
              干篇，节点越大则关键词的词频就越大，与该主
              题的相关性就越强，节点间的连线代表关键词间
              的共现关系，颜色表示年份。由图 2 可知，中文文
              献 更 加 关 注 于 智 慧 水 利 、 数 字 孪 生 、 智 能 建 设 、
              大数据、知识图谱以及其他与工程应用紧密结合
              的相关内容；而外文文献更加关注于人工智能算
              法，包括深度学习、机器学习、神经网络等算法
                                                                           图 1 各领域文献年发文量趋势
              模型。从节点色块分布趋势可见，在 CNKI 和 WOS
              数据库中，水利工程智能化相关文献均呈现高速增长的态势。
                  此外，为深入分析大坝智能建设的研究趋势、热点主题和新兴概念，构建了关键词的时间轴视
              图。该方法按照关键词在文献中首次出现的时间排列，直观展示了关键词的出现、发展和演化过程。
              图 3 展示了 CNKI 和 WOS 的时间轴视图，为了简洁，仅标示了当年频次最高的关键词。从图 3（a）可以
              看出，人工智能的概念最早于 2005 年出现在 CNKI 文献中，但在 2015 年之前，国内水利工程的发展仍
              主要集中在数字化和信息化上；2015年后，智能化开始主导水利工程的前沿发展。图 3（b）显示，2014年
              之前，WOS 的相关文献主要探讨神经网络和支持向量机等传统机器学习方法在水利工程中的应用。
              2014 年后，研究重点一方面转向了变形（Deformation）、大坝监测（Dam Monitoring）和损伤检测（Damage
              detection）等工程实际应用问题，另一方面也关注以深度学习为代表的人工智能技术。
                  为揭示不同国家间的科研合作关系、合作强度及其发展趋势，基于 WOS 检索的外文文献，构建
              了国家合著网络和国家时间轴视图。如图 4（a）显示，中国、美国、伊朗和印度在水利工程智能化领域
              的文献数量位居前四，其中，中国的研究成果远超其他各国。从合作关系来看，各国之间存在广泛的
                                                                                                  — 3  —
   3   4   5   6   7   8   9   10   11   12   13