基于大数据的智慧农业气象保障关键技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    41875184
  • 项目类别：
    面上项目
  • 资助金额：
    62.0万
  • 负责人：
    王军
  • 依托单位：
    南京信息工程大学
  • 学科分类：
    D0509.大气观测、遥感和探测技术与方法
  • 结题年份：
    2022
  • 批准年份：
    2018
  • 项目状态：
    已结题
  • 起止时间：
    2019-01-01 至2022-12-31

项目摘要

High resolution satellite remote sensing data and other types of mass and heterogeneous agrometeorological data is the basis of refinement meteorological support. Complexity, veracity and emergence of agricultural meteorological support big data bring great challenges to existed microclimate prediction model. In order to deeply mine and efficiently utilize meteorological support big data, This project proposes:（1）agrometeorological support big data preprocessing algorithm based on control and correction of meteorological data to improve quality and reliability of system data;（2）correlation analysis algorithm based on subspace analysis methods to solve the problem of low efficiency of the large scale, multi variable and high dimensional agrometeorological support data analysis; （3）A time series prediction algorithm based on deep belief network is used to improve the efficiency of feature extraction of large meteorological data;（4）multi-source information fusion and meteorological support big data processing algorithm based on to solve the multi-source heterogeneous and mass meteorological data and efficient handling of data reuse difficult problem. This project is in order to provide a new idea and new theory for elucidating the wisdom agriculture meteorological support technology.
高分辨率气象卫星遥感数据等海量异构气象观测资料是精细化智慧农业气象保障的基础。农业气象保障大数据的复杂性、不确定性和涌现性为农业小气候预报模型带来巨大挑战。为深度挖掘和高效利用农业气象保障大数据，本项目提出把大数据的关键技术引入到农业气象保障业务中，本课题提出：（1）基于气象数据控制与订正的农业气象保障大数据预处理算法，提高农业气象保障数据的质量；（2）基于子空间分析方法的农业气象保障大数据相关性分析处理算法，解决大规模、多变量和高维的农业气象保障数据分析效率低下的问题；（3）基于深度信念网络的时间序列预测算法，提高气象保障大数据特征提取的效能；（4）提出基于多源信息融合的农业气象保障大数据集成技术，解决了多源异构与海量农业气象数据复用困难问题。本课题为阐明农业气象保障大数据系统相关分析、系统集成与高效处理机制提供新思路和理论。

结项摘要

高分辨率气象卫星遥感数据等海量异构气象观测资料是精细化智慧农业气象保障的基础。农业气象保障大数据的复杂性、不确定性和涌现性为农业小气候预报模型带来巨大挑战。为深度挖掘和高效利用农业气象保障大数据，本项目提出把大数据的关键技术引入到农业气象保障业务中，本课题提出：（1）农业气象保障大数据预处理算法，提高农业气象保障数据的质量；（2）农业气象保障大数据相关性分析处理算法，解决大规模、多变量和高维的农业气象保障数据分析效率低下的问题；（3）基于深度信念网络的时间序列预测算法，提高气象保障大数据特征提取的效能；（4）提出基于多源信息融合的农业气象保障大数据集成技术，解决了多元异构与海量农业气象数据复用困难问题。本课题为阐明农业气象保障大数据系统相关分析、系统集成与高效处理机制提供新思路和理论。

项目成果

期刊论文数量（9）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（1）
深度学习的轻量化神经网络结构研究综述
  • DOI：
    10.19678/j.issn.1000-3428.0060931
  • 发表时间：
    2021
  • 期刊：
    计算机工程
  • 影响因子：
    --
  • 作者：
    王军;冯孙铖;程勇
  • 通讯作者：
    程勇
混合的密度峰值聚类算法
  • DOI：
    10.11772/j.issn.1001-9081.2018061373
  • 发表时间：
    2019
  • 期刊：
    计算机应用
  • 影响因子：
    --
  • 作者：
    王军;周凯;程勇
  • 通讯作者：
    程勇
基于改进深度信念网络的农业温室温度预测方法
  • DOI：
    10.11772/j.issn.1001-9081.2018091876
  • 发表时间：
    2019
  • 期刊：
    计算机应用
  • 影响因子：
    --
  • 作者：
    周翔宇;程勇;王军
  • 通讯作者：
    王军
基于SPH方法的卫星云图三维云体仿真研究
  • DOI：
    10.16182/j.issn1004731x.joss.17-0233
  • 发表时间：
    2019
  • 期刊：
    系统仿真学报
  • 影响因子：
    --
  • 作者：
    周浩;毕硕本;贡毓成;王军;凌德泉
  • 通讯作者：
    凌德泉
Deep Learning for Object Detection: A Survey
用于目标检测的深度学习：一项调查
  • DOI：
    10.32604/csse.2021.017016
  • 发表时间：
    2021-01-01
  • 期刊：
    COMPUTER SYSTEMS SCIENCE AND ENGINEERING
  • 影响因子：
    2.2
  • 作者：
    Wang, Jun;Zhang, Tingjuan;Al-Nabhan, Najla
  • 通讯作者：
    Al-Nabhan, Najla

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

用于小动物磁感应热疗线圈的优化设计模拟
  • DOI：
    10.16289/j.cnki.1002-0837.2018.03.013
  • 发表时间：
    2018
  • 期刊：
    航天医学与医学工程
  • 影响因子：
    --
  • 作者：
    王军;逯迈;刘曦
  • 通讯作者：
    刘曦
不同灸法对免疫抑制兔免疫球蛋白浓度的变化分析
  • DOI：
    10.16766/j.cnki.issn.1674-4152.2016.12.003
  • 发表时间：
    2016
  • 期刊：
    中华全科医学
  • 影响因子：
    --
  • 作者：
    李雷勇;吴爱花;田岳凤;王军
  • 通讯作者：
    王军
双性封印木孢子叶球在内蒙古乌达煤田下二叠统太原组凝灰岩层中的发现
  • DOI：
    10.19800/j.cnki.aps.2020.02.09
  • 发表时间：
    2020
  • 期刊：
    古生物学报
  • 影响因子：
    --
  • 作者：
    万珊;王军
  • 通讯作者：
    王军
水平双向荷载耦合对饱和软黏土动力特性的影响
  • DOI：
    10.16285/j.rsm.2016.0584
  • 发表时间：
    2018
  • 期刊：
    岩土力学
  • 影响因子：
    --
  • 作者：
    胡秀青;张艳;符洪涛;陈琳;罗盼;聂勇;王军
  • 通讯作者：
    王军
偏应力比和应力主轴偏转角同时变化下饱和砂土变形特性研究
  • DOI：
    10.16285/j.rsm.2015.08.019
  • 发表时间：
    2015
  • 期刊：
    岩土力学
  • 影响因子：
    --
  • 作者：
    孙奇;董全杨;蔡袁强;王军;胡秀青
  • 通讯作者：
    胡秀青

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

王军的其他基金

面向设施农业的信息物理融合系统关键技术研究
  • 批准号：
    61373064
  • 批准年份：
    2013
  • 资助金额：
    78.0 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