基于大數(shù)據(jù)融合的氣象災(zāi)害應(yīng)急管理研究的中期檢查報(bào)告

一、研究進(jìn)展情況

主要內(nèi)容：

①研究計(jì)劃總體執(zhí)行情況及各子課題進(jìn)展情況；

研究計(jì)劃總體執(zhí)行情況

本項(xiàng)目自啟動(dòng)以來，積極組織相關(guān)領(lǐng)域?qū)＜医M建研究團(tuán)隊(duì)，成立子課題組，嚴(yán)格按照研究計(jì)劃、內(nèi)容分工扎實(shí)推進(jìn)各子課題研究，定期召開課題研究成果匯報(bào)，調(diào)整方向和進(jìn)度。具體進(jìn)展情況如下：

子課題1：氣象災(zāi)害大數(shù)據(jù)的本體構(gòu)建研究進(jìn)展

目前本子課題已經(jīng)完成60%。

1）在分析現(xiàn)有領(lǐng)域本體構(gòu)建方法的基礎(chǔ)上，提出了一種基于形式概念分析（FCA）的領(lǐng)域本體構(gòu)建方法。該方法主要包括數(shù)據(jù)預(yù)處理、對象-屬性矩陣分析、概念格創(chuàng)建、概念語義相似度分析和本體構(gòu)建幾個(gè)步驟。

2）以氣象災(zāi)害大數(shù)據(jù)為檢索對象，設(shè)計(jì)了基于氣象災(zāi)害本體的氣象災(zāi)害大數(shù)據(jù)語義檢索模型。模型首先對當(dāng)前流行的同義詞集WordNet和本體庫SUMO進(jìn)行擴(kuò)展和融合，形成涵蓋同義詞集與本體概念之間相互映射關(guān)系的同義詞集——概念索引庫。然后融合氣象災(zāi)害本體對氣象災(zāi)害領(lǐng)域主題概念及其之間語義關(guān)系的明確定義，對用戶檢索詞進(jìn)行本體概念匹配和語義擴(kuò)展（如：將用戶檢索詞擴(kuò)展為本體概念+概念同義詞+概念上下位詞+概念屬性），形成擴(kuò)展的語義檢索式，然后檢索氣象災(zāi)害大數(shù)據(jù)，從而獲取更精確、更全面的氣象災(zāi)害數(shù)據(jù)，用于后續(xù)分析。同時(shí)課題以“臺風(fēng)莫蘭蒂”作為本體語義擴(kuò)展檢索實(shí)驗(yàn)，比較分析了“臺風(fēng)莫蘭蒂”及其語義擴(kuò)展檢索式“2016 and（莫蘭蒂 臺風(fēng) 風(fēng)暴 暴雨 狂風(fēng) 洪水 洪澇）and (福建 廈門 翔安 福州 閩南)”的檢索性能。實(shí)驗(yàn)發(fā)現(xiàn)，語義擴(kuò)展檢索式檢索結(jié)果準(zhǔn)確率更好，達(dá)到80%。

3）融合Web of Science和中國知網(wǎng)中“大數(shù)據(jù)”研究文獻(xiàn)數(shù)據(jù)，借助CiteSpaceII可視化分析軟件繪制出國內(nèi)外大數(shù)據(jù)領(lǐng)域的科學(xué)知識圖譜——作者、國家和機(jī)構(gòu)的科研合作網(wǎng)絡(luò)，關(guān)鍵詞共現(xiàn)聚類網(wǎng)絡(luò)，文獻(xiàn)共被引聚類網(wǎng)絡(luò)，揭示出國內(nèi)外大數(shù)據(jù)研究概貌。研究發(fā)現(xiàn)，國內(nèi)大數(shù)據(jù)方面科研社區(qū)較多，但規(guī)模較小，而國際大數(shù)據(jù)科研社區(qū)較少，但規(guī)模較大，規(guī)模最大研究社區(qū)，達(dá)到30多人。國家和機(jī)構(gòu)之間的科研合作極少，國際TOP30科研機(jī)構(gòu)中，大部分為美國高校，中國機(jī)構(gòu)較少。國內(nèi)外大數(shù)據(jù)研究涉及的熱點(diǎn)主要有：基于大數(shù)據(jù)的云計(jì)算；基于MapReduce和Hadoop的海量數(shù)據(jù)分布式處理研究；大數(shù)據(jù)在數(shù)據(jù)挖掘、社會網(wǎng)絡(luò)、互聯(lián)網(wǎng)金融、識別與預(yù)測等領(lǐng)域的應(yīng)用研究。而國內(nèi)涉及較少的研究熱點(diǎn)有：大數(shù)據(jù)模型和算法研究、大數(shù)據(jù)分類研究和大數(shù)據(jù)相關(guān)系統(tǒng)研究。

4）以暴雨災(zāi)害為主題，基于FCA方法構(gòu)建了若干具體的全局和局部本體（如暴雨災(zāi)害本體、次生災(zāi)害本體和災(zāi)害管理本體等），并分別使用基于單目標(biāo)優(yōu)化的模擬退火算法、禁忌搜索算法和基于多目標(biāo)優(yōu)化的網(wǎng)絡(luò)空間進(jìn)化算法、多目標(biāo)蟻群算法進(jìn)行網(wǎng)絡(luò)空間主題爬蟲，以獲取網(wǎng)絡(luò)空間氣象災(zāi)害大數(shù)據(jù)的相關(guān)非結(jié)構(gòu)化和半結(jié)構(gòu)化的數(shù)據(jù)和資料。實(shí)驗(yàn)結(jié)果表明，通過采用本體技術(shù)的多目標(biāo)主題爬蟲方法的爬準(zhǔn)率較其他網(wǎng)絡(luò)爬蟲方法效果更佳。

子課題2：氣象災(zāi)害大數(shù)據(jù)的融合研究進(jìn)展

目前本子課題已經(jīng)完成70%。

1）采用加權(quán)雙線性等計(jì)算方法，將社會統(tǒng)計(jì)數(shù)據(jù)分配到一定尺度的規(guī)則地理柵格上，通過非空間屬性大數(shù)據(jù)的網(wǎng)格化，實(shí)現(xiàn)了多源數(shù)據(jù)的分解與融合，以便與環(huán)境、地形等數(shù)據(jù)綜合使用，實(shí)現(xiàn)大數(shù)據(jù)的融合分析。

