一种基于区块链的水利数字孪生仿真模拟方法

技术领域

本发明涉及区块链、数字孪生和智慧水利领域，具体是一种基于区块链的水利数字孪生仿真模拟方法。

背景技术

水利数字孪生是以物理实体为单元、时空数据为底座、数学模型为核心、水利知识为驱动，对水利治理管理活动全过程、全要素的数字化映射、智能化模拟，实现与物理实体同步仿真运行、虚实交互、迭代优化。

当前水利数字孪生建设处于起步阶段，作为现实物理实体在数字世界的拷贝，尚未有标准统一的流程与方法来保证水利数字孪生仿真模拟的可信度和真实性。

本申请的发明人在实现本发明的过程中经过研究发现：区块链是一个通过去中心化和去信任的方式集体维护的分布式共享数据库，存储于其中的数据或信息，具有不可伪造、全程留痕、可以追溯、公开透明、集体维护等特征，是一种解决信任问题、降低信任成本的信息技术方案。区块链与数字孪生的结合可以在可信数据平台基础上建立高效率的工作和交互体系，扩大数字孪生体的应用范围，为镜像世界的构建奠定底层技术基础。

因此，我们可以利用区块链技术来保证水利数字孪生仿真模拟的可信度和真实性。

发明内容

本发明的目的在于，提出一种基于区块链的水利数字孪生仿真模拟方法，提高数据底板的可信度，保证水利数字孪生仿真模拟的真实性，并形成标准的处理流程。

本发明的技术方案为：

一种基于区块链的水利数字孪生仿真模拟方法，使用到数字场景构建模块、智能感知模块、区块链模块、模型推演模块及仿真模拟模块；所述方法包括如下步骤：

步骤一、所述数字场景构建模块实时获取地形数据，根据获取的地形数据基于实景三维重建技术构建涵盖三维地形、水上水下、水工建筑内外一体的全息高精度的数字场景数据，并将构建的数字场景数据输入至区块链模块；

步骤二、所述智能感知模块实现水利业务数据的智能感知，将获取的水利业务数据输入至区块链模块；

步骤三、所述区块链模块，接收数字场景构建模块输入的数字场景数据、智能感知模块输入的水利业务数据以及后续模型推演模块输入的模型推演数据，并进行存储和监管。

步骤四、所述模型推演模块接收区块链模块输入的水利业务数据，利用机器学习算法以及水文、水力学、泥沙动力、水资源、水环境、水工程安全评价专业模型推演水利运行及治理管理活动的基本规律，得到模型推演数据，模型推演数据包括模型率定参数及模型推演结果，并将模型推演数据输入至区块链模块；

步骤五、所述仿真模拟模块，接收区块链模块输入的数字场景数据及模型推演结果，利用二三维GIS、BIM、流场动态、虚拟现实技术对模型推演结果进行实时动态渲染和可视化呈现；

进一步的，所述步骤一包括：

步骤1.1：利用无人机倾斜摄影测量技术获取地形数据；

步骤1.2：借助ContextCapture无人机航测处理软件根据获取的地形数据构建三维数字场景。

进一步的，步骤1.2具体包括：

步骤1.2.1，空三加密：步骤1.1获取的航测影像拍摄瞬间的POS观测值作为对应影像较为精准的六个初始外方位元素，结合相机传感器的相关参数，计算各像元的物方坐标，在对像控点坐标进行区域联合平差，即可得到多视角联合空中三角测量成果以及参与空中三角测量的每张影像的高精度外方位元素；

步骤1.2.2，多视影像密集匹配：根据步骤1.2.1得到的影像内外方位元素，引入并行算法，经过计算获取精确的匹配结果，解算出多视影像中同名点的三维坐标，得到由高精度点云数据生成的DSM；

步骤1.2.3，构建三角网TIN模型：在步骤1.2.2获取的高密度点云的基础上，生成三角网TIN模型；

步骤1.2.4，纹理映射：在步骤1.2.3得到三角网TIN模型后，根据每张影像的内外方位元素，利用摄影测量共线方程反解得到原始影像上的像点坐标，经过灰度内插得到纠正厚的灰度值，完成纹理映射，生成三维数字场景。

