KGSR-WaterNet：一种基于知识的框架，通过带符号关系的建模方法实现多指标水质预测

《Journal of Water Process Engineering》：KGSR-WaterNet: A knowledge-driven framework for multi-indicator water quality prediction via signed relation modeling

　　• 经过微调的大型语言模型（LLM）提取了用于知识图谱（KG）构建的水环境五元组。• 一个包含1424个实体和3290个关系实例的KG支持预测。• D-SBERT和R-ResGAT学习领域语义和类型化图关系。• WQSim和SGF融合了符号化知识领域和数据领域的关系。• KGSR-WaterNet在七个指标上的平均R2值达到了0.8822–0.9852。

引言
水是维持生态系统功能和支撑人类社会可持续发展的关键资源。然而，随着人口增长、工业化加速以及家庭废水和农业非点源污染的增加，水污染问题日益严重，水质持续恶化，这对可持续的水域管理构成了重大挑战[1]。为了实现水环境的科学管理，作为智能水管理系统核心模块的水质预测可以为污染控制、水资源分配和生态修复提供前瞻性的技术支持[2]。
现有的水质预测方法主要包括传统模型和机器学习方法[3]。传统方法包括物理模型和统计模型。物理模型通过数学方程描述污染物的迁移和转化过程[4]、[5]、[6]。虽然它们具有很强的物理可解释性，但受到参数校准困难、复杂的建模结构、参数不确定性和高计算成本等挑战的限制[7]、[8]。统计模型，如历史平均方法、时间序列模型和卡尔曼滤波器，依赖于历史数据来建立变量之间的统计关系[9]、[10]、[11]。尽管这些方法在建模方面很有效，但由于其对线性或正态相关性的强假设，它们难以捕捉复杂的非线性动态特征。此外，将水质变化与影响因素之间的非线性关系线性化会降低模型的准确性[12]、[13]。
随着人工智能技术的发展，机器学习方法在水质预测中的应用日益增多。传统的机器学习模型，如支持向量机（SVM）、向量自回归（VAR）和极端梯度提升（XGBoost），在浓度回归和污染物分类等任务中取得了良好的效果[14]、[15]、[16]、[17]、[18]，展现出一定的稳定性和泛化能力。然而，这些模型通常依赖专家经验进行特征工程，限制了它们的表达能力和预测精度。深度学习作为机器学习的一个高级分支，如长短时记忆网络（LSTM）、门控循环单元（GRU）和卷积神经网络（CNN）[19]、[20]、[21]、[22]、[23]、[24]，可以通过构建多层神经网络自动从时间序列、水动力学和气象等多源数据中提取潜在模式，显著提高预测性能。然而，深度学习模型通常被视为“黑箱”，缺乏可解释性，难以揭示变量之间的因果关系和物理机制。
为了克服深度模型在可解释性和鲁棒性方面的局限，研究人员开始探索结合领域知识以增强建模能力[25]。现有的纯数据驱动方法往往忽视了水环境系统中变量之间的物理定律和先验知识关联[26]、[27]，在面对高维、多因素和强非线性实际情况时，它们的泛化能力和稳定性受到挑战。尽管注意力机制和图神经网络（GNNs）等方法在一定程度上提高了模型性能，但在多因素协同建模和深度语义增强方面仍存在不足。
作为结构化的语义网络，知识图谱（KG）可以系统地表示领域实体及其复杂关系[28]，并在智能问答、工业追溯和交通预测等领域取得了显著成功[29]、[30]、[31]、[32]。当与KST-GCN、kGCN和MedKG等深度学习模型集成时，知识图谱可以为预测过程提供结构化先验，从而提高预测精度和可解释性[25]、[33]。然而，现有的水环境知识图谱研究主要集中在静态语义构建任务上，如污染因果关系描述和术语分类[34]。传统的知识图谱构建还严重依赖手动定义的规则，导致知识规模有限、语义稀疏和结构僵化[35]。同时，将领域知识系统地转化为可学习的关系表示并将其有效地整合到动态预测模型中的机制仍然不足。
近年来，GPT、LLaMA和DeepSeek等大型语言模型在结构化知识提取方面表现出强大的能力[36]、[37]、[38]、[39]。通过少量样本学习或指令微调，大型语言模型可以从非结构化文本中高效提取实体及其关系，为构建高质量、广泛覆盖和高时效性的领域知识图谱提供了新的技术途径[34]、[40]。在交通和医疗保健等领域，将知识图谱与深度预测模型相结合已被证明可以提高预测精度和可解释性[25]、[32]。然而，水质预测领域仍缺乏一个能够系统整合多源异构知识并实现知识和数据协同优化的框架[41]。
同时，最新的水质预测研究逐渐向多源信息融合、动态依赖学习和基于机制的约束发展。Wang等人[42]提出了XFMNet，它通过渐进式多模态融合结合了遥感降水影像和水质时间序列数据，以表征跨站点的周期性、非平稳变化和突变。Ma等人[43]提出了RimeSG-STGNN，它结合了自适应去噪、多尺度时间序列建模和混合图学习来共同建模溶解氧的动态变化以及变量之间的依赖关系。Band等人[44]开发了RBMO-TFTNN-BiLSTM，并将其与智能优化和可解释性分析结合，以改善河流中的溶解氧预测。Yang和Xue[45]提出了PGDL-A2S，它将热量平衡方程嵌入到网络传播过程中，以实现物理机制和数据驱动学习的协同优化。Xu等人[46]提出了WT-DSE-LSTM，通过小波去噪、双重挤压-激发机制和LSTM增强了多变量特征提取和长期依赖建模。
尽管这些方法在多模态融合、动态关系建模、物理约束和时间特征提取方面取得了重要进展，但它们的知识来源主要限于监测数据、预定义的物理方程或手动指定的变量关系。它们尚未充分利用文献、标准文档和百科资源中包含的大规模水环境语义知识。因此，有必要探索一种知识-数据协同建模框架，该框架整合了基于大型语言模型的知识提取、知识图谱表示学习和深度时间序列预测，从而进一步发挥领域知识在多指标水质预测中的指导作用。
与现有的将知识嵌入作为辅助特征或使用固定邻接矩阵或静态约束的知识增强预测方法不同，本研究的核心创新是一种连续的建模机制，包括知识-关系转换、知识-数据关系融合和基于符号关系的时间更新。该机制将非结构化的水环境知识转化为具有促进性和抑制性的指标关系，并允许这些关系直接参与时间记忆更新，而不仅仅是结合现有模块。
为了解决上述问题，本文提出了KGSR-WaterNet，这是一种基于知识驱动的多指标水质预测框架，通过符号关系建模实现，其主要贡献如下：
(1) 我们提出了KGSR-WaterNet，其主要方法创新在于将文本领域知识连续转换为直接参与时间状态更新的符号关系。该框架通过领域特定语义表示和关系感知图学习实现了水环境知识与数据驱动模型的深度集成。
(2) 我们引入了D-SBERT和R-ResGAT模块，将领域特定语义信息和多种类型的知识关系纳入图表示学习过程，从而有效地建模水质指标之间的复杂环境机制关系。
(3) 我们提出了WQSim和SGF方法，分别从动态水质相似性和符号关系融合的角度优化了知识领域与数据领域之间的关联建模，解决了基于传统相关性的融合方法在处理负相关性时的困难。
(4) 我们提出了改进的CNN–SR-LSTM–Attention预测网络，通过符号关系门控机制将指标间的促进性和抑制效应嵌入到时间序列预测过程中，从而提高了多指标水质预测性能和环境可解释性。

