智慧水利“四预”技术体系：预报、预警、预演、预案如何落地

智慧水利里讲“四预”，最容易被误解成四个并列功能：预报、预警、预演、预案，各做一个模块，页面上放四个入口，验收时逐个演示。这样做当然也能形成系统界面，但离真正能用还有一段距离。

在防洪、水资源调度、水库安全度汛、山洪灾害防御这些场景里，“四预”不是四个按钮，而是一条从信息进入到行动落地的业务链。预报负责把未来一段时间可能发生什么说清楚；预警负责把风险对象、风险等级和影响范围说清楚；预演负责把不同处置方案的后果跑出来；预案负责把推演结果变成可执行的工程措施、非工程措施和责任安排。

水利部相关公开材料和行业研究都把“四预”放在数字孪生水利体系中讨论，原因也在这里：只有数据底板、专业模型、工程对象、调度规则和组织流程连起来，预报、预警、预演、预案才会形成闭环。¹如果前面只做数据展示，后面只挂一个 PDF 预案，系统很难在真正汛情、旱情或突发事件中起作用。

所以，讨论“四预”落地，不能只问平台有没有模型、有没有大屏、有没有三维流域。更关键的问题是：数据是否足够可信，模型是否能支撑业务判断，预警能不能到责任人，预演结果能不能被调度会商采纳，预案能不能在现场执行并反馈。少了这些，系统看上去很完整，实际仍然停留在“看水情”的层面。

一、预报：不是简单看天气，而是把水安全要素提前算出来

预报是“四预”的起点。没有预报，后面的预警、预演和预案都只能被动响应。水利场景里的预报也不是简单读取天气预报，它要把降雨、水位、流量、径流、土壤墒情、库容、闸泵状态、河道行洪能力等要素放在一起计算。

官方科普材料对预报的解释很明确：预报通过一系列数学模型方法，对降水、水位、流量、径流量、地下水位、墒情、泥沙、冰情、水质、淹没影响等水安全要素进行预测预报，为后续防汛工作争取时间。¹这句话放到项目里看，重点不是“模型”两个字，而是“水安全要素”。系统要预报的不是一个孤立数字，而是可能影响调度和防御的状态变化。

比如一场强降雨来临前，平台不能只显示未来 24 小时降雨量。它还要判断雨会落在哪些汇水区，上游来水多久到达关键断面，相关水库还有多少调蓄空间，河道水位会不会接近警戒，山洪沟道是否存在短历时暴涨风险。对水资源调度来说，预报还要看来水、蓄水、需水、取水、生态流量和供水工程能力之间的关系。

这一层最考验数据质量。雨量站、水位站、流量站、视频、雷达、遥感、闸泵工情、取用水监测数据都可能进入预报体系。任何一个关键数据源不稳定，都会影响模型输入。很多项目上线后预报不好用，不一定是算法太弱，常见原因反而是站点缺测、数据延迟、口径不统一、历史资料不完整、工程对象台账不准。

因此，预报模块建设不能只盯着模型名称。更务实的做法，是先把预报对象、时间尺度、空间尺度和业务输出定义清楚：是面向流域防洪，还是水库调度；是要小时级滚动预报，还是旬月尺度水资源研判；是给值班人员看，还是进入调度会商。对象不同，数据和模型组合就不同。

二、预警：不是“弹窗提醒”，而是把风险叫到人

预警很容易被做成颜色变化和弹窗提示。水位超阈值变红，雨量超过阈值弹出告警，设备离线进入列表。这样的机制是必要的，但还远远不够。

真正有用的预警至少要回答四个问题：什么风险、影响哪里、严重到什么程度、谁必须马上处理。国务院部门信息中提到，山洪灾害防御要动态调整预警阈值，运用监测预警系统及时发布预警信息，落实临灾预警“叫应”措施，并开展转移避险应急演练。²这里的“叫应”很关键，预警不能停在屏幕上，必须到达责任链条。