2）采用雙線性插值法，將各種硬（軟）數(shù)據(jù)統(tǒng)一到等經(jīng)緯度格點(diǎn)上，然后再求解加權(quán)最小成本目標(biāo)函數(shù)。該算法由研究區(qū)域范圍內(nèi)各個(gè)格點(diǎn)的硬（軟）數(shù)據(jù)與待求解的理想結(jié)果之差的平方和，以及待求解的融合結(jié)果矢量的二階導(dǎo)數(shù)組成。

3）借鑒FGDC地理空間數(shù)據(jù)內(nèi)容標(biāo)準(zhǔn)（CSDGM）V.2.0和ISO 地理信息（CD 2.0）理念，采用ArcGIS 軟件提供的坐標(biāo)轉(zhuǎn)換功能實(shí)現(xiàn)數(shù)據(jù)坐標(biāo)系統(tǒng)的歸一化，具體包括社會統(tǒng)計(jì)數(shù)據(jù)的網(wǎng)格化、矢量化的空間配準(zhǔn)與已有矢量數(shù)據(jù)的坐標(biāo)轉(zhuǎn)換，以及衛(wèi)星資料投影轉(zhuǎn)換；在氣象災(zāi)害本體知識庫基礎(chǔ)上開發(fā)面向應(yīng)用的本體知識管理引擎，為業(yè)務(wù)運(yùn)行所需的聯(lián)合查詢、抽取和轉(zhuǎn)換提供解析服務(wù)。

子課題3：氣象災(zāi)害大數(shù)據(jù)的降維與災(zāi)害識別研究進(jìn)展

目前本子課題已經(jīng)完成60%。

1）針對超高維數(shù)據(jù)，提出一種穩(wěn)健的，無模型假設(shè)的，基于區(qū)間分位數(shù)的超高維特征篩選方法，從理論上和數(shù)值模擬上驗(yàn)證了所提出方法的優(yōu)良性質(zhì)。

2）針對超高維數(shù)據(jù)，基于條件分布函數(shù)與無條件分布函數(shù)之間的相互聯(lián)系，提出一種快速的超高維特征篩選方法，從理論上和數(shù)值模擬上驗(yàn)證了所提出方法的優(yōu)良性質(zhì)。

3）針對社交網(wǎng)絡(luò)平臺上的超高維海量文本數(shù)據(jù)，提出一種災(zāi)害信息挖掘算法，能夠有效快速地提取災(zāi)害相關(guān)信息，并對不同的災(zāi)害類別利用所搜集網(wǎng)絡(luò)平臺信息進(jìn)行了災(zāi)害類別信息挖掘。此外，還從網(wǎng)絡(luò)內(nèi)容的發(fā)布、傳播、分享等方面展開研究，分析了促使網(wǎng)絡(luò)信息傳播的核心因素。

4）針對全國近50年霧霾能見度數(shù)據(jù)，創(chuàng)立混合效應(yīng)廣義高斯過程函數(shù)回歸模型，對二十個(gè)代表性城市能見度進(jìn)行建模和估計(jì)，并進(jìn)行預(yù)測研究。實(shí)例和模擬分析結(jié)果表明，模型不僅能夠很好地刻畫能見度和影響因子的復(fù)雜相關(guān)關(guān)系，而且能夠較大程度地提高預(yù)測效果。

5）針對中國161個(gè)城市的空氣質(zhì)量數(shù)據(jù)，以PM2.5濃度為主要研究對象，創(chuàng)立函數(shù)型數(shù)據(jù)懲罰似然聚類方法，加入工業(yè)煙（粉）塵排放量等人類活動(dòng)因素作為輔助聚類變量，通過Logistic模型和混合模型進(jìn)行雙層建模，提高聚類準(zhǔn)確性和穩(wěn)健性。聚類結(jié)果有助于各城市根據(jù)自身經(jīng)濟(jì)形勢和氣候條件等因素制訂對應(yīng)的環(huán)境治理措施。

子課題4：氣象災(zāi)害的經(jīng)濟(jì)社會影響評估研究進(jìn)展

目前本子課題已經(jīng)完成70%。

1）基于GIS平臺，初步建立了城市內(nèi)澇數(shù)據(jù)庫，主要包括系統(tǒng)數(shù)據(jù)庫、基礎(chǔ)地圖數(shù)據(jù)庫、內(nèi)澇點(diǎn)數(shù)據(jù)庫、氣象和水文數(shù)據(jù)庫、實(shí)況災(zāi)情數(shù)據(jù)庫等。

2）基于城市內(nèi)澇數(shù)據(jù)庫，構(gòu)建了城市不同區(qū)域（如居民區(qū)、商業(yè)區(qū)或根據(jù)匯排水概化的區(qū)域等）不同等級內(nèi)澇（按內(nèi)澇水深分級）、不同重現(xiàn)期下（5、10、15、20、30、50、100年一遇）致災(zāi)臨界面雨量（也稱為致洪閾值），建立針對行人、車輛、建筑物、商業(yè)和居民社區(qū)財(cái)產(chǎn)等不同承災(zāi)體的內(nèi)澇脆弱性評估模型，建立不同區(qū)域各類承災(zāi)體暴露度和脆弱性評估模型，開展城市暴雨內(nèi)澇災(zāi)害風(fēng)險(xiǎn)評估。評估不同區(qū)域內(nèi)澇風(fēng)險(xiǎn)等級，可能出現(xiàn)積水的區(qū)域或地段、水深、承災(zāi)體數(shù)量和價(jià)值量，以及相應(yīng)的經(jīng)濟(jì)損失。

3）采用Haimes & Jiang（2001）、Santos， Haimes & Lian et al.（2006）、吳先華等（2012， 2014）提出的非正常投入產(chǎn)出模型（IIOM 模型），從災(zāi)害沖擊減少產(chǎn)業(yè)最終需求入手，通過投入產(chǎn)出表的技術(shù)矩陣所表達(dá)的產(chǎn)業(yè)間關(guān)聯(lián)關(guān)系，計(jì)算了災(zāi)害影響下計(jì)劃產(chǎn)出與災(zāi)后產(chǎn)出值之差。

