第37期水利大数据研究及案例介绍

52监测网 › 首页 › 行业资讯› 专家报告

第37期水利大数据研究及案例介绍

2019-5-21 16:56

收藏分享邀请

水利大数据研究及案例介绍华北水利水电大学2016年开始参与河长制试点建设工作。2017年成立了“河长制研究培训中心”，刘文锴校长亲自担任主任，目前已在全国各地开展了多次河长制专题培训，对行业提供河长智库服务。 ...

52监测网专家报告分享-第37期

水利大数据研究及案例介绍

胡万元华北水利水电大学

一、水利大数据背景

二、水利大数据价值体系

三、水利大数据发展方向

四、水利数据来源

五、案例

内容简介

一、水利大数据背景

水利大数据研究及案例介绍

华北水利水电大学2016年开始参与河长制试点建设工作。2017年成立了“河长制研究培训中心”，刘文锴校长亲自担任主任，目前已在全国各地开展了多次河长制专题培训，对行业提供河长智库服务。2018年12月1日，在水利部及河南水利厅的大力支持下，成立“河南河长学院”。同时受水利部委托，我校和河海大学成为河长制第三方评估单位，负责全国31个省市的河长制第三方评估。

数据是基础能源

古人“逐水而居”，今人“逐数兴业”，大数据已经成为新时代的生产资料，是未来的战略资源。当我们进入大数据时代后，遇到的最大难题，可能不是信息不足，而是信息的过载；可能不是信息的“触手可及”，而是信息的孤岛问题。太多的数据给人们带来的并不是更多的洞察，还可能是迷失，因此，如何管理好、利用好这些数据，成为当务之急。

水利行业的发展趋势

水利部部长鄂竟平：我国治水的主要矛盾已发生深刻变化，从改变自然、征服自然为主转向调整人的行为、纠正人的错误行为为主。治水的工作重点也要随之改变，就是要转变为水利工程补短板、水利行业强监管。

河长制是我国在河湖管理保护方面的重大创新，核心是党政同责，党政领导担任河长，不是冠名制，而是责任制。河长制涉及理论框架、政策、资金、人才、技术、商业模式和各业务系统的全面创新，是一项复杂的巨系统工程。是解决复杂水利问题的战略抓手。

大兴土木搞工程建设的时代正在过去，水利行业由“工程水利”向“智慧水利、生态水利、水利服务、水利文化”方向发展，其中水利信息化是重要引擎和关键动力，水利大数据建设是基础。

二、水利大数据价值体系

水利大数据建设现状及问题

政策理念问题

理念落后，大部分地方水利大数据才处于初级阶段，对政策和技术理解不透，一味追求”高大上“噱头，失去了“以技术服务管理”的初心，导致驱动力不足。

资金问题

水利大数据建设是一个系统性工程，持续投入较大，传统政府采购很难驱动，在水利工程中资金占比较小。现有水利业务系统落后且很难整合利旧。

行业封闭，技术储备不足

水利行业属于粗放型传统行业，行业比较封闭，技术决策比重大，新技术很难被及时采用，同时关键技术储备不足，缺乏既懂水利，又懂大数据的复合人才。

系统设计更新不及时

水利工程较大，设计实施周期比较a，信息化技术更新快，但比重小，不愿做重大变更，一直落后3-5年。

商业模式/生态体系

商业模式不明显，高投入、低产出甚至无产出。传统的产业发展方式难以支撑水利大数据这种涉及多部门、多行业、多数据维度、多关键技术的复杂生态，商业模式及建设思路急需转型。

水利大数据建设难点

数据来源跨越多个部门，如何整合，如何共享？用户涵盖各级职能部门，需求如何统一？如何更好的发动公众参与？业务管理流程能通用吗？事件管理流程能闭环吗？系统是否安全？需求不清楚，不断变化中，如何设计？有没有结合当地的实际的工作机制？盲目照搬存在弊端，河湖大数据建设需要充分考虑国情、水情、社情，做到既要兼顾顶层设计、又可实施落地。

