大数据驱动的公共管理决策创新模式与集成示范平台

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    91846301
  • 项目类别:
    重大研究计划
  • 资助金额:
    700.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    G0411.环境与生态管理
  • 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

The traditional public management technology is hard to meet the growing demands of for a better life. Aiming at the problems and challenges of the traditional public management decision-making model in China, driven by big data, the project systematically studies the innovative model of public management decision-making and constructs the intelligent decision-making platform of public management. The specific research contents are as follows: Design of big data governance mechanism for public management with cross-sectoral sharing and resources opening, including quality evaluation mechanism, operation mechanism, and comprehensive governance mechanism of big data for public management; Research on big data analysis technology and intelligent decision-making method for public management, including correlation of big data for public management networking, mechanism modeling and evolutionary analysis, intelligent decision-making model and decision-making method; Macro-operation dynamic monitoring based on big data and practical security forecasting and pre-warning methods, including dynamic public management big data operation monitoring technology, forecasting technology and batch flow integrated processing technology; Multi-domain data aggregation and integration and the precise strategy design of public governance, including multi-domain big data integration, intelligent precise strategy design, and quantitative evaluation of public management schemes; The application of big data resource pool construction and decision-making platform for ecological environment management. All the research outputs will provide new support and foundation for public management related research and decision-making model innovation.
传统公共管理技术的滞后难以适应公众日益增长的美好生活需要,本课题针对我国传统公共管理决策模式存在的问题与挑战,系统的研究大数据驱动的公共管理决策的创新模式并构建大数据驱动的公共管理智能决策平台,具体研究内容:跨部门共享和资源开放的公共管理大数据治理机制设计,包括公共管理大数据的质量评价机制、运营机制、及综合治理机制等;面向公共管理的大数据分析技术与智能决策方法研究,包括公共管理大数据相关性及关联网络、作用机制建模及演化分析、智能决策模型及决策方法;基于大数据的宏观运行动态监测及行业安全预测预警方法研究,包括公共管理大数据运行动态监测技术、预测技术及批流一体处理技术;基于多领域数据汇聚整合的公共治理精准化策略设计,包括多领域融合集成、智能化精准策略设计、公共管理方案量化评价等;面向生态环境管理的大数据资源池构建与决策平台应用示范,为公共管理相关研究和决策模式革新提供新的支撑和依据。

结项摘要

本项目面向我国公共管理数字化转型的现实需求,以多源海量公共管理数据为基础,借助人工智能、大数据、区块链等先进信息技术不断提高公共管理水平,提炼公共管理大数据处理、分析、管理和应用的重大科学问题,系统研究相关基础理论和关键技术,集成“大数据驱动的管理与决策”重大研究计划中相关成果,构建大数据驱动的公共管理智能决策平台,并以生态环境智慧管理等为突破口,形成典型应用示范。.在理论方法方面,构建了公共管理大数据全生命流程质量评价模型、公共管理大数据运营数字立方体理论及模型、创新了公共管理大数据运营结构及效率优化方法、构建了公共管理大数据多主体协同治理机制及大数据宏、微观协同治理机制、实现了面向高维大数据的特征降维和智能决策方法、提出了面向生态环境大数据的精准分析与决策理论方法以及基于区块链的数据安全共享方法等。.在集成平台设计与构建方面,构建了集成平台原型系统,并已集成中南大学、哈尔滨工业大学、生态环境部环境规划院、湖南工商大学、国防科技大学、暨南大学、贵州大学等多家单位在生态环境、公共卫生等方面的数据。构建了计算容器的核心可信计算环境与多语言执行引擎及算法库。构建了以区块链智能合约方式管理的沙盒系统,实现了在数据可用不可见的条件下,用户对数据进行分析并获取数据计算分析结果,突破了不同政府机构、企业主体之间数据共享难题。构建了BI分析工具,通过连接数据、可视化分析、脚本编辑等方式为公共管理应用敏捷开发提供了支持。.在典型应用示范方面,将所集成的数据、模型、算法应用于冬奥会安全管理、新冠肺炎传播风险评估、监测预警和应急管控、生态环境大数据精准分析和治理决策等多个方面,和传统方法相比,预测更精准、分析更精细、决策更快速、精确,取得了非常显著的应用效果。.目前,在Nature、管理世界等国内外顶级期刊上发表论文97篇,授权发明专利34项、软件著作权14项,人才培养42名,出版专著1部。向中办、国办等提交政策建议40份。

