[发明专利]基于多源大数据的时空过程智能分析挖掘方法与系统

说明书

本发明公开了一种基于多源大数据的时空过程智能分析挖掘方法与系统，包括以下步骤：(1)访问普通用户界面，触发注册和登录后通过安全认证和授权可访问管理员主界面；(2)选择内置时空过程模型或上传新模型，提供模型参数配置和在线建模功能；(3)依据多源大数据的上传、查询与分析，选择模型适用的多源数据集；(4)根据时空过程模型和多源数据集，对时空过程分析挖掘任务进行分布式计算；(5)时空过程产品展示。本发明时空过程分析挖掘涉及的模型和数据使用多源数据库适配和分布式文件系统进行管理，同时模型共享通过网络处理服务实现即插即用。

技术领域

本发明属于地理信息分析挖掘和地理智能技术领域，特别涉及一种基于多源大数据的时空过程智能分析挖掘方法与系统。

背景技术

时空过程主要指地理现象在时间进程上的变化与空间范围内的分布特征，例如台风、洪涝和自然疾病的传播在时间和空间上的演变规律。这种规律涉及到地理现象的物理成因和复杂要素的影响，也为时空过程的动态分析挖掘提出了挑战^[1]。

基于大数据的智能分析挖掘方法和系统是科学数据分析挖掘研究的热点，地理现象时空过程的分析挖掘也逐渐转向时空过程深度学习和分布式计算阶段^[2]。多家科研院校和企业对此提出解决方案：ESRI公司的ArcGIS Pro具有强大的空间分析功能，并新增了通用的神经网络算法来分析时空数据；国家地球系统科学数据中心研发的OpenGMS为地理分析模型研究共享建模和模拟资源；京东城市时空数据引擎采用了预置的时空挖掘算法和分布式GIS引擎。

然而内置时空大数据智能分析挖掘方法主要分析挖掘静态对象的时空分布而缺乏动态时空过程分析挖掘的能力。此外，受到遥感影像等地理数据的时间限制，时空过程的应急监测和短期预测依然没有较好的解决方案。

文中涉及如下参考文献：

[1]薛存金,苏奋振,何亚文.过程——一种地理时空动态分析的新视角[J].地球科学进展,2022,37(01):65-79.

[2]Reichstein M,Camps-Valls G,Stevens B,et al.Deep learning andprocess understanding for data-driven Earth system science[J].Nature,2019,566(7743):195.

发明内容

针对现阶段动态对象时空过程分析挖掘不足和时空连续性较差的问题，围绕基于多源数据的时空过程分析挖掘展开研究，本发明提出了一种基于多源大数据的时空过程智能分析挖掘方法与系统，使用高精度的多源数据集来弥补时间分辨率的不足，引入深度解析时空过程的神经网络模型实现动态对象的计算，并采用分布式计算框架提高分析挖掘效率。

本发明提供的一种基于多源大数据的时空过程智能分析挖掘方法，方法执行流程如图1，主要包括以下步骤：

步骤1：访问普通用户界面，触发注册和登录后通过安全认证和授权可访问管理员主界面。普通用户界面仅有查询和分析时空过程数据和产品的功能，管理员界面可使用全部功能。

步骤2：选择内置时空过程模型或上传新模型，提供模型参数配置功能。时空过程模型包括模型构建、模型优化和模型敏感性分析，开放数据集输入接口。模型文件通过网络处理服务发布共享以实现即插即用。模型参数如学习率、最大迭代次数等可以在线修改。

步骤3：依据多源大数据的上传、查询与分析结果，选择模型适用的多源数据集。

步骤4：将步骤3获得的多源数据集输入步骤2的时空过程模型进行训练，添加增量学习模型训练功能，对时空过程分析挖掘任务进行分布式计算，获取实时计算状态，存储计算得到的时空过程产品和产品信息。

步骤5：将计算得到的时空过程产品进行二维和三维展示。