主管单位头重脚轻，实施单位头轻脚重

软件平台系统需要顶层设计和具体实施必须有效结合。软件设计人员首先要具备企事业客户最高领导者的视角；然后要自客户的具体经营实践中，抽象出客户对于人力、物力、财力的通用配置和发展原则，这些原则以及背后的逻辑便是管理；继而将管理的不变与变，基于常变常新的IT技术进行数字化开发，之后才能得到真正的管理软件内核；而具备了稳定和完备的管理内核之后，才轮到于实施服务端进行面向具体经营或者特定行业的配置与开发。

好的软件产品和解决方案一定是节省了时间，节约了成本，充分体现人性的光辉，最终提高了生产率，并推动了社会进步。

数据的价值体系

数据是事实或观察的结果，是对客观事物的逻辑归纳，是用于表示客观事物的未经加工的的原始素材。数据是信息的表现形式和载体，可以是符号、文字、数字、语音、图像、视频等。在计算机系统中，数据以二进制信息单元0,1的形式表示。

信息是具有时效性的，有一定含义的，有逻辑的、经过加工处理的、对决策有价值的数据流。

数据和信息是不可分离的，数据是信息的表达，信息是数据的内涵。数据本身没有意义，数据只有对实体行为产生影响时才成为信息。

知识是通过人们的参与对信息进行归纳，演绎，比较等手段进行挖掘，使其有价值的部分沉淀下来，并与已存在的人类知识体系相结合。

智慧是人类基于已有的知识，针对物质世界运动过程中产生的问题根据获得的信息进行分析，对比，演绎找出解决方案的能力。

大数据的定义及特性

大数据是指无法用常规软件工具进行处理的数据集合，是具有更强决策力、洞察发现力和流程优化能力的海量多样化信息资产。

大数据--小数据

在当前阶段我们把智慧之外的部分外包给计算机，而人自己聚焦于属于自己的独一无二的那部分智慧。数据如果不能进一步地“深加工”，即使收集的数量再“大”，也毫无价值。因为仅仅就数据本身而言，它们是“一无所知”的，数据的价值，在于形成信息，变成知识，乃至升华为智慧。

水利+大数据

激光、遥感、GIS、BIM、传感网和射频技术等现代化信息化术的发展与应用，全面拓展了水利信息的空间尺度和要素类型。水利数据已逐渐呈现出多源、多维、大量和多态的大数据特性，水利大数据的时代已经到来。

三、水利大数据发展方向

点数据

一个个分散点的数据，没有同其他数据建立连接，譬如一个地下水位监测点连续10年每天的监测数据

特点：体量大、分散化和独立化

条数据

某个应用领域内呈链条状串起来的数据，譬如一套地下水位监测系统10年每天的监测数据

特点：领域单一数据封闭数据垄断

大数据

无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。

特点：大量、高速、多样、低价值密度、真实性；数据噪音大，以冷数据、温数据为主，热数据较少

块数据

以一个物理空间或者行政区域形成的涉及人、物、事的各类数据的综合。

特点：主题性高度关联性、强活性、立体型、开放性

价值：商业模式发掘潜力巨大、应用前景广阔、政府治理模式转型升级、社会公共文化增添新元素

四、水利数据来源

水利行业各部门基础数据库

防汛抗旱、水资源、建设与管理、农村水利、水土保持等。

水利行业生产监测数据

水库、自来水厂、污水处理厂等。具体水位、雨量、流量、视频、水质监测站，无人机，遥感，机器人等终端。

跨部门跨行业的涉水数据

环保、国土、农业、公安、检察、卫生等其他部门。

涉水社会情况数据

互联网行业、企事业单位及个人，例如：腾讯、百度，专业数据机构、社会公众等。

来源于互联网的数据爬取

网络爬虫、探针等主动从互联网网站、论坛、新媒体等爬取。

水利大数据平台总体架构

五、案例

案例--采砂背景

近年来，随着国家生态文明建设的不断深入，各地对天然砂石实施禁采或限采，不断关停传统、落后、污染的砂石企业，部分地区砂石供需失衡、价格持续攀升，砂石高价、短缺诱发非法采砂抬头。习近平总书记多次为砂石行业指点迷津——不能让违法挖河砂变成了一个“建设性”的大破坏；调研长江非法砂石码头整治；考察山东威海采石场生态修复项目；主持召开民营企业座谈会，为民营砂石等企业定调等。