以山洪灾害为例，同样是降雨超限，发生在不同地形、不同前期土壤含水状态、不同沟道条件、不同人口暴露区域，风险等级并不一样。系统如果只按固定雨量阈值预警，就会出现两类问题：该提醒的提醒不够早，不该提醒的频繁扰动。预警做得越粗，基层越容易产生疲劳感。

更合理的预警体系，要把阈值、模型和责任对象结合起来。阈值负责快速触发，模型负责判断趋势和影响范围，责任对象负责处置动作。预警信息也不应该只写“某站点超限”，而要尽量说明风险点位、影响村庄或工程、建议动作、响应时限、反馈入口。这样一来，预警才从技术信号变成管理指令。

在水资源管理场景里，预警也不只是洪水风险。取用水超计划、超许可、超定额，区域用水接近红线，水库蓄水低于调度控制要求，生态流量不能满足控制指标，水质指标异常，供水管网压力异常，都可以形成不同类型的预警。行业论文在讨论水资源管理“四预”时，就把取用水、水质、生态流量、公共供水管网等纳入预警对象。⁴

三、预演：不是播放洪水动画，而是比较方案后果

预演是“四预”里最容易被做漂亮、也最容易被做空的一环。三维流域、洪水漫溢、淹没范围、粒子动画，这些表达能帮助人理解风险，但预演的价值不在动画本身，而在方案比较。

一场洪水过程来了，调度人员真正关心的是：水库提前泄还是晚一点泄，哪个断面压力会变大；某个闸门开度调整以后，下游水位变化多少；某段堤防薄弱时，哪些区域需要提前布防；如果人员转移提前 2 小时启动，影响范围和资源需求有什么变化。预演要回答的是“如果这样做，会怎样”。

黄河网关于大汶河防洪“四预”系统的报道提到，系统围绕精准化预报、智能化预警、高效化预演、科学化预案建设，在主汛期前上线运行，并强调多源数据融合、模型算法优化和动态风险模拟。³这类案例说明，预演不是孤立模块，它必须吃进前面的预报成果，同时服务后面的预案制定。

要做好预演，至少需要三类能力。第一类是数字底板，包括河湖水系、地形地貌、工程设施、管理对象和保护对象。第二类是专业模型，包括水文模型、水动力模型、洪水演进模型、水库调度模型、水资源配置模型等。第三类是规则和约束，包括调度规程、防洪限制水位、工程运行边界、责任区划、转移路线、物资能力。

很多预演系统的问题，出在“模型能跑，但业务不能用”。比如模型输出了淹没范围，却没有关联到村庄、道路、学校、医院、泵站、变电设施和责任人；模型推演了水位过程，却没有给出调度措施对比；模型结果很好看，却没有进入会商流程。这样的预演只能用于展示，难以支撑决策。

四、预案：不是上传文档，而是把动作拆到工程和责任人

预案是“四预”的落脚点。没有预案，预报、预警、预演都可能停在“知道风险”的阶段。水利业务最怕只知道情况紧急，却不知道谁去做、做什么、什么时候反馈、反馈以后如何调整。

官方科普对预案的表述是：依据预演确定的方案，考虑实际工程和社会情况，制定工程和非工程措施，落实各方责任，确保预案可操作。¹这里有三个关键词：实际工程、社会情况、各方责任。预案不是模型自动生成的一段文字，而是要落到闸门、泵站、水库、堤防、巡查队伍、物资、人员转移和信息报送。

工程措施比较直观，比如水库调度、闸门启闭、泵站运行、堤防巡查、险工险段加固、分洪滞洪准备。非工程措施同样重要，包括值班值守、会商研判、预警叫应、交通管制、人员转移、物资调拨、应急通信、舆情发布。一个预案如果只写原则，没有责任单位、触发条件、执行顺序和反馈机制，现场很难照着做。