4）基于 Web GIS 實(shí)現(xiàn)“人機(jī)交互式”數(shù)據(jù)采集；通過統(tǒng)計(jì)方法確定災(zāi)損率曲線，計(jì)算災(zāi)害的直接經(jīng)濟(jì)損失；利用投入產(chǎn)出模型計(jì)算災(zāi)害的間接經(jīng)濟(jì)損失。采用“所見即所得”的思路，只需要輸入降雨量的實(shí)況數(shù)據(jù)，便可即時(shí)計(jì)算城市各易澇點(diǎn)的直接和間接經(jīng)濟(jì)損失，提供災(zāi)害經(jīng)濟(jì)損失的空間分布，自動(dòng)生成各易澇點(diǎn)的災(zāi)損和防御對策報(bào)告。該系統(tǒng)有助于提高政府部門的災(zāi)害應(yīng)急管理能力，為類似災(zāi)害的經(jīng)濟(jì)損失評估提供典型范例。

子課題5：氣象災(zāi)害應(yīng)急決策的生成與評價(jià)研究進(jìn)展

目前本子課題已經(jīng)完成70%。

1）在災(zāi)前，以臺風(fēng)為例針對臺風(fēng)預(yù)報(bào)的不確定性，提出了集成案例推理(Case-Based Reasoning, CBR)和前景理論的兩階段臺風(fēng)災(zāi)害應(yīng)急方案生成和調(diào)整方法。對于氣象災(zāi)害事件的態(tài)勢感知，運(yùn)用系統(tǒng)動(dòng)力學(xué)，對氣象災(zāi)害事件的演化路徑及過程進(jìn)行了研究，并對政府如何根據(jù)氣象災(zāi)害事件的演化路徑提出了初步的對策建議。

2）在災(zāi)后，基于系統(tǒng)動(dòng)力學(xué)，建立了考慮市民恐慌程度和損失率的雙目標(biāo)函數(shù)模型，對當(dāng)前臺風(fēng)應(yīng)急預(yù)案的執(zhí)行效果進(jìn)行了評價(jià)，并提出了三個(gè)臺風(fēng)災(zāi)害應(yīng)急策略。在災(zāi)后，基于進(jìn)化算法和多目標(biāo)優(yōu)化理論，提出了一系列的多目標(biāo)優(yōu)化算法對應(yīng)急過程進(jìn)行動(dòng)態(tài)優(yōu)化，提高了應(yīng)急效率。

3）日益頻發(fā)的城市暴雨內(nèi)澇災(zāi)害已成為快速城鎮(zhèn)化建設(shè)中急需應(yīng)對的嚴(yán)峻挑戰(zhàn)；但當(dāng)前與暴雨內(nèi)澇相關(guān)的氣象數(shù)據(jù)、災(zāi)情數(shù)據(jù)和社會經(jīng)濟(jì)數(shù)據(jù)等尚未能有效融合，不能快速有效地生成內(nèi)澇災(zāi)害應(yīng)急決策方案，這成為災(zāi)害應(yīng)急管理的障礙。本子課題從城市暴雨內(nèi)澇災(zāi)害大數(shù)據(jù)融合的幾個(gè)方面入手，分別評述了大數(shù)據(jù)的本體技術(shù)、數(shù)據(jù)融合方法、數(shù)據(jù)降維與災(zāi)害識別、災(zāi)害的社會經(jīng)濟(jì)損失評估，以及應(yīng)急決策的生成與評估方法等相關(guān)理論與實(shí)踐進(jìn)展，并對未來研究進(jìn)行了展望。最后指出，在大數(shù)據(jù)融合背景下開展城市暴雨內(nèi)澇災(zāi)害的應(yīng)急管理研究，具有豐富的理論和實(shí)踐價(jià)值。

②調(diào)查研究及學(xué)術(shù)交流情況（調(diào)研數(shù)據(jù)整理運(yùn)用、文獻(xiàn)資料收集整理、學(xué)術(shù)會議、學(xué)術(shù)交流、國際合作等）；

1）調(diào)研數(shù)據(jù)整理運(yùn)用

一是針對新浪微博平臺上的微博信息，利用爬蟲等數(shù)據(jù)抓取軟件，抓取搜集了幾種主要災(zāi)害信息數(shù)據(jù)。

二是調(diào)研了農(nóng)業(yè)部種植業(yè)管理司公布的災(zāi)情數(shù)據(jù)庫。災(zāi)情數(shù)據(jù)庫由農(nóng)業(yè)部種植業(yè)管理司和農(nóng)業(yè)部信息中心合作開發(fā)，數(shù)據(jù)庫來源于《中國統(tǒng)計(jì)年鑒》及《中國農(nóng)業(yè)統(tǒng)計(jì)資料》。 災(zāi)情數(shù)據(jù)庫收錄了1949年至今分省、分年度、分災(zāi)種的受災(zāi)、成災(zāi)、絕收的面積數(shù)據(jù)共2.3萬條。

三是開展了臺風(fēng)災(zāi)害案例分析和數(shù)據(jù)收集，已經(jīng)完成了自1949年以來分省、分年度、分災(zāi)種的受災(zāi)、成災(zāi)、絕收的面積數(shù)據(jù)、成災(zāi)率、受災(zāi)率、絕收率的統(tǒng)計(jì)工作，收集并整理了國內(nèi)外相關(guān)文獻(xiàn)2000余篇。同時(shí)，還積極開展了國際合作，到美國俄克拉荷馬州立大學(xué)進(jìn)行了為期半年的國際交流合作，與該校的Gary.Yen教授開展有目標(biāo)優(yōu)化算法及其在應(yīng)急管理中的應(yīng)用，取得了較好的成績。

四是2017年7月5日-20日，帶領(lǐng)研究人員到福建省漳州市馬洋溪調(diào)研洪澇災(zāi)害損失情況，收集整理了該洪澇災(zāi)害的相關(guān)數(shù)據(jù)，并將調(diào)研資料整理成學(xué)術(shù)論文一篇，在《災(zāi)害學(xué)》上發(fā)表。

2）文獻(xiàn)資料收集整理

目前本課題組已查閱并收集了本體構(gòu)建、大數(shù)據(jù)融合、大數(shù)據(jù)降維、災(zāi)害損失評估以及氣象災(zāi)害應(yīng)急管理等相關(guān)研究的國內(nèi)外文獻(xiàn)。

