Page 67 - 水利学报2025年第56卷第3期

关的信息，例如 “高地” 在百科数据中指代一部电影，此类信息与防汛抢险无关，直接剔除。
修正错误信息：由于汉语表达具有一词多义性，百科数据倾向于收录使用频次更高或传播范围更
广的信息，因此会出现百科含义与水利含义不一致现象，例如 “吕荣” 在水利领域为透水率单位，而
百科数据中该词意为人名，此类术语与防汛抢险密切相关，需根据行业经验做针对性修正。
融合知识类型：融合知识类型旨在统一相同文本语义的不同表达方式。本文通过构建同义实体映
射表实现知识融合，映射表样例如表 ６所示。需要注意的是，实体融合时对于具有不同处理措施的相
似险情不应融合，例如 “清水漏洞” 和 “浑水漏洞” 不应直接融合。
百科数据经过数据清洗、修正与融合操作后，形成了高质量的知识数据，有效扩充了非结构化知
识覆盖面，解决了防汛抢险领域数据量偏少、质量偏低问题。
表 ６ 知识融合同义映射表样例

类别 标准表达 同义表达
实体词 跌窝 陷坑、塌坑、塌陷、坍塌、湿陷跌窝、坍陷、跌窝险情、局部塌陷
实体词 接触渗漏 涵管渗漏、闸基渗漏、接合部接触冲刷、地基严重渗漏破坏、地基渗漏、闸基破坏、漏水
关系词 包含 分类、类别、种类、主要分类、组成、结构组成、主要包含、主要包括
关系词 属于 类属、所属、术语所属、所属类别、分属、隶属、从属

５ 图谱构建与应用

采用所提知识图谱构建方法分别提取非结构化三元组知识链与半结构化三元组知识链，为清楚区
分知识类别，依据本体模型中定义的实体类型与术语规范 ＳＬ２６—２０１２中的术语章节分类，为三元组
的头尾实体分别赋予 “实体类型” 信息，从而构建知识五元组知识链。共获得高质量知识五元组 ７９３７
条，依靠 Ｎｅｏ４ｊ数据库的知识组织与管理能力构建 ＦＤＲ － ＫＧ，共得到实体 ６８９８个，关系 ７８８２条。图
谱局部可视化结果如图 ６所示，ＦＤＲ － ＫＧ以应急抢险知识为核心与水利各子领域建立知识关联，有利
于相关人员准确理解领域术语定义与术语关联，高效检索险情类别与处理措施，精准研判水文、地
质、施工等对防汛抢险的影响，为制定抢险应急预案和数字孪生水利建设提供精准的防汛知识平台。
以 ３个典型场景为例，介绍 ＦＤＲ － ＫＧ的应用价值。
５．１ 抢险措施知识查询 ＦＤＲ － ＫＧ可高效利用知识与知识关联，为水利设施提供应对潜在险情的知识
指导。以堤防工程漫溢抢险为例，ＦＤＲ － ＫＧ查询结果如图 ７所示。由图 ７可知，针对堤防工程潜在的
漫溢险情，知识图谱从处理原则入手为整体抢险过程提供行动纲领，从应对方法出发给出了修筑土袋
子埝、土料子堤，降低库水位等多种具有潜在工程效益的抢险措施。进一步深入研究工程措施可知采
取 “土料子堤” 措施应预先准备黏性土、编织布、重物等物资，并建议在子堤轴线位置施工。依据上
述知识，抢险人员可迅速了解抢险行动方向，调配抢险物资与材料，在合适位置开展抢险活动，有效
减轻经济损失。
５．２ 水利知识关联引导 不同人群对知识的掌握程度不同，抢险一线人员往往对知识掌握程度较浅、
系统化程度较弱，不利于抢险活动的高质量开展。ＦＤＲ － ＫＧ通过构建广泛的知识网络，为抢险一线人
员提供精确而易于理解的关联知识，加速知识向应用转化。例如，当对水库突然涨水是否会影响导流
墙存疑时，通过图谱检索知识关联如图 ８所示。图 ８回答了 “两个水利概念间是否有关联、存在怎样
关联路径” 的问题，可实现概念间关系查询，获得关键路径，理清关联脉络。同时，路径中间节点知
识可辅助人员决策，例如若要消除水库水位突然上涨对导流墙可能带来的影响，则需加强对水闸的安
全防护，采取合理调度措施保障库水安全宣泄，以截断隐患传递关键路径，保障水利设施正常运行。
５．３ 险情共现知识推理 相似的水利设施有概率发生相似险情，相似险情的处置经验具有较高借鉴价
值。ＦＤＲ － ＫＧ有效集成了各类水利设施抢险知识，且具备知识更新功能，可不断融入产生的新知识，
逐渐形成经验丰富的防汛抢险 “工程大脑”。该图谱能推理出不同水利设施可能发生的共现险情，从

— ３ ４ ９ —