洪水风险依然是最大威胁”“全面提高风险防控 水 平” ( 习近平 ， 2018 ） 全国洪水威胁区域分布图 研发面向数字孪生流域建设的洪涝动态演进模拟业务系统 ， 是实现国家防洪减 灾 和水利高质量发展和的关键任务 数字孪生流域建设背景 P4 2017 年 ， 习近平总书记提出要建设网络强国、 数字中国、 智慧社会 ，把“智慧社会” 复杂防洪系统调度模型库与装配式建模技术 P25 模型高效求解： 并行优化算法 结合二维有限控制体积计算的加速方法 ，与基于 CPU 和 GPU 耦合并行加速技术的一二维耦合 水 动力学模型 ，实现洪水演进的快速模拟演算 ，解决洪水模拟计算时效性的问题 P26 二维有限控制体积计算的加速方法 ，生成不同特征暴雨 - 内涝数据。 构建深度学习模型 ，实现基于降雨预报下的内涝淹没演进情况的快速模拟。 洪涝快速模拟： 基于深度学习的城市暴雨内涝时空变化快速模 拟 技术成果： 提升模拟速 度 运用 CNN 深度学习算法对 暴 雨 - 内涝数据库训练和测试 ， 实现基于实际降雨预报下的 内涝淹没演进情况的快速模 拟。 划定研究区边界 ，对现有研究区高程、 管网和土地利用等数据进行处理

数字化造价体系的发展将朝着智能化、移动化、可持续性 和全生命周期管理等方向不断前进。这将为建筑工程管理带来 更多机遇和挑战，同时也将提高项目的效率、质量和可持续性， 推动建筑行业的进步。随着技术的不断演进和创新，数字化造 价体系将在建筑工程领域发挥更为重要的作用。 5 结语 本研究旨在探讨建筑工程数字化造价体系的构建与实施 路径，以及其对建筑工程管理的影响和未来展望。通过分析数 字化造价体

模型对数据进行深度加工，源源不断产生各种智慧计算服务 通过平台开放接口的方式将行业领军企业的算法能力、数据资源及运营服务等输出 给 IT 基础薄弱的企业 • 据 OpenAI 统计， 自 2012 年以来随着深度学习模型的演进 ，模型计算所需计算量已经增长 30 万 倍， AI 模型构建所需算力呈现出阶跃式增长特点 • IDC 在《 2020H1 中国加速计算市场调查报告》指出 ，预计到 2024 年 AI 加速计算市场规模将达到

重复数据清除 流 程 阶 段 计 算 处 理 流 程 数 据 处 理 流 程 多协议融合互通 全业务演进，生态前景无忧 全流程协同，数据零拷贝 模 型 加 载 向 量 读 取 向量库 训练集数据 索引数据 业务数据 向量库 模型训练

重复数据清除 流 程 阶 段 计 算 处 理 流 程 数 据 处 理 流 程 多协议融合互通 全业务演进，生态前景无忧 全流程协同，数据零拷贝 模 型 加 载 向 量 读 取 向量库 训练集数据 索引数据 业务数据 向量库 模型训练

联网、数据元件六条技术路线，结合18个试点城市实践经验， 提炼出不同技术路线的技术特点、应用现状和突破方向，形成具有推广价值的技术框架体系研究。 展望未来，全球数据基础设施正呈现多元技术体系并行演进格局。美国以“流通+分析+交易”为一体的 平台模式，欧盟构建以共同数据空间为核心的横纵架构，中国则探索出“1目标、3类主体、4重架构、6条路 线、8大功能”的“13468”体系。我国将在此基础上 不同区域、不同行业都能公平接入高质量数 据资源，是实现人工智能广泛赋能的必要条件。 本研究报告由“数据基础设施技术路线专题研究组（WG6-SG1）”倡议成员机构共同完成，未来，将持 续跟踪技术演进、政策落地与应用成效，联合更多生态力量，为国家数据基础设施体系建设贡献力量。 结束语

时考虑溪源水库调度的影响，将水库下流量过程和区间入流过程作为一维水动力模型的 边界条件，一维水动力模型进行河道洪水演算，滚动预报河道重点防洪断面的水位与流 量过程，为预警提供依据，为预演提供驱动，即“降水-产流-汇流-演进”过程推演。 3.2.2.1.2.3 闽江侯官水闸-葛岐水闸段洪水预报模型 溪源溪小流域洪水分别从侯官水闸、厚庭水闸和葛岐水闸等 3 处汇入闽江。在利用 溪源溪小流域一维水动力模型进行河道洪水预报时，需要将