进一步的，步骤二中所述水利业务数据包括水文数据、水雨情数据、水环境数据、闸门启闭数据、视频监控数据。

进一步的，步骤二包括：

步骤2.1，数据感知：通过智能传感器实现水利业务数据的动态感知，并利用智能采集单元进行数据的实时采集；

步骤2.2，数据传输：通过以太网、4G/5G、长距离传输、或窄带物联网通讯技术手段将步骤2.1实时采集的水利业务数据向管理后台汇聚；

步骤2.3，数据清洗：对步骤2.2，汇聚的数据进行再检查、再处理和过滤，通过数据抽取、数据转换、数据加载三个阶段来完成，以删除不合格数据，保留有用数据。

进一步的，步骤三包括：

步骤3.1，各节点对记录的方式与位置进行共识验证，达成共识后向数据提供者授予相应权限；

步骤3.2，对于共享策略，按策略格式、合规性进行验证，达成共识后确认上链；

步骤3.3，对于读取数据的请求，按共享策略验证读取条件，达成共识后授权，并从链上的认证节点返回授权信息和相应的数据。

进一步的，步骤四包括：

步骤4.1，初始条件格式转换：按地表水模拟系统的EFDC模型要求对输入的气候、水文、水环境等初始条件数据进行格式转换；

步骤4.2，绘制区域边界：作为EFDC模型计算的重要输入，据研究对象的计算范围绘制出区域边界；

步骤4.3，网格划分：EFDC 模型在计算前对计算区域进行网格划分，使网格单元大小适合模型的计算要求，每个单元为计算区域的一个子域，单元之间独立又互有联系，在利用数学公式和方程进行计算时是相对独立的，其计算结果作为下一个或多个单元的输入；

步骤4.4，三维水动力水质模型构建：基于步骤4.3划分的网格，垂向分为多层，构建三维水动力模型，通过模型参数率定及空间离散积分求解，对三维水动力模型进行验证，在验证后的三维水动力模型基础上耦合水质模型，通过模型参数率定及空间离散积分求解，再对模型进行验证之后，构建三维水动力水质模型；

步骤4.5，模型调用及后处理：基于步骤4.4，设置或修改参数后，调用 EFDC 模型进行水质模拟推演，在模型计算完成后对模型结果进行明文解析，以便后续分析应用。

进一步的，步骤五包括：

步骤5.1，数据解析：将模型推演模块40步骤4.5输出的模型结果进行数据解析，获取每个格网单元的ID、浓度值、垂向分层、经度、维度、推演时间；

步骤5.2，数据重组织：选用三维矢量数据模型，基于步骤5.1解析的数据按原始垂向分层进行数据分层组织，不同的水深分为不同的层，不同的层具有不同的数据量和描述水质的模拟数据，同一细节层次的数据按照“格网-块-片”的方式进行组织，其中格网是矢量数据模型的最小分区，块是基本的数据存储与访问单元，依次排列存储，片是整个区域DEM 数据的逻辑分区并作为空间索引的基础，每一片由若干块组成；

步骤5.3，数据渲染：基于三维渲染引擎，以地理信息三维交互可视服务为核心，将区块链模块30输入的数字场景数据及步骤5.2重组织的三维矢量数据进行地图瓦片渐进式、精细化渲染；

步骤5.4，动态模拟：基于步骤5.3数据渲染，引入时间维度，动态模拟不同时刻水质状态，直观生动地呈现浓度值随推演时间变化的过程。

本发明提出通过基于区块链的水利数字孪生仿真模拟方法，实现仿真模拟结果的高可信、高保真，该方法利用区块链技术将水利数字孪生建设全流程进行整合，包括：数字场景构建、智能感知、区块链、模型推演、仿真模拟，通过分布式账本，建立数据流通机制，进行数据交换与共享，保证水利数字孪生各个环节数据的安全性和可靠性。

附图说明

图1为本发明实施例一种基于区块链的水利数字孪生仿真模拟方法所使用装置的模块框图；

图2为本发明实施例的数字场景构建示意图；

图3为本发明实施例的数字场景数据采集示意图；

图4为本发明实施例的数字场景三维建模示意图；

图5为本发明实施例的智能感知示意图；

图6为本发明实施例的区块链结构示意图；

图7为本发明实施例的区块链数据流通示意图；

图8为本发明实施例的模型推演示意图；

图9为本发明实施例的仿真模拟示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1，本发明实施例所提供一种基于区块链的水利数字孪生仿真模拟方法，其使用到数字场景构建模块10、智能感知模块20、区块链模块30、模型推演模块40及仿真模拟模块50。所述方法包括如下步骤：