行业研究在水资源管理“四预”框架里特别强调，预案执行后还要实时跟踪来水、需水、工程运行状态、调度结果和用水户情况，并根据反馈信息修正方案，事后还要做评估和知识沉淀。⁴这也是很多系统容易忽略的一点：预案不是一次性文本，而是可以被执行、跟踪、复盘和迭代的业务对象。

中科复兴参与水利“四预”相关建设时，比较关注的正是这条闭环：预报结果进入预警研判，预警触发预演，预演支持方案比选，方案再拆解为预案任务，并在处置后回流为复盘数据。⁵系统做得再复杂，最后仍要落回一个朴素问题：责任人能不能据此行动。

五、数据底座：四预落地首先卡在“算据”

水利信息化讲“算据、算法、算力”，其中最容易被低估的是算据。算力可以买，算法可以迭代，但算据往往要靠长期治理。智慧水利项目一旦进入实战，很多问题都会回到数据底座：测站是否覆盖关键区域，水位流量关系是否可靠，工程台账是否准确，历史洪水资料是否完整，遥感和地形数据是否足够新。

蔡阳等人在关于智慧水利体系的文章中提到，到 2020 年底，我国水利综合采集体系已形成 43.36 万处点，全国水利一张图正式发布并得到应用，同时也指出中小河流监测设施、堤防和中小水库安全监测、模型能力等方面仍存在短板。⁶这段信息对项目建设很有启发：水利数字化基础并不是从零开始，但不同区域、不同对象之间差异很大。

从落地角度看，数据底座至少要覆盖五类内容。第一是基础空间数据，包括行政区划、河湖水系、地形地貌、影像、三维场景。第二是工程对象数据，包括水库、堤防、闸站、泵站、涵洞、取水口、供水工程、灌区工程等。第三是动态监测数据，包括雨水情、工情、墒情、水质、视频、遥感、取用水在线监测。第四是业务管理数据，包括调度规则、巡查记录、隐患台账、预案、责任人、物资队伍。第五是历史资料，包括典型洪水、历史调度、灾情损失、工程运行记录。

这些数据不能只是汇聚到库里，还要形成可用的对象关系。一个水库要关联上游来水、下游影响断面、调度规程、防洪库容、责任单位和历史调度记录；一个山洪沟道要关联雨量站、危险区、转移路线、责任人和预警阈值；一个取水户要关联取水许可、实时取水量、用水计划和超限规则。只有对象关系清楚，预警和预案才不会断在系统里。

六、模型体系：别把所有问题都交给一个“大模型”

智慧水利当然会用到人工智能，但“四预”不能把所有问题都交给一个通用大模型。水利业务有很强的专业约束，很多结果需要可解释、可复核、可追责。水文、水动力、调度、供需平衡、风险评估、知识规则，各自承担不同任务。

预报侧常见的是降雨径流模型、分布式水文模型、水位流量关系模型、需水预测模型。预演侧常见的是一维或二维水动力模型、洪水演进模型、水库群联合调度模型、水资源配置模型。预警侧需要阈值规则、风险分级模型、影响范围分析和对象关联。预案侧则更依赖知识库、规则库、流程引擎和任务编排。

新华社关于淮河流域数字孪生水利体系建设的报道提到，淮河流域初步建成覆盖重点防洪区域的防洪“四预”系统，投入无人机应用系统、视频级联集控平台，接入约 50 个工程节点实时视频监控信息，研发精细化水文水动力耦合模型，并推进“天空地水工”一体化监测感知能力建设。⁷这类信息说明，成熟的“四预”不是单点算法，而是感知、模型、工程节点和业务应用协同。

大模型更适合放在辅助环节，比如资料检索、会商纪要生成、预案文本辅助编写、历史案例问答、运维知识检索、异常解释建议等。它可以提高人员效率，但不能替代专业模型直接给出不可复核的调度结论。特别是在防洪调度、人员转移、工程控制这类高风险场景里，模型输出必须能回到水文依据、工程约束和责任流程。

