基于地学大数据的城市地质灾害智能监测、模拟、管控、预警

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    U1711266
  • 项目类别：
    联合基金项目
  • 资助金额：
    500.0万
  • 负责人：
    王力哲
  • 依托单位：
    中国地质大学（武汉）
  • 学科分类：
    F02.计算机科学
  • 结题年份：
    2021
  • 批准年份：
    2017
  • 项目状态：
    已结题
  • 起止时间：
    2018-01-01 至2021-12-31

项目摘要

Urban geological disasters seriously threaten China's economic and social development. Thus important theoretical significance and application prospects have been imposed to the research on disaster warning and control..Its scientific issues are: How to organize and integrate High Performance Computers for big data of urban geological disasters? How to explore the temporal and spatial patterns by utilizing techniques of big data mining and analyzing? How to construct an Intelligent Decision Support Model for the disaster warning and control? .Based on the big data of multi-source urban geological disasters, this project is to study data models and data chain models for the geoscience big data, is to improve methods of geoscience big data mining and analyzing, is to develop numerical simulation algorithm for geological hazards with high performance and is to establish decision support system for urban geological disasters based on geoscience big data mining and high performance numerical simulation. The city of Shenzhen is to be taken as an example to carry out the study of three-dimensional geological model, big data analysis and application verification by utilizing the "Tianhe II" supercomputing platform..The innovations of this project are as follows: entity-oriented data models and object-oriented coloring PetriNet based data chain models are proposed, "non-local characteristic regularization + multi-scale mapping" based information representation models are proposed, compressive sensing based spatio-temporal fusion analysis methods are proposed, partial observed Markov Decision Processing technique based knowledge discovery methods are proposed and dynamic data driven intelligent decision support models are proposed.
城市地质灾害严重威胁着我国经济建设和社会发展，其预警、管控研究具有重要的理论意义和应用前景。存在的主要科学问题是：如何对城市地质灾害大数据进行高性能的计算机组织与集成？如何通过大数据分析与挖掘探索其演变的时空规律？最终构建预警、管控的智能决策支持模型？ .本项目基于多源城市地质灾害大数据，研究地学大数据数据模型和数据链模型，发展地学大数据分析、挖掘方法，研发地质灾害高性能数值模拟算法，建立基于地学大数据挖掘和高性能数值模拟的城市地质灾害决策支持系统模型；以深圳市为例，基于“天河二号”超算平台，开展三维地质模型、大数据分析以及应用验证。.本项目的创新点：提出了面向实体的数据模型和面向对象着色PetriNet的数据链模型，基于“非局部特征正则化+多尺度映射”的信息表征模型与基于压缩感知的时空融合分析方法，基于部分观测马尔科夫过程的的知识发现方法，以及基于动态数据驱动的智能决策支持模型。

结项摘要

项目背景：城市地质灾害严重威胁着我国经济建设和社会发展，其预警、管控研究具有重要的理论意义和应用前景。.主要研究内容：基于多源城市地质灾害大数据，研究地学大数据数据模型和数据链模型，发展地学大数据分析、挖掘方法，研发地质灾害高性能数值模拟算法，建立基于地学大数据挖掘和高性能数值模拟的城市地质灾害决策支持系统模型；以深圳市为例，基于“天河二号”超算平台，开展三维地质模型、大数据分析以及应用验证。.重要成果：面向地面沉降、滑坡、塌陷、风暴潮灾害等灾种，提出了多源地质灾害信息的面向实体的数据模型，建立了多源地质灾害监测、模拟、预警与管控的petrinet数据链模型；利用天基光学遥感数据和SAR观测数据，结合地面监测数据、互联网数据、众包数据，提出了多源融合驱动的城市地质灾害的遥感智能解译算法；研发了多源城市地质灾害“稀疏表征-基于局部信息的正则化-多尺度分析”数值融合分析方法，发展了多灾种、多要素耦合的城市地质灾害模拟及数值仿真方法，研制了城市地质灾害高性能模拟软件系统和城市地质灾害大数据可视化软件平台。.研究成果指导了深圳市地铁公司工程选址与开挖模拟，支持了深圳市和惠州市的沿海风暴潮灾害防控与评估，获国土资源科学技术二等奖（序1）、卫星导航定位科技进步二等奖（序5）。.项目共发表SCI论文50篇，北大中文核心期刊论文8篇，国际会议论文19篇，中文专著1部，英文专著2部，获批发明专利10项，软件著作权6项。ESI高被引论文2篇，一篇论文入选IEEE Transactions on Computer "feature article"；研究成果被《Asia Scientist》、《Supercomputing Asia》报导。深圳风暴潮灾害评估案例入选2020年《地球大数据支撑可持续发展目标报告》，在第75届联合国大会期间发布。.项目执行期间，王力哲教授获批国家杰出青年基金，因为由于在高效遥感数据处理、分析与应用中的杰出贡献当选IEEE fellow，由于在光学遥感数据智能处理、分析与应用中的杰出贡献，当选SPIE Fellow，由于遥感数据处理的教学、科研成果获评2020年全国高校GIS论坛“创新人物奖”。