项目成果

期刊论文数量(81)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(24)
基于证据推理的流域水质综合评价法——以湘江水质评价为例
  • DOI:
    10.18402/resci.2019.11.06
  • 发表时间:
    2019
  • 期刊:
    资源科学
  • 影响因子:
    --
  • 作者:
    胡东滨;蔡洪鹏;陈晓红;孟凡永;罗岳平;潘海婷
  • 通讯作者:
    潘海婷
A random intuitionistic fuzzy factor analysis model for complex multi-attribute large group decision-making in dynamic environments
动态环境下复杂多属性大群决策的随机直觉模糊因子分析模型
  • DOI:
    10.1007/s10700-020-09334-9
  • 发表时间:
    2020-07-17
  • 期刊:
    FUZZY OPTIMIZATION AND DECISION MAKING
  • 影响因子:
    4.7
  • 作者:
    Chen, Xiaohong;Wu, Mengjing;Zhang, Tao
  • 通讯作者:
    Zhang, Tao
Feature Selection for Classification of Microarray Gene Expression Cancers Using Bacterial Colony Optimization with Multi-dimensional Population
使用多维群体细菌菌落优化进行微阵列基因表达癌症分类的特征选择
  • DOI:
    10.1016/j.swevo.2019.04.004
  • 发表时间:
    2019
  • 期刊:
    Swarm and Evolutionary Computation (JCR Q1, IF=6.330)
  • 影响因子:
    --
  • 作者:
    Wang H.;Tan L.J.;Niu B.(牛奔)
  • 通讯作者:
    Niu B.(牛奔)
基于决策者风险偏好大数据分析的大群体应急决策方法
  • DOI:
    10.12005/orms.2019.0145
  • 发表时间:
    2019
  • 期刊:
    运筹与管理
  • 影响因子:
    --
  • 作者:
    徐选华;杨玉珊;陈晓红
  • 通讯作者:
    陈晓红
Addressing state space multicollinearity in solving an ozone pollution dynamic control problem
解决臭氧污染动态控制问题中的状态空间多重共线性
  • DOI:
    10.1016/j.ejor.2020.07.014
  • 发表时间:
    2021-03-01
  • 期刊:
    EUROPEAN JOURNAL OF OPERATIONAL RESEARCH
  • 影响因子:
    6.4
  • 作者:
    Ariyajunya, Bancha;Chen, Ying;Rosenberger, Jay
  • 通讯作者:
    Rosenberger, Jay

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

大型群组多属性决策Bayes概率修正法
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    控制与决策
  • 影响因子:
    --
  • 作者:
    马本江;徐晨;毕文杰;陈晓红
  • 通讯作者:
    陈晓红
SLM制备的Ti6Al4V轻质点阵结构多目标结构优化设计研究
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    机械工程学报
  • 影响因子:
    --
  • 作者:
    柏龙;熊飞;陈晓红;易长炎;张俊芳;陈锐
  • 通讯作者:
    陈锐
高效液相色谱/离子阱质谱快速鉴定茚满二酮类鼠药
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    卫生研究
  • 影响因子:
    --
  • 作者:
    陈晓红;蔡美强;金米聪
  • 通讯作者:
    金米聪
Optimal ordering quantities for Muti-Products with stochastic demand: Return-CVaR Model
具有随机需求的多产品最优订购数量:Return-CVaR 模型
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    International Journal of Production Economics
  • 影响因子:
    12
  • 作者:
    周艳菊;陈晓红;王宗润
  • 通讯作者:
    王宗润
半配对半监督场景下的低分辨率人脸识别
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    计算机研究与发展
  • 影响因子:
    --
  • 作者:
    周旭东;陈晓红;陈松灿
  • 通讯作者:
    陈松灿

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

陈晓红的其他基金

数字经济时代的资源环境管理理论与应用
  • 批准号:
  • 批准年份:
    2020
  • 资助金额:
    5000 万元
  • 项目类别:
面向环境管理的嵌入式服务决策支持理论与平台
  • 批准号:
    71431006
  • 批准年份:
    2014
  • 资助金额:
    260.0 万元
  • 项目类别:
    重点项目
基于元需求模型的可信软件需求获取和分析方法及工具研究
  • 批准号:
    90818014
  • 批准年份:
    2008
  • 资助金额:
    50.0 万元
  • 项目类别:
    重大研究计划
面向复杂大群体的群决策与支持平台
  • 批准号:
    70631004
  • 批准年份:
    2006
  • 资助金额:
    85.0 万元
  • 项目类别:
    重点项目
基于通用系统理论的决策支持系统的研究
  • 批准号:
    79670100
  • 批准年份:
    1996
  • 资助金额:
    7.0 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