3）學(xué)術(shù)會議

作為大會程序委員會主席，與中國“雙選法”學(xué)會共同舉辦、承辦了“第十九屆中國管理科學(xué)學(xué)術(shù)年會——綠色發(fā)展與管理科學(xué)”（地點(diǎn)：南京信息工程大學(xué)）。

課題首席專家召集，每月召開一次課題進(jìn)展研討會。

4）學(xué)術(shù)交流

一是2017年9月到清華大學(xué)經(jīng)濟(jì)管理學(xué)院做訪問學(xué)者，導(dǎo)師為陳國青教授，擬積極參加團(tuán)隊(duì)活動(dòng)，深入學(xué)習(xí)大數(shù)據(jù)融合的方法。

二是作為特邀專家，參加了美國UNCP舉辦的“Disaster risk analysis(2017)”以及國內(nèi)的“2017應(yīng)急管理與金融工程”等學(xué)術(shù)會議。

三是作為會議分會場主席，2018年6月13-17日參加了臺灣銘傳大學(xué)承辦的DEAIC2018國際會議。

四是邀請北卡羅萊納大學(xué)彭布洛克分校衛(wèi)國教授、美國新墨西哥州立大學(xué)王通會教授、美國賓夕法尼亞州高等教育系統(tǒng)滑石分校林益教授、田納西大學(xué)金明洲教授、寧波大學(xué)鐘昌標(biāo)教授、溫莎大學(xué)王運(yùn)通教授、北京化工大學(xué)李想教授、四川大學(xué)胡知能教授、江蘇省社會科學(xué)院經(jīng)濟(jì)研究所所長胡國良研究員、南京農(nóng)業(yè)大學(xué)鐘甫寧教授等10余位專家來校進(jìn)行學(xué)術(shù)交流。

5）國際合作

繼續(xù)與美國的UNCP（University of North Carolina at Pembroke）的Guo WEI教授、美國的UNR（University of Nevada-Reno）的Shunfeng SONG教授合作、法國里昂大學(xué)終身副教授Yeming Gong博士開展共同研究，撰寫研究論文。合作內(nèi)容主要包括：

一是共同研發(fā)基于格點(diǎn)的災(zāi)害大數(shù)據(jù)融合算法研究（與Guo WEI教授合作）。

二是共同研發(fā)基于社交媒體大數(shù)據(jù)的災(zāi)害預(yù)警方法研究（與Shunfeng SONG教授合作）。

三是研發(fā)針對霧霾災(zāi)害的多階段網(wǎng)絡(luò)DEA模型（與法國里昂大學(xué)終身副教授Yeming Gong博士合作）。

四是氣象災(zāi)害大數(shù)據(jù)的降維與災(zāi)害識別研究（與Guo WEI教授合作）。

以上這些合作，為后續(xù)進(jìn)一步的深入研究提供了很好的方法基礎(chǔ)。

③成果宣傳推介情況（成果發(fā)布會、《工作簡報(bào)》報(bào)送情況、國家社科基金�？�投稿及采用情況等）；

1）李廉水教授與吳先華教授合作撰寫的專報(bào)《基于大數(shù)據(jù)融合提升災(zāi)害應(yīng)急管理能力的政策建議》，被教育部社會科學(xué)司采納，并已呈遞給有關(guān)領(lǐng)導(dǎo)參閱。

2）李廉水教授、王會軍院士、吳先華教授合作撰寫的調(diào)研報(bào)告《以數(shù)據(jù)融合為基礎(chǔ)，全面提升災(zāi)害應(yīng)急管理能力》在中國科學(xué)技術(shù)協(xié)會內(nèi)部刊物《科技工作者建議》2017年發(fā)表。

④研究中存在的主要問題、改進(jìn)措施，研究心得、意見建議；

1）研究中存在的主要問題1：氣象災(zāi)害本體是實(shí)現(xiàn)“基于氣象災(zāi)害本體的氣象災(zāi)害大數(shù)據(jù)語義檢索模型”的核心技術(shù)。氣象災(zāi)害本體明確界定了氣象災(zāi)害概念及其之間相互語義關(guān)系，可以消除氣象災(zāi)害數(shù)據(jù)格式不統(tǒng)一和數(shù)據(jù)內(nèi)容歧義的問題。然而氣象災(zāi)害本體無法解決概念的同義詞集問題、一詞多義（多義詞）和多詞一義（同義詞）問題，因此需要借助當(dāng)前通用的概念本體庫SUMO和同義詞集Wordnet，對兩大本體庫進(jìn)行融合，構(gòu)建涵蓋SUMO本體概念與Wordnet同義詞集映射關(guān)系的集成本體庫。然而，SUMO本體概念與Wordnet同義詞集涉及的概念和同義詞數(shù)量龐大，語義關(guān)系復(fù)雜，如何建立SUMO本體概念與Wordnet同義詞集之間映射關(guān)系是后續(xù)面臨的主要問題。

改進(jìn)措施：全面研讀國內(nèi)外相關(guān)的研究文獻(xiàn)和技術(shù)文檔，梳理出本體概念與同義詞集之間建立映射關(guān)系的理論、方法、技術(shù)和工具，從而解決如何建立SUMO本體概念與Wordnet同義詞集之間映射關(guān)系的問題。

2）研究中存在的主要問題2：如何設(shè)計(jì)動(dòng)態(tài)尋優(yōu)子空間算法，進(jìn)行特征提取與選擇，實(shí)現(xiàn)氣象災(zāi)害大數(shù)據(jù)的維數(shù)約簡；在此基礎(chǔ)上建立典型氣象災(zāi)害數(shù)據(jù)的深度學(xué)習(xí)模型，實(shí)現(xiàn)災(zāi)害的分類識別。