项目成果

期刊论文数量（56）
专著数量（3）
科研奖励数量（2）
会议论文数量（18）
专利数量（9）
A photon-counting LiDAR bathymetric method based on adaptive variable ellipse filtering
基于自适应可变椭圆滤波的光子计数激光雷达测深方法
  • DOI：
    10.1016/j.rse.2021.112326
  • 发表时间：
    2021-04
  • 期刊：
    Remote Sensing of Environment
  • 影响因子：
    13.5
  • 作者：
    Yifu Chen;Yuan Le;Dongfang Zhang;Yong Wang;Lizhe Wang
  • 通讯作者：
    Lizhe Wang
Methods for Small, Weak Object Detection in Optical High-Resolution Remote Sensing Images: A survey of advances and challenges
光学高分辨率遥感图像中小弱物体检测的方法：进展与挑战调查
  • DOI：
    10.1109/mgrs.2020.3041450
  • 发表时间：
    2021-01-23
  • 期刊：
    IEEE GEOSCIENCE AND REMOTE SENSING MAGAZINE
  • 影响因子：
    14.6
  • 作者：
    Han, Wei;Chen, Jia;Yan, Jining
  • 通讯作者：
    Yan, Jining
Jo-DPMF: Differentially private matrix factorization learning through joint optimization
Jo-DPMF：通过联合优化进行差分私有矩阵分解学习
  • DOI：
    10.1016/j.ins.2018.07.070
  • 发表时间：
    2018-10-01
  • 期刊：
    INFORMATION SCIENCES
  • 影响因子：
    8.1
  • 作者：
    Zhang, Feng;Lee, Victor E.;Choo, Kim-Kwang Raymond
  • 通讯作者：
    Choo, Kim-Kwang Raymond
Urban Functional Zone Mapping With a Bibranch Neural Network via Fusing Remote Sensing and Social Sensing Data
通过融合遥感和社会感知数据，使用双分支神经网络绘制城市功能区地图
  • DOI：
    10.1109/jstars.2021.3127246
  • 发表时间：
    2021
  • 期刊：
    IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
  • 影响因子：
    5.5
  • 作者：
    Lin Mu;Lizhe Wang;Yuewei Wang;Xiaodao Chen;Wei Han
  • 通讯作者：
    Wei Han
Robust unsupervised feature selection via dual self-representation and manifold regularization
通过双重自我表示和流形正则化进行鲁棒的无监督特征选择
  • DOI：
    10.1016/j.knosys.2018.01.009
  • 发表时间：
    2018-04-01
  • 期刊：
    KNOWLEDGE-BASED SYSTEMS
  • 影响因子：
    8.8
  • 作者：
    Tang, Chang;Liu, Xinwang;Li, Wanqing
  • 通讯作者：
    Li, Wanqing

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于大数据的城市地质环境智能监管思路与方法
  • DOI：
    10.19509/j.cnki.dzkq.2020.0117
  • 发表时间：
    2020
  • 期刊：
    地质科技通报
  • 影响因子：
    --
  • 作者：
    吴冲龙;刘刚;王力哲;张志庭
  • 通讯作者：
    张志庭
DeFusionNET: Defocus Blur Detection via Recurrently Fusing and Refining Discriminative Multi-Scale Deep Features
DeFusionNET：通过反复融合和细化判别性多尺度深度特征进行散焦模糊检测
  • DOI：
    10.1109/tpami.2020.3014629
  • 发表时间：
    2020-08
  • 期刊：
    IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), CCF A类期刊长文
  • 影响因子：
    --
  • 作者：
    唐厂;刘新旺;郑晓;Wanqing Li;熊健;王力哲;Albert Y. Zomaya;Antonella Longo
  • 通讯作者：
    Antonella Longo

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

王力哲的其他基金

面向实时、精确地质灾害分析的智能卫星遥感
  • 批准号：
    42311530065
  • 批准年份：
    2023
  • 资助金额：
    10 万元
  • 项目类别：
    国际(地区)合作与交流项目
基于半盲压缩感知的时空遥感图像融合
  • 批准号：
    41571413
  • 批准年份：
    2015
  • 资助金额：
    70.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码