总体模型架构
本文提出了KGSR-WaterNet，这是一种基于知识驱动的多指标水质预测框架，通过符号关系建模实现，其整体工作流程如图1所示。首先，使用经过微调的大型语言模型从领域文献、标准文档和百科资源中提取水环境知识，并使用得到的结构化五元组构建水环境知识图谱。其次，引入了领域增强型句子BERT（D-SBERT）...

研究数据
为了验证所提出的KGSR-WaterNet模型在实际水质预测任务中的有效性，本研究选择了2023年中国华北段官厅水库的高频水质监测数据。经过数据筛选和处理后，选择了七个水质参数作为输入变量，包括：水温（WT）、pH值、溶解氧（DO）、高锰酸指数（CODMn）、总氮（TN）、电导率（EC）和浊度...

泛化实验
为了评估不同水体和时间分布的泛化能力，使用了2024-2025年间密云水库的水质监测数据作为独立数据集。所有模型都在此数据集上独立训练和评估；因此，表7中的结果与之前官厅水库实验的结果不同。KGSR-WaterNet分别与XFMNet、ChatGPT-EK-TabNet、RimeSG-STGNN、RBMO-TFTNN-BiLSTM、PGDL-A2S、WT-DSE-LSTM、VBAED和SMDF2进行了比较...

结论
本研究开发了KGSR-WaterNet，这是一种基于知识的框架，它将文本水环境知识连续转换为符号指标关系，将这些关系与数据衍生的依赖性融合，并将促进性和抑制效应直接纳入时间状态更新中。实验结果表明，领域语义表示、关系感知图学习、符号自适应融合和关系门控时间建模提供了互补性...

CRediT作者贡献声明
Bu向锋：撰写——原始草稿，可视化，验证，资源收集，调查，形式分析，概念化。王莉：撰写——审阅与编辑，监督，资源管理，项目协调，资金获取。赵志遥：监督，资金获取。徐志平：监督。王晓艺：监督。陈亚飞：数据管理。

资助
本工作得到了北京优秀人才培养与支持青年顶尖团队项目（2018000026833TD01）和中国国家社会科学基金（19BGL184）的支持。

利益冲突声明
作者声明没有已知的财务利益或个人关系可能影响本文报告的工作。