改進(jìn)措施：利用統(tǒng)計(jì)學(xué)上的相關(guān)分析、灰色關(guān)聯(lián)度分析、關(guān)聯(lián)規(guī)則挖掘等方法，主要用于篩選各類氣象災(zāi)害的影響因素，采用主成分分析(PCA)、線性判別分析(LDA)和最大邊緣準(zhǔn)則(MMC)三種全局統(tǒng)計(jì)子空間算法，用于設(shè)計(jì)動(dòng)態(tài)尋優(yōu)子空間方法，結(jié)合氣象災(zāi)害數(shù)據(jù)的行業(yè)特性，進(jìn)行特征提取與選擇，實(shí)現(xiàn)氣象災(zāi)害大數(shù)據(jù)維數(shù)約簡。利用模糊聚類等統(tǒng)計(jì)方法，用于測試氣象災(zāi)害的數(shù)據(jù)結(jié)構(gòu)特征；采用泛函分析和數(shù)理統(tǒng)計(jì)方法，用于推導(dǎo)數(shù)據(jù)分布統(tǒng)計(jì)量與典型激活函數(shù)的關(guān)聯(lián)性；利用智能優(yōu)化算法，如粒子群優(yōu)化算法、螢火蟲算法、模擬退火算法、遺傳算法等，用于搜索最優(yōu)層數(shù)，設(shè)定深度學(xué)習(xí)算法層數(shù)的閾值等等。在這些研究的基礎(chǔ)上，建立典型氣象災(zāi)害數(shù)據(jù)的深度學(xué)習(xí)模型，實(shí)現(xiàn)災(zāi)害的分類識別。

3）研究中存在的主要問題3：在數(shù)據(jù)的搜集和整理方面有所欠缺，對氣象災(zāi)害的實(shí)時(shí)數(shù)據(jù)、災(zāi)后重建數(shù)據(jù)、管理方面的數(shù)據(jù)搜集得不夠全面，在維度和深度上都需要進(jìn)一步加強(qiáng)，從而使得在數(shù)據(jù)分析應(yīng)用方面能夠有更好的效果。

改進(jìn)措施：擬通過我校與中國氣象局、各省級氣象局的渠道，加大溝通力度，爭取獲得更多的一線災(zāi)害數(shù)據(jù)，確保研究的真實(shí)性和可靠性。采取現(xiàn)場調(diào)研方式獲取第一手的基礎(chǔ)地理信息數(shù)據(jù)，充分利用臺站資料、預(yù)報(bào)資料和遙感數(shù)據(jù)，及時(shí)與相關(guān)部門聯(lián)系獲取最新的基礎(chǔ)地理信息數(shù)據(jù)。

⑤其他需要說明的問題。

無。

二、研究成果情況

①代表性成果簡介（基本內(nèi)容、主要觀點(diǎn)、學(xué)術(shù)價(jià)值、社會影響等）；

1）研究成果1（基于大數(shù)據(jù)融合提升災(zāi)害應(yīng)急管理能力的政策建議）介紹：

主要內(nèi)容：數(shù)據(jù)“碎片化”影響防災(zāi)救災(zāi)決策準(zhǔn)確性，主要體現(xiàn)在：一是災(zāi)害管理數(shù)據(jù)采集和使用分散，二是災(zāi)害管理數(shù)據(jù)未形成統(tǒng)一標(biāo)準(zhǔn)，三是數(shù)據(jù)孤島、數(shù)據(jù)閑置和數(shù)據(jù)不足等現(xiàn)象并存。國外基于數(shù)據(jù)共享的災(zāi)害應(yīng)急管理經(jīng)驗(yàn)值得借鑒，一是災(zāi)害數(shù)據(jù)庫互聯(lián)共享，二是大數(shù)據(jù)技術(shù)應(yīng)用于災(zāi)害應(yīng)急管理系統(tǒng)，三是以社區(qū)為中心，開展災(zāi)害防御和基礎(chǔ)數(shù)據(jù)精準(zhǔn)數(shù)據(jù)采集，四是以�。ㄖ荩�為樞紐，構(gòu)建災(zāi)害應(yīng)急管理三級聯(lián)動(dòng)體系。

主要觀點(diǎn)：一是大力發(fā)展大數(shù)據(jù)融合技術(shù)，二是以數(shù)據(jù)融合為突破口，全面規(guī)劃智慧城市建設(shè)，推進(jìn)和協(xié)調(diào)政府部門的數(shù)據(jù)開放和數(shù)據(jù)融合，三是以數(shù)據(jù)開放共享為導(dǎo)向，建立和加強(qiáng)“社區(qū)防災(zāi)”為中心的災(zāi)害管理理念。

學(xué)術(shù)價(jià)值：災(zāi)害數(shù)據(jù)，包括預(yù)報(bào)數(shù)據(jù)、災(zāi)情數(shù)據(jù)和社會統(tǒng)計(jì)數(shù)據(jù)三大類，具有體量浩大、模態(tài)繁多、生成快速和價(jià)值巨大但密度很低的大數(shù)據(jù)特征，但目前這些數(shù)據(jù)的歸屬分割、標(biāo)準(zhǔn)迥異、互不相融，呈現(xiàn)“碎片化”特征，難以滿足在發(fā)生災(zāi)害的緊急情景下的應(yīng)急決策需要，甚至成為應(yīng)急決策的障礙。大數(shù)據(jù)技術(shù)和應(yīng)用的蓬勃發(fā)展，使得多元異構(gòu)的災(zāi)害數(shù)據(jù)的快速融合成為可能。本研究具有較高的學(xué)術(shù)價(jià)值。

社會影響：引入災(zāi)害大數(shù)據(jù)融合方法，篩選高風(fēng)險(xiǎn)點(diǎn)、高敏感行業(yè)和部門，發(fā)展大數(shù)據(jù)融合背景下災(zāi)害應(yīng)急決策管理技術(shù)，能夠?yàn)闉?zāi)害的實(shí)時(shí)評估及應(yīng)急決策提供理論和方法支持，為災(zāi)害應(yīng)急管理提供強(qiáng)有力的決策支持。

2）研究成果2（基于FCA的氣象災(zāi)害本體構(gòu)建）介紹：

主要內(nèi)容：從氣象災(zāi)害相關(guān)的學(xué)術(shù)文獻(xiàn)和新聞報(bào)道抓取數(shù)據(jù)，利用 ICTCLAS 系統(tǒng)提取關(guān)鍵詞，經(jīng)過修正后形成領(lǐng)域術(shù)語；接著從術(shù)語集和文本集中生成形式化背景，導(dǎo)入ConExp中自動(dòng)生成概念格和 Hasse圖，形成領(lǐng)域術(shù)語層次關(guān)系；最后錄入本體管理工具 Protégé中構(gòu)建本體，生成本體的可視化圖形和 OWL代碼文件。