步骤一、数字孪生场景构建模块10利用卫星遥感、无人机、无人船实时获取地形、建筑物数据，基于实景三维重建技术、BIM技术等构建涵盖三维地形、水上水下、水工建筑内外一体的全息高精度的数字场景数据，并将构建的数字场景数据输入至区块链模块30。数字场景数据的构建包括数据采集和三维建模，处理流程如图2，详细实施步骤描述如下：

步骤1.1：利用卫星遥感、无人机或无人船实时获取地形数据；

本发明实施例利用无人机倾斜摄影测量技术获取地形数据，采集流程如图3，详细实施步骤描述如下：

步骤1.1.1，外出准备。了解测区基本情况，提前中国民航局以及辖区相关部门进行必要的空域报备，根据天气及作业情况选择合适的无人机，并结合谷歌地形对测区进行大致的航线规划。

步骤1.1.2，实地作业。寻找平坦且视野开阔的地方作为起飞点，测定风速是否满足起飞条件，同时在测区均匀布设像控点，对测区进行航线规划。在确保周围环境允许的情况下，开始采集航测影像数据，并进行航测日志记录。

步骤1.1.3，检查数据。对航测影像进行质量检查，主要包括：影像完整度、影像曝光是否正常、POS数据是否丢失等等。

步骤1.2：三维建模

本发明实施例借助ContextCapture无人机航测处理软件构建三维数字场景，处理过程如图4，详细实施步骤描述如下：

步骤1.2.1，空三加密。以上述数据采集获取的航测影像拍摄瞬间的POS观测值作为对应影像较为精准的六个初始外方位元素，结合相机传感器的相关参数，计算各像元的物方坐标，在对像控点坐标进行区域联合平差，即可得到多视角联合空中三角测量成果，也即获得参与空中三角测量的每张影像的高精度外方位元素。

步骤1.2.2，多视影像密集匹配。根据步骤1.2.1得到的影像内外方位元素，引入并行算法，经过计算获取精确的匹配结果，准确地解算出多视影像中同名点的三维坐标，得到由高精度点云数据生成的DSM。

步骤1.2.3，构建TIN（三角网）模型。在步骤1.2.2获取的高密度点云的基础上，生成TIN（不规则三角网）模型。

步骤1.2.4，纹理映射。在步骤1.2.3得到TIN（不规则三角网）模型后，根据每张影像的内外方位元素，利用摄影测量共线方程反解得到原始影像上的像点坐标，经过灰度内插得到纠正厚的灰度值，完成纹理映射，生成实景三维模型，即三维数字场景。

步骤二、智能感知模块20实现水利业务数据的智能感知，所述水利业务数据包括水文数据、水雨情数据、水环境数据、闸门启闭数据、视频监控数据等，并将获取的水利业务数据输入至区块链模块（30）；具体的，可使用物联网传感器获取水利业务数据，并将水利业务数据通过有线或无线网络进行传输到区块链模块（30）。智能感知流程如图5，详细实施步骤描述如下：

步骤2.1，数据感知。主要通过智能传感器实现水利业务数据的动态感知，并利用智能采集单元进行数据的实时采集。

步骤2.2，数据传输。通过以太网、4G/5G、LoRa（长距离传输）、NB-IoT（窄带物联网）等通讯技术手段将步骤2.1实时采集的现场监测数据向管理后台汇聚。

步骤2.3，数据清洗。对步骤2.2，汇聚的数据进行再检查、再处理和过滤，主要通过数据抽取、数据转换、数据加载三个阶段来完成，目的是删除不合格数据，保留有用数据。

步骤三、区块链模块30存储和监管水利数字孪生各个环节的数据。区块链是一种按照时间顺序将数据区块以顺序相连的方式组合成的一种链式数据结构。区块产生是有时间先后之分，每个区块能够存储创建这期间所发生的大多数的交易，通过时间戳等让这些区块连接起来，同时能加强对上一个交易的确认。由于按照时间链接，会形成按照时间顺序产生区块高度，导致区块高度越来越多，从而形成一个长长的链。在区块里还包含自身带有的结构，一个完整的区块结构包括：区块头和区块体。整体数据结构示意如图6。区块链模式下数据流通的完整过程如图7，详细实施步骤描述如下：