七、落地难点：真正难的是把系统放进值班和会商

很多“四预”项目建设初期，技术路线看起来都差不多：感知接入、数据治理、模型平台、数字孪生场景、业务应用、移动端、指挥大屏。差距往往出现在上线以后。系统有没有被值班人员打开，有没有进入会商材料，有没有影响调度决策，有没有在汛后复盘中留下记录，才是更真实的分水岭。

第一个难点是数据维护。测站离线、设备故障、工程变更、台账过期、责任人调整，都需要有人维护。没有运维机制，“四预”平台会很快变成“半可信系统”。

第二个难点是模型校准。水文水动力模型不是部署后就永远准确，必须用历史过程、实测资料和实战结果不断校正。一次洪水过后，预报误差在哪里、预警是否提前、预演结果是否偏大或偏小、预案执行是否顺畅，都应该回到模型和规则里。

第三个难点是组织协同。水利业务涉及流域管理、地方水利部门、工程管理单位、应急、住建、自然资源、气象等多方数据和职责。如果预警发出后没有清晰的责任边界和反馈通道，平台很难形成闭环。

第四个难点是实战演练。预案写得再完整，如果没有演练，就不知道联系人是否有效、路线是否可行、物资是否到位、移动端是否好用、现场反馈是否及时。系统建设要把演练和复盘纳入常态，而不是只在验收时演示一次。

八、一套可执行的建设路径

如果把“四预”建设拆开看，可以按“先底座、再场景、后闭环”的节奏推进。

第一步，确定主场景和业务边界

不要一开始就把防洪、水资源、水库、河湖、灌区、供水、水土保持全部纳入同一套深度建设。可以先选最迫切的场景，比如流域防洪、水库安全度汛、山洪灾害防御或水资源调度。场景明确，数据、模型和责任链才容易做实。

第二步，建立对象库和数据底板

把河流、水库、堤防、闸站、泵站、测站、危险区、取水户、供水工程、责任人等对象统一编码，建立空间关系、工程关系和业务关系。没有对象库，预警就很难精准到点、到人、到措施。

第三步，围绕场景配置模型体系

防洪场景重点做降雨径流、洪水演进、水库调度和淹没分析；水资源场景重点做来水预测、需水预测、供需平衡和调配方案；水库安全场景重点做雨水情、工情、库容、调度规则和下游影响分析。模型不要贪多，先保证能解释业务。

第四步，把预警和预案接入工作流

预警要有触发规则、责任对象、通知方式、确认机制和反馈时限。预案要能拆成任务，能跟踪执行状态，能在处置后回填结果。系统如果不能进入值班、会商、调度、处置和复盘，就算不上真正落地。

第五步，建立汛后复盘和模型迭代机制

每次典型过程结束后，都要复盘预报是否准确、预警是否及时、预演是否可信、预案是否可执行。把复盘结果变成阈值调整、模型校准、预案修订和责任链优化，这套系统才会越用越准。

结语：四预的价值在于把“提前知道”变成“提前行动”

智慧水利“四预”不是一套用来展示技术先进性的概念，而是一套把水利风险提前识别、提前研判、提前推演、提前处置的工作体系。预报解决看趋势，预警解决叫到人，预演解决比方案，预案解决能执行。

真正能落地的“四预”平台，往往不是功能最多的系统，而是数据可信、模型可解释、流程能闭环、责任能落地的系统。它既要有数字孪生流域、专业模型和多源感知，也要有值班会商、工程调度、人员转移、任务反馈和汛后复盘。

最后检验“四预”的，不是屏幕上有多少图层，也不是模型名字有多复杂，而是在关键时刻能不能多争取一点时间、少一点误判，让预警跑在灾害前面，让调度跑在风险前面。

FAQ

1. 智慧水利“四预”具体指什么？

智慧水利“四预”指预报、预警、预演、预案。预报是对降雨、水位、流量、径流、库容、需水等水安全要素进行预测；预警是根据阈值、模型和影响范围识别风险并通知责任对象；预演是在数字孪生流域和专业模型中模拟不同情景、不同调度方案的结果；预案是把推演结果转化为工程措施、非工程措施和责任安排。