主要觀點(diǎn)：在大數(shù)據(jù)應(yīng)用背景下，需要對海量、多源、異構(gòu)的氣象大數(shù)據(jù)進(jìn)行融合，構(gòu)建領(lǐng)域術(shù)語規(guī)范，促進(jìn)氣象大數(shù)據(jù)融合。

學(xué)術(shù)價(jià)值：該研究成果對領(lǐng)域本體構(gòu)建方法進(jìn)行了新的探索，即在基本的構(gòu)建本體過程中，考慮以非結(jié)構(gòu)化的氣象災(zāi)害大數(shù)據(jù)作為數(shù)據(jù)源，并引入主題詞表以實(shí)現(xiàn)主題詞表與概念格詞匯的相互修正，確保了領(lǐng)域本體術(shù)語的完善性與準(zhǔn)確性。

社會影響：通過將基于概念形式分析（FCA）的本體構(gòu)建方法引入鮮有人涉足的氣象災(zāi)害領(lǐng)域，借助本體技術(shù)，為氣象災(zāi)害領(lǐng)域構(gòu)建規(guī)范化術(shù)語體系，幫助計(jì)算機(jī)更好地理解氣象災(zāi)害術(shù)語，在真正意義上促進(jìn)各氣象部門的數(shù)據(jù)共聯(lián)、共通、共享，實(shí)現(xiàn)從信息孤島到信息網(wǎng)絡(luò)的轉(zhuǎn)變。

3）研究成果3（國內(nèi)外大數(shù)據(jù)研究前沿、熱點(diǎn)與合著模式的圖譜分析）介紹：

基本內(nèi)容：以可視化圖譜的方式全面直觀展示當(dāng)前新興的熱點(diǎn)主題——大數(shù)據(jù)的國內(nèi)外研究全貌，為氣象災(zāi)害大數(shù)據(jù)研究提供前瞻指引和奠定基礎(chǔ)。本文融合Web of Science和中國知網(wǎng)中“大數(shù)據(jù)”研究文獻(xiàn)數(shù)據(jù)，借助CiteSpaceII可視化分析軟件繪制出國內(nèi)外大數(shù)據(jù)領(lǐng)域的科學(xué)知識圖譜——作者、國家和機(jī)構(gòu)的科研合作網(wǎng)絡(luò)，關(guān)鍵詞共現(xiàn)聚類網(wǎng)絡(luò)，文獻(xiàn)共被引聚類網(wǎng)絡(luò)，揭示出國內(nèi)外大數(shù)據(jù)研究概貌。

主要觀點(diǎn)：研究發(fā)現(xiàn)，國內(nèi)大數(shù)據(jù)方面科研社區(qū)較多，但規(guī)模較小，而國際大數(shù)據(jù)科研社區(qū)較少，但規(guī)模較大，規(guī)模最大研究社區(qū)，達(dá)到30多人。國家和機(jī)構(gòu)之間的科研合作極少，國際TOP30科研機(jī)構(gòu)中，大部分為美國高校，中國機(jī)構(gòu)較少。國內(nèi)外大數(shù)據(jù)研究都涉及的熱點(diǎn)有：基于大數(shù)據(jù)的云計(jì)算；基于MapReduce和Hadoop的海量數(shù)據(jù)分布式處理研究；大數(shù)據(jù)在數(shù)據(jù)挖掘、社會網(wǎng)絡(luò)、互聯(lián)網(wǎng)金融、識別與預(yù)測等領(lǐng)域的應(yīng)用研究。而國內(nèi)涉及較少的研究熱點(diǎn)有：大數(shù)據(jù)模型和算法研究、大數(shù)據(jù)分類研究和大數(shù)據(jù)相關(guān)系統(tǒng)研究。

學(xué)術(shù)價(jià)值：“大數(shù)據(jù)”是國家戰(zhàn)略布局的新興前沿產(chǎn)業(yè)，早在2015年8月，國務(wù)院為推動(dòng)我國大數(shù)據(jù)產(chǎn)業(yè)持續(xù)健康發(fā)展,發(fā)布《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》。目前Web of Science核心庫顯示，2005-2015期間有4288篇與大數(shù)據(jù)相關(guān)的文獻(xiàn)，中國知網(wǎng)期刊數(shù)據(jù)庫顯示2000-2015期間，國內(nèi)學(xué)者發(fā)表了16,798篇大數(shù)據(jù)方面的文獻(xiàn)。然而目前利用科學(xué)知識圖譜全面解讀國內(nèi)外大數(shù)據(jù)領(lǐng)域知識基礎(chǔ)、科研合作、研究熱點(diǎn)與前沿的文獻(xiàn)還相對較少。該研究成果通過全面展示國內(nèi)外大數(shù)據(jù)研究的主要科研團(tuán)隊(duì)、發(fā)文國家和機(jī)構(gòu)，以及他們之間的合作情況，同時(shí)展示出國內(nèi)外大數(shù)據(jù)研究的熱點(diǎn)主題、前沿?zé)狳c(diǎn)與領(lǐng)域核心知識基礎(chǔ)。一方面，可以為讀者和研究人員展示當(dāng)前大數(shù)據(jù)領(lǐng)域研究的全貌，為他們今后的研究方向和選題提供一定的參考和借鑒，另一方面，通過國內(nèi)外大數(shù)據(jù)研究概況進(jìn)行一個(gè)對比分析，可以促進(jìn)我國大數(shù)據(jù)研究體系的完善。

