一、研究進展情況

主要內(nèi)容：

①研究計劃總體執(zhí)行情況及各子課題進展情況；

研究計劃總體執(zhí)行情況

本項目自啟動以來，積極組織相關(guān)領(lǐng)域?qū)＜医M建研究團隊，成立子課題組，嚴格按照研究計劃、內(nèi)容分工扎實推進各子課題研究，定期召開課題研究成果匯報，調(diào)整方向和進度。具體進展情況如下：

子課題1：氣象災害大數(shù)據(jù)的本體構(gòu)建研究進展

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)建幾個步驟。

2）以氣象災害大數(shù)據(jù)為檢索對象，設(shè)計了基于氣象災害本體的氣象災害大數(shù)據(jù)語義檢索模型。模型首先對當前流行的同義詞集WordNet和本體庫SUMO進行擴展和融合，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。然后融合氣象災害本體對氣象災害領(lǐng)域主題概念及其之間語義關(guān)系的明確定義，對用戶檢索詞進行本體概念匹配和語義擴展（如：將用戶檢索詞擴展為本體概念+概念同義詞+概念上下位詞+概念屬性），形成擴展的語義檢索式，然后檢索氣象災害大數(shù)據(jù)，從而獲取更精確、更全面的氣象災害數(shù)據(jù)，用于后續(xù)分析。同時課題以“臺風莫蘭蒂”作為本體語義擴展檢索實驗，比較分析了“臺風莫蘭蒂”及其語義擴展檢索式“2016 and（莫蘭蒂 臺風 風暴 暴雨 狂風 洪水 洪澇）and (福建 廈門 翔安 福州 閩南)”的檢索性能。實驗發(fā)現(xiàn)，語義擴展檢索式檢索結(jié)果準確率更好，達到80%。

3）融合Web of Science和中國知網(wǎng)中“大數(shù)據(jù)”研究文獻數(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)域的科學知識圖譜——作者、國家和機構(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)，達到30多人。國家和機構(gòu)之間的科研合作極少，國際TOP30科研機構(gòu)中，大部分為美國高校，中國機構(gòu)較少。國內(nèi)外大數(shù)據(jù)研究涉及的熱點主要有：基于大數(shù)據(jù)的云計算；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、識別與預測等領(lǐng)域的應(yīng)用研究。而國內(nèi)涉及較少的研究熱點有：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（如暴雨災害本體、次生災害本體和災害管理本體等），并分別使用基于單目標優(yōu)化的模擬退火算法、禁忌搜索算法和基于多目標優(yōu)化的網(wǎng)絡(luò)空間進化算法、多目標蟻群算法進行網(wǎng)絡(luò)空間主題爬蟲，以獲取網(wǎng)絡(luò)空間氣象災害大數(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。實驗結(jié)果表明，通過采用本體技術(shù)的多目標主題爬蟲方法的爬準率較其他網(wǎng)絡(luò)爬蟲方法效果更佳。

子課題2：氣象災害大數(shù)據(jù)的融合研究進展

目前本子課題已經(jīng)完成70%。

1）采用加權(quán)雙線性等計算方法，將社會統(tǒng)計數(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)緯度格點上，然后再求解加權(quán)最小成本目標函數(shù)。該算法由研究區(qū)域范圍內(nèi)各個格點的硬（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)果矢量的二階導數(shù)組成。

3）借鑒FGDC地理空間數(shù)據(jù)內(nèi)容標準（CSDGM）V.2.0和ISO 地理信息（CD 2.0）理念，采用ArcGIS 軟件提供的坐標轉(zhuǎn)換功能實現(xiàn)數(shù)據(jù)坐標系統(tǒng)的歸一化，具體包括社會統(tǒng)計數(shù)據(jù)的網(wǎng)格化、矢量化的空間配準與已有矢量數(shù)據(jù)的坐標轉(zhuǎn)換，以及衛(wèi)星資料投影轉(zhuǎn)換；在氣象災害本體知識庫基礎(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：氣象災害大數(shù)據(jù)的降維與災害識別研究進展

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)，提出一種災害信息挖掘算法，能夠有效快速地提取災害相關(guān)信息，并對不同的災害類別利用所搜集網(wǎng)絡(luò)平臺信息進行了災害類別信息挖掘。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，對二十個代表性城市能見度進行建模和估計，并進行預測研究。實例和模擬分析結(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雜相關(guān)關(guān)系，而且能夠較大程度地提高預測效果。