四者不是并列摆放的功能模块，而是层层递进的业务链。预报为预警提供依据，预警触发预演，预演支撑方案比选，预案负责把方案落到行动、责任人和反馈机制上。

2. “四预”和数字孪生水利是什么关系？

数字孪生水利可以理解为“四预”的重要技术底座。它通过数字底板、监测感知、数据治理、专业模型和业务应用，把现实流域、水利工程和管理对象映射到数字空间。没有数字孪生底座，预演和预案往往只能停留在经验判断或静态文档层面。

但数字孪生本身不是目标。真正的目标是支撑防洪调度、水资源配置、水库安全度汛、山洪灾害防御等业务。只有数字孪生平台能支撑预报、预警、预演、预案闭环，才算进入智慧水利的核心业务。

3. 建设“四预”平台最关键的数据有哪些？

关键数据通常包括基础空间数据、工程对象数据、动态监测数据、业务管理数据和历史资料。基础空间数据包括河湖水系、地形地貌、影像、三维场景；工程对象数据包括水库、闸站、泵站、堤防、取水口、供水工程；动态监测数据包括雨水情、工情、墒情、水质、视频、遥感和取用水在线监测。

业务管理数据同样重要，比如调度规程、预案、责任人、巡查记录、隐患台账、物资队伍。历史资料则用于模型校准和复盘，包括典型洪水、历史调度、灾情损失和工程运行记录。数据越能形成对象关系，平台越容易把预警和预案做实。

4. 水利“四预”平台需要哪些模型？

不同业务场景需要不同模型。防洪场景通常需要降雨径流模型、水文预报模型、水动力模型、洪水演进模型、水库调度模型和淹没分析模型；水资源调度场景需要来水预测、需水预测、供需平衡、水资源配置和调配优化模型；山洪灾害防御还需要短临降雨、沟道汇流、危险区影响分析和预警阈值模型。

除了专业模型，还需要规则库和知识库来支撑预案生成、责任匹配、任务派发和复盘。大模型可以用于辅助检索、文本生成和知识问答，但高风险调度结论仍应基于可解释、可复核的专业模型和业务规则。

5. “四预”平台为什么不能只做大屏展示？

大屏展示能提高理解效率，但不能替代业务闭环。水利风险处置需要知道风险在哪里、影响谁、应该采取什么措施、谁负责执行、执行结果如何反馈。如果平台只展示雨量、水位和三维场景，却不能进入值班、会商、调度、处置和复盘流程，就很难在实战中发挥作用。

真正有效的“四预”平台，要能把预警信息送达到责任人，把预演结果转成方案比选，把预案拆成任务，并在处置后形成反馈和复盘。展示层只是入口，闭环能力才是核心。

6. “四预”平台上线后如何评价是否好用？

可以从几个业务指标评价：预报准确率、预警提前量、预警有效率、责任人确认率、预案任务闭环率、平均响应时长、模型校准频率、汛后复盘完成率、数据在线率和台账准确率。相比“接入多少数据、建设多少页面”，这些指标更能反映系统是否真正进入业务。

如果平台上线后只在汇报时使用，说明还停留在展示层；如果值班人员、会商人员、工程管理单位和基层责任人都能围绕平台开展工作，说明“四预”开始真正落地。

7. 中小流域或县域水利项目适合怎么建设“四预”？

中小流域和县域项目不宜一开始追求大而全。更现实的做法是先围绕高风险场景建设，比如山洪灾害防御、小型水库安全度汛、重点河道洪水预警、城区防洪排涝或取用水监管。先把关键测站、重点工程、危险区、责任人和预案任务建准，再逐步扩展模型和应用。

建设顺序上，可以先做对象库和数据底板，再接入雨水情、视频和工程运行数据，随后配置预警规则和基础模型，最后把预案任务、叫应机制、移动端反馈和复盘流程接进去。这样投入更可控，也更容易形成实际效果。