4）研究成果4（基于網(wǎng)頁空間進(jìn)化算法的暴雨災(zāi)害主題爬蟲策略）介紹：

基本內(nèi)容：對于鏈接主題相關(guān)性分析，提出了評價(jià)鏈接潛在價(jià)值的三個(gè)目標(biāo)：鏈接指向網(wǎng)頁的主題相關(guān)度，鏈接的錨文本相關(guān)度和網(wǎng)頁的PageRank值。針對單目標(biāo)優(yōu)化算法解決爬蟲問題難以獲得最優(yōu)加權(quán)因子和易于陷入局部最優(yōu)的缺點(diǎn)，首次將多目標(biāo)優(yōu)化算法引入主題爬蟲，提出了一種基于多目標(biāo)優(yōu)化的網(wǎng)頁空間進(jìn)化(WSE)算法。WSE算法通過計(jì)算測試鏈接與鏈接庫中鏈接的最短距離，并將其與鏈接庫中所有鏈接的平均距離進(jìn)行比較來更新鏈接庫。另外，針對多目標(biāo)優(yōu)化中Pareto最優(yōu)解的選取問題，提出了一種最近最遠(yuǎn)候選解法(NFCS)。最后，以暴雨災(zāi)害為主題，在相同的實(shí)驗(yàn)環(huán)境下，運(yùn)行WSE算法與文獻(xiàn)中的寬度優(yōu)先搜索(BFS)算法、最佳優(yōu)先搜索(OPS)算法和模擬退火(SA)算法。實(shí)驗(yàn)結(jié)果表明，WSE算法相比其他三種算法明顯提高了主題爬蟲的效果，因此WSE算法是一種有效的主題爬蟲策略。

主要觀點(diǎn)：主題爬蟲是垂直搜索引擎技術(shù)的基礎(chǔ)和核心，垂直搜索引擎中的數(shù)據(jù)全部來自于爬蟲的抓取，如何高效全面的收集氣象災(zāi)害高質(zhì)量的網(wǎng)頁是氣象災(zāi)害主題爬蟲問題研究的重點(diǎn)和難點(diǎn)。

學(xué)術(shù)價(jià)值：首次將多目標(biāo)優(yōu)化算法引入主題爬蟲，提出了一種基于多目標(biāo)優(yōu)化的網(wǎng)頁空間進(jìn)化(WSE)主題爬蟲算法。該項(xiàng)研究成果對于高效、全面抓取互聯(lián)網(wǎng)上與氣象災(zāi)害大數(shù)據(jù)相關(guān)的非結(jié)構(gòu)化和半結(jié)構(gòu)化網(wǎng)頁提供了強(qiáng)有力的幫助。

社會影響：隨著“井噴式”增長的網(wǎng)民和幾近同步增長的網(wǎng)頁，如何保證人們在海量信息中迅速獲取所需信息成為一個(gè)巨大的挑戰(zhàn)。本研究成果有助于人們從海量的網(wǎng)頁大數(shù)據(jù)中高效抓取主題相關(guān)的網(wǎng)頁。

5）研究成果5（寧波市城市內(nèi)澇風(fēng)險(xiǎn)評估數(shù)據(jù)庫與仿真模型建設(shè)）介紹：

基本內(nèi)容：收集、分析寧波市臺風(fēng)/典型暴雨降水、臺風(fēng)大風(fēng)等氣象因子歷年數(shù)據(jù)，構(gòu)建臺風(fēng)/典型暴雨（致災(zāi)因子）綜合影響強(qiáng)度指數(shù)；采用GIS技術(shù)，綜合考慮受災(zāi)地區(qū)地理孕災(zāi)因子海拔高度、地形標(biāo)準(zhǔn)、江河水網(wǎng)密度，社會經(jīng)濟(jì)孕災(zāi)因子，包括人口密度、單位面積GDP、農(nóng)業(yè)密集程度、主要經(jīng)濟(jì)行業(yè)發(fā)展指標(biāo)等因素，構(gòu)建孕災(zāi)環(huán)境暴露性指數(shù)及承載體脆弱性指數(shù)；收集、分析寧波市歷年災(zāi)情數(shù)據(jù)時(shí)空分布數(shù)據(jù)（包括人員傷亡、經(jīng)濟(jì)損失、房屋倒塌、受災(zāi)成災(zāi)面積），構(gòu)建臺風(fēng)災(zāi)損度指數(shù)。進(jìn)而構(gòu)建寧波市臺風(fēng)/典型暴雨基本災(zāi)情數(shù)據(jù)庫及災(zāi)損評價(jià)指數(shù)數(shù)據(jù)庫，為后續(xù)研究提供數(shù)據(jù)支撐。開發(fā)了寧波市城市暴雨內(nèi)澇仿真模型，主要服務(wù)于防止氣象災(zāi)害—強(qiáng)對流或者暴雨帶來的城市內(nèi)澇發(fā)生。比如通過模擬一次15毫米的降雨過程，可以通過計(jì)算機(jī)周密的運(yùn)算，得出該地區(qū)積水量能達(dá)到多少。這套軟件具有“暴雨來臨前預(yù)測”和“突發(fā)暴雨隨時(shí)監(jiān)測”的雙重功能。預(yù)測功能主要指，在暴雨來臨前，提前預(yù)測出未來哪天將會出現(xiàn)降水以及降水分布情況，再運(yùn)用數(shù)值預(yù)報(bào)中的多類預(yù)報(bào)產(chǎn)品，合理地將全市劃分為眾多“網(wǎng)格”，按照區(qū)域分塊，利用仿真系統(tǒng)預(yù)測出哪個(gè)“網(wǎng)格”區(qū)域內(nèi)會出現(xiàn)積水，這樣可以提前通知排水部門做好準(zhǔn)備，利用城市排水系統(tǒng)將雨水排出。此外，結(jié)合寧波市氣象臺新啟用的“短時(shí)臨近預(yù)報(bào)綜合業(yè)務(wù)平臺”，采用WEB GIS（網(wǎng)絡(luò)地理信息系統(tǒng)）與氣象數(shù)據(jù)庫的架構(gòu)，使雷達(dá)、閃電定位、TJ-WRF數(shù)值預(yù)報(bào)產(chǎn)品等各類氣象資料在實(shí)時(shí)地理位置上可直觀顯示，進(jìn)一步強(qiáng)化了預(yù)報(bào)預(yù)警的精細(xì)化程度。

社會影響：基于 Web GIS 實(shí)現(xiàn)“人機(jī)交互式”數(shù)據(jù)采集；通過統(tǒng)計(jì)方法確定災(zāi)損率曲線，計(jì)算災(zāi)害的直接經(jīng)濟(jì)損失；利用投入產(chǎn)出模型計(jì)算災(zāi)害的間接經(jīng)濟(jì)損失。采用“所見即所得”的思路，只需要輸入降雨量的實(shí)況數(shù)據(jù)，便可即時(shí)計(jì)算城市各易澇點(diǎn)的直接和間接經(jīng)濟(jì)損失，提供災(zāi)害經(jīng)濟(jì)損失的空間分布，自動(dòng)生成各易澇點(diǎn)的災(zāi)損和防御對策報(bào)告。該系統(tǒng)有助于提高政府部門的災(zāi)害應(yīng)急管理能力，為類似災(zāi)害的經(jīng)濟(jì)損失評估提供典型范例。