步骤3.1，各节点对记录的方式与位置进行共识验证，达成共识后向数据提供者授予相应权限。

步骤3.2，对于共享策略，按策略格式、合规性等进行验证，达成共识后确认上链。

步骤3.3，对于读取数据的请求，按共享策略验证读取条件，达成共识后授权，并从链上的认证节点返回授权信息和相应的数据。

步骤四、模型推演模块40接收区块链模块30输入的水利业务数据及地形边界条件数据，利用机器学习等算法以及水文、水力学、泥沙动力、水资源、水环境、水工程安全评价等专业模型推演水利运行及治理管理活动的基本规律，得到模型推演数据，模型推演数据包括模型率定参数及模型推演结果，并将模型推演数据输入至区块链模块30。所述模型推演结果的示例是水污染扩散模拟，通过模型计算得出不同时刻不同位置的污染物浓度值。

本发明实施例以水环境模型推演为例，基于环境流体动力学模型（EnvironmentalFluid Dynamics Code，EFDC是一个公共和开源的地表水模拟系统，集成了包括一维、二维和三维的水动力、泥沙输运、物质输移、水质动态变化、沉水植物以及底泥沉积成岩等模块）三维水环境模型进行水污染扩散模拟推演，处理流程如图8，详细实施步骤描述如下：

步骤4.1，初始条件格式转换。EFDC模型对输入文件的格式有特定要求，实测和整理所得数据格式往往与模型要求格式不符，需要对气候、水文、水环境等初始条件数据进行格式转换；

步骤4.2，绘制区域边界。作为EFDC模型计算的重要输入，需要依据研究对象的计算范围绘制出区域边界。

步骤4.3，网格划分。EFDC 模型在计算前需要对计算区域进行网格划分，使网格单元大小适合模型的计算要求，每个单元为计算区域的一个子域，单元之间独立又互有联系，在利用数学公式和方程进行计算时是相对独立的，但其计算结果会作为下一个或多个单元的输入。网格划分在整个模型计算过程中起着关键作用，网格划分过于精细会造成模型运行溢出，过于粗糙会影响水动力模块的模拟过程。

步骤4.4，三维水动力水质模型构建。基于步骤4.3划分的网格，垂向分为5层（层数根据需要调整），构建三维水动力模型，通过模型参数率定及空间离散积分求解，对三维水动力模型进行验证。在验证后的三维水动力模型基础上耦合水质模型，通过模型参数率定及空间离散积分求解，再对模型进行验证之后，构建三维水动力水质模型。

步骤4.5，模型调用及后处理。基于步骤4.4，设置或修改参数后，调用 EFDC 模型进行水质模拟推演，由于EFDC 模型的输出结果是 ASCII 文件形式，复杂且不直观，需要在模型计算完成后对模型结果进行明文解析，以便后续分析应用。

步骤五、仿真模拟模块50，接收区块链模块30输入的数字场景数据及模型推演结果，利用二三维GIS、BIM、流场动态、虚拟现实技术对模型推演结果进行实时动态渲染和可视化呈现。仿真模拟过程如图9，详细实施步骤描述如下：

步骤5.1，数据解析。模型推演模块40的步骤4.5输出的模型结果是按照模型定义的格式输出，需要解析获取每个格网单元的ID、浓度值、垂向分层、经度、维度、推演时间等信息；

步骤5.2，数据重组织。三维可视化需要特定的数据结构，考虑到后续格网浓度值数据查询及展示，实施例选用三维矢量数据模型。基于步骤5.1解析的数据按原始垂向分层进行数据分层组织，不同的水深分为不同的层，不同的层也具有不同的数据量和描述水质的模拟数据。同一细节层次的数据按照“格网-块-片”的方式进行组织，其中格网是矢量数据模型的最小分区。块是基本的数据存储与访问单元，依次排列存储，在模型三维可视化时，作为渲染的基本单元，是细节层次控制的基础。片是整个区域 DEM 数据的逻辑分区并作为空间索引的基础，每一片由若干块组成；

步骤5.3，数据渲染。基于三维渲染引擎如Cesium，以 HTML5、WebGL等技术为基础，以地理信息三维交互可视服务为核心，将区块链模块30输入的数字场景数据及步骤5.2重组织的三维矢量数据进行地图瓦片渐进式、精细化渲染。

步骤5.4，动态模拟。基于步骤5.3数据渲染，引入时间维度，动态模拟不同时刻水质状态，直观生动地呈现浓度值随推演时间变化的过程。

本发明提出通过基于区块链的水利数字孪生仿真模拟方法，实现仿真模拟结果的高可信、高保真，该方法利用区块链技术将水利数字孪生建设全流程进行整合，包括：数字场景构建、智能感知、区块链、模型推演、仿真模拟，通过分布式账本，建立数据流通机制，进行数据交换与共享，保证水利数字孪生各个环节数据的安全性和可靠性。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。