5）針對中國161個城市的空氣質(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因素作為輔助聚類變量，通過Logistic模型和混合模型進行雙層建模，提高聚類準確性和穩(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：氣象災害的經(jīng)濟社會影響評估研究進展

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)澇點數(shù)據(jù)庫、氣象和水文數(shù)據(jù)庫、實況災情數(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)財產(chǎn)等不同承災體的內(nèi)澇脆弱性評估模型，建立不同區(qū)域各類承災體暴露度和脆弱性評估模型，開展城市暴雨內(nèi)澇災害風險評估。評估不同區(qū)域內(nèi)澇風險等級，可能出現(xiàn)積水的區(qū)域或地段、水深、承災體數(shù)量和價值量，以及相應(yīng)的經(jīng)濟損失。

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)矩陣所表達的產(chǎn)業(yè)間關(guān)聯(lián)關(guān)系，計算了災害影響下計劃產(chǎn)出與災后產(chǎn)出值之差。

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

子課題5：氣象災害應(yīng)急決策的生成與評價研究進展

目前本子課題已經(jīng)完成70%。

1）在災前，以臺風為例針對臺風預報的不確定性，提出了集成案例推理(Case-Based Reasoning, CBR)和前景理論的兩階段臺風災害應(yīng)急方案生成和調(diào)整方法。對于氣象災害事件的態(tài)勢感知，運用系統(tǒng)動力學，對氣象災害事件的演化路徑及過程進行了研究，并對政府如何根據(jù)氣象災害事件的演化路徑提出了初步的對策建議。

2）在災后，基于系統(tǒng)動力學，建立了考慮市民恐慌程度和損失率的雙目標函數(shù)模型，對當前臺風應(yīng)急預案的執(zhí)行效果進行了評價，并提出了三個臺風災害應(yīng)急策略。在災后，基于進化算法和多目標優(yōu)化理論，提出了一系列的多目標優(yōu)化算法對應(yīng)急過程進行動態(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)澇災害已成為快速城鎮(zhèn)化建設(shè)中急需應(yīng)對的嚴峻挑戰(zhàn)；但當前與暴雨內(nèi)澇相關(guān)的氣象數(shù)據(jù)、災情數(shù)據(jù)和社會經(jīng)濟數(shù)據(jù)等尚未能有效融合，不能快速有效地生成內(nèi)澇災害應(yīng)急決策方案，這成為災害應(yīng)急管理的障礙。本子課題從城市暴雨內(nèi)澇災害大數(shù)據(jù)融合的幾個方面入手，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)降維與災害識別、災害的社會經(jīng)濟損失評估，以及應(yīng)急決策的生成與評估方法等相關(guān)理論與實踐進展，并對未來研究進行了展望。最后指出，在大數(shù)據(jù)融合背景下開展城市暴雨內(nèi)澇災害的應(yīng)急管理研究，具有豐富的理論和實踐價值。

②調(diào)查研究及學術(shù)交流情況（調(diào)研數(shù)據(jù)整理運用、文獻資料收集整理、學術(shù)會議、學術(shù)交流、國際合作等）；

1）調(diào)研數(shù)據(jù)整理運用

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)管理司公布的災情數(shù)據(jù)庫。災情數(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)計年鑒》及《中國農(nóng)業(yè)統(tǒng)計資料》。 災情數(shù)據(jù)庫收錄了1949年至今分省、分年度、分災種的受災、成災、絕收的面積數(shù)據(jù)共2.3萬條。

三是開展了臺風災害案例分析和數(shù)據(jù)收集，已經(jīng)完成了自1949年以來分省、分年度、分災種的受災、成災、絕收的面積數(shù)據(jù)、成災率、受災率、絕收率的統(tǒng)計工作，收集并整理了國內(nèi)外相關(guān)文獻2000余篇。同時，還積極開展了國際合作，到美國俄克拉荷馬州立大學進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)研洪澇災害損失情況，收集整理了該洪澇災害的相關(guān)數(shù)據(jù)，并將調(diào)研資料整理成學術(shù)論文一篇，在《災害學》上發(fā)表。

2）文獻資料收集整理

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、災害損失評估以及氣象災害應(yīng)急管理等相關(guān)研究的國內(nèi)外文獻。

3）學術(shù)會議

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

課題首席專家召集，每月召開一次課題進展研討會。

4）學術(shù)交流

一是2017年9月到清華大學經(jīng)濟管理學院做訪問學者，導師為陳國青教授，擬積極參加團隊活動，深入學習大數(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承辦的DEAIC2018國際會議。

四是邀請北卡羅萊納大學彭布洛克分校衛(wèi)國教授、美國新墨西哥州立大學王通會教授、美國賓夕法尼亞州高等教育系統(tǒng)滑石分校林益教授、田納西大學金明洲教授、寧波大學鐘昌標教授、溫莎大學王運通教授、北京化工大學李想教授、四川大學胡知能教授、江蘇省社會科學院經(jīng)濟研究所所長胡國良研究員、南京農(nóng)業(yè)大學鐘甫寧教授等10余位專家來校進行學術(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)基于格點的災害大數(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)的災害預警方法研究（與Shunfeng SONG教授合作）。

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

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

以上這些合作，為后續(xù)進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》報送情況、國家社科基金專刊投稿及采用情況等）；

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

2）李廉水教授、王會軍院士、吳先華教授合作撰寫的調(diào)研報告《以數(shù)據(jù)融合為基礎(chǔ)，全面提升災害應(yīng)急管理能力》在中國科學技術(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：氣象災害本體是實現(xiàn)“基于氣象災害本體的氣象災害大數(shù)據(jù)語義檢索模型”的核心技術(shù)。氣象災害本體明確界定了氣象災害概念及其之間相互語義關(guān)系，可以消除氣象災害數(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，因此需要借助當前通用的概念本體庫SUMO和同義詞集Wordnet，對兩大本體庫進行融合，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。

改進措施：全面研讀國內(nèi)外相關(guān)的研究文獻和技術(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)計動態(tài)尋優(yōu)子空間算法，進行特征提取與選擇，實現(xiàn)氣象災害大數(shù)據(jù)的維數(shù)約簡；在此基礎(chǔ)上建立典型氣象災害數(shù)據(jù)的深度學習模型，實現(xiàn)災害的分類識別。

改進措施：利用統(tǒng)計學上的相關(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)和最大邊緣準則(MMC)三種全局統(tǒng)計子空間算法，用于設(shè)計動態(tài)尋優(yōu)子空間方法，結(jié)合氣象災害數(shù)據(jù)的行業(yè)特性，進行特征提取與選擇，實現(xiàn)氣象災害大數(shù)據(jù)維數(shù)約簡。利用模糊聚類等統(tǒng)計方法，用于測試氣象災害的數(shù)據(jù)結(jié)構(gòu)特征；采用泛函分析和數(shù)理統(tǒng)計方法，用于推導數(shù)據(jù)分布統(tǒng)計量與典型激活函數(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)定深度學習算法層數(shù)的閾值等等。在這些研究的基礎(chǔ)上，建立典型氣象災害數(shù)據(jù)的深度學習模型，實現(xiàn)災害的分類識別。

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，對氣象災害的實時數(shù)據(jù)、災后重建數(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一步加強，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害數(shù)據(jù)，確保研究的真實性和可靠性。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、預報資料和遙感數(shù)據(jù)，及時與相關(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、學術(shù)價值、社會影響等）；

1）研究成果1（基于大數(shù)據(jù)融合提升災害應(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”影響防災救災決策準確性，主要體現(xiàn)在：一是災害管理數(shù)據(jù)采集和使用分散，二是災害管理數(shù)據(jù)未形成統(tǒng)一標準，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)共享的災害應(yīng)急管理經(jīng)驗值得借鑒，一是災害數(shù)據(jù)庫互聯(lián)共享，二是大數(shù)據(jù)技術(shù)應(yīng)用于災害應(yīng)急管理系統(tǒng)，三是以社區(qū)為中心，開展災害防御和基礎(chǔ)數(shù)據(jù)精準數(shù)據(jù)采集，四是以�。ㄖ荩�為樞紐，構(gòu)建災害應(yīng)急管理三級聯(lián)動體系。

主要觀點：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)開放共享為導向，建立和加強“社區(qū)防災”為中心的災害管理理念。

學術(shù)價值：災害數(shù)據(jù)，包括預報數(shù)據(jù)、災情數(shù)據(jù)和社會統(tǒng)計數(shù)據(jù)三大類，具有體量浩大、模態(tài)繁多、生成快速和價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、標準迥異、互不相融，呈現(xiàn)“碎片化”特征，難以滿足在發(fā)生災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)的災害數(shù)據(jù)的快速融合成為可能。本研究具有較高的學術(shù)價值。

社會影響：引入災害大數(shù)據(jù)融合方法，篩選高風險點、高敏感行業(yè)和部門，發(fā)展大數(shù)據(jù)融合背景下災害應(yīng)急決策管理技術(shù)，能夠為災害的實時評估及應(yīng)急決策提供理論和方法支持，為災害應(yīng)急管理提供強有力的決策支持。

2）研究成果2（基于FCA的氣象災害本體構(gòu)建）介紹：

主要內(nèi)容：從氣象災害相關(guān)的學術(shù)文獻和新聞報道抓取數(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，導入ConExp中自動生成概念格和 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：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)進行融合，構(gòu)建領(lǐng)域術(shù)語規(guī)范，促進氣象大數(shù)據(jù)融合。

學術(shù)價值：該研究成果對領(lǐng)域本體構(gòu)建方法進行了新的探索，即在基本的構(gòu)建本體過程中，考慮以非結(jié)構(gòu)化的氣象災害大數(shù)據(jù)作為數(shù)據(jù)源，并引入主題詞表以實現(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害領(lǐng)域，借助本體技術(shù)，為氣象災害領(lǐng)域構(gòu)建規(guī)范化術(shù)語體系，幫助計算機更好地理解氣象災害術(shù)語，在真正意義上促進各氣象部門的數(shù)據(jù)共聯(lián)、共通、共享，實現(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前新興的熱點主題——大數(shù)據(jù)的國內(nèi)外研究全貌，為氣象災害大數(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)域的科學知識圖譜——作者、國家和機構(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：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)，達到30多人。國家和機構(gòu)之間的科研合作極少，國際TOP30科研機構(gòu)中，大部分為美國高校，中國機構(gòu)較少。國內(nèi)外大數(shù)據(jù)研究都涉及的熱點有：基于大數(shù)據(jù)的云計算；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、識別與預測等領(lǐng)域的應(yīng)用研究。而國內(nèi)涉及較少的研究熱點有：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。

學術(shù)價值：“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)院為推動我國大數(shù)據(jù)產(chǎn)業(yè)持續(xù)健康發(fā)展,發(fā)布《促進大數(shù)據(jù)發(fā)展行動綱要》。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，中國知網(wǎng)期刊數(shù)據(jù)庫顯示2000-2015期間，國內(nèi)學者發(fā)表了16,798篇大數(shù)據(jù)方面的文獻。然而目前利用科學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、研究熱點與前沿的文獻還相對較少。該研究成果通過全面展示國內(nèi)外大數(shù)據(jù)研究的主要科研團隊、發(fā)文國家和機構(gòu)，以及他們之間的合作情況，同時展示出國內(nèi)外大數(shù)據(jù)研究的熱點主題、前沿熱點與領(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)研究概況進行一個對比分析，可以促進我國大數(shù)據(jù)研究體系的完善。

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

基本內(nèi)容：對于鏈接主題相關(guān)性分析，提出了評價鏈接潛在價值的三個目標：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，首次將多目標優(yōu)化算法引入主題爬蟲，提出了一種基于多目標優(yōu)化的網(wǎng)頁空間進化(WSE)算法。WSE算法通過計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行比較來更新鏈接庫。另外，針對多目標優(yōu)化中Pareto最優(yōu)解的選取問題，提出了一種最近最遠候選解法(NFCS)。最后，以暴雨災害為主題，在相同的實驗環(huán)境下，運行WSE算法與文獻中的寬度優(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。實驗結(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：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害高質(zhì)量的網(wǎng)頁是氣象災害主題爬蟲問題研究的重點和難點。

學術(shù)價值：首次將多目標優(yōu)化算法引入主題爬蟲，提出了一種基于多目標優(yōu)化的網(wǎng)頁空間進化(WSE)主題爬蟲算法。該項研究成果對于高效、全面抓取互聯(lián)網(wǎng)上與氣象災害大數(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)澇風險評估數(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/典型暴雨降水、臺風大風等氣象因子歷年數(shù)據(jù)，構(gòu)建臺風/典型暴雨（致災因子）綜合影響強度指數(shù)；采用GIS技術(shù)，綜合考慮受災地區(qū)地理孕災因子海拔高度、地形標準、江河水網(wǎng)密度，社會經(