②階段性成果清單（請?zhí)顚懜郊﨓XCEL表格）。

見附件。

三、下一步研究計(jì)劃

子課題1：氣象災(zāi)害大數(shù)據(jù)的本體構(gòu)建研究

1）2018.07-2019.07：氣象災(zāi)害數(shù)據(jù)的自動(dòng)語義標(biāo)注。提煉氣象災(zāi)害數(shù)據(jù)的類型和屬性，運(yùn)用數(shù)據(jù)挖掘方法明確各因素之間的相互關(guān)系，采用本體和元數(shù)據(jù)技術(shù)構(gòu)建氣象災(zāi)害本體概念模型MDEOM。構(gòu)建基于“名稱—屬性—屬性值—約束”四元組的氣象災(zāi)害知識詞表，采用線性規(guī)劃和本體學(xué)習(xí)等方法進(jìn)行語義推理，實(shí)現(xiàn)氣象災(zāi)害數(shù)據(jù)的自動(dòng)語義標(biāo)注。

2）2019.08-2020.07：構(gòu)建大數(shù)據(jù)環(huán)境下的氣象災(zāi)害本體。整合氣象災(zāi)害知識術(shù)語類，通過本體學(xué)習(xí)、支持向量機(jī)等技術(shù)自動(dòng)構(gòu)建氣象災(zāi)害本體。整合氣象災(zāi)害的概念庫、實(shí)例庫和本體庫，建立氣象災(zāi)害大數(shù)據(jù)標(biāo)準(zhǔn)體系，構(gòu)建大數(shù)據(jù)環(huán)境下的氣象災(zāi)害本體。

子課題2：氣象災(zāi)害大數(shù)據(jù)的融合研究

1）2018.07-2019.07：設(shè)計(jì)氣象災(zāi)害大數(shù)據(jù)的標(biāo)準(zhǔn)編碼體系。從大數(shù)據(jù)的編碼、坐標(biāo)系統(tǒng)、空間范圍、存儲格式、精度和分辨率等方面，對多源異構(gòu)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，為不同類型的數(shù)據(jù)設(shè)計(jì)相應(yīng)的編碼體系標(biāo)準(zhǔn)，設(shè)計(jì)大數(shù)據(jù)的標(biāo)準(zhǔn)編碼體系。

2）2019.08-2020.07：研究數(shù)據(jù)融合處理的算法。多源異構(gòu)大數(shù)據(jù)的標(biāo)準(zhǔn)化處理，包括社會經(jīng)濟(jì)類、災(zāi)情類非空間屬性數(shù)據(jù)、氣象類空間大數(shù)據(jù)、Web等離散數(shù)據(jù)的標(biāo)準(zhǔn)化處理。研究數(shù)據(jù)融合處理的算法，包括對非空間屬性數(shù)據(jù)的網(wǎng)格化技術(shù)、衛(wèi)星資料幾何校正算法、多源網(wǎng)格化軟、硬數(shù)據(jù)融合的通用算法研究。

子課題3：氣象災(zāi)害大數(shù)據(jù)的降維與災(zāi)害識別研究

1）2018.07-2019.07：氣象災(zāi)害大數(shù)據(jù)的約簡研究。采用多種大數(shù)據(jù)降維的算法，比較分析各種算法的優(yōu)缺點(diǎn)，設(shè)計(jì)一種混合的氣象災(zāi)害大數(shù)據(jù)降維算法，并以城市暴雨災(zāi)害為例對方法進(jìn)行驗(yàn)證。

2）2019.08-2020.07：氣象災(zāi)害的分類識別研究。根據(jù)統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)等方法，將遙感影像、Web數(shù)據(jù)和社會調(diào)研數(shù)據(jù)相結(jié)合，研發(fā)災(zāi)害分類識別的模型和方法，并以暴雨洪澇等氣象災(zāi)害為例進(jìn)行驗(yàn)證。

子課題4：氣象災(zāi)害的經(jīng)濟(jì)社會影響評估研究

1）2018.07-2019.07：構(gòu)建災(zāi)損率曲線、EC+IIOM。在數(shù)據(jù)采集和融合的基礎(chǔ)上，測算各高風(fēng)險(xiǎn)點(diǎn)的災(zāi)損率曲線；開發(fā)最終需求各項(xiàng)的面板數(shù)據(jù)模型，構(gòu)建EC+IIOM模型。

2）2019.08-2020.07：構(gòu)建MD+CGE模型。設(shè)計(jì)CGE的基準(zhǔn)情景、設(shè)計(jì)函數(shù)及方程、處理數(shù)據(jù)及參數(shù)、采用通用數(shù)學(xué)建模系統(tǒng)編程，構(gòu)建MD+CGE模型，并評估氣象災(zāi)害給關(guān)聯(lián)產(chǎn)業(yè)和部門帶來的經(jīng)濟(jì)影響。

子課題5：氣象災(zāi)害應(yīng)急決策的生成與評價(jià)研究

1）2018.07-2019.07：應(yīng)急決策方案的快速生成研究。開展包括案例推理、規(guī)則推理的方法研究，基于案例推理、規(guī)則推理和Web GIS集成的氣象災(zāi)害應(yīng)急決策方案研究等。

2）2019.08-2020.07：應(yīng)急決策方案的動(dòng)態(tài)評估研究。開展包括前景理論的原理和方法，前景理論在氣象災(zāi)害應(yīng)急決策領(lǐng)域的應(yīng)用研究，氣象災(zāi)害大數(shù)據(jù)應(yīng)急決策評估指標(biāo)體系的設(shè)計(jì)研究，基于前景理論的應(yīng)急決策方案的動(dòng)態(tài)評估模型研究等，最后以城市暴雨災(zāi)害為例對方法進(jìn)行驗(yàn)證。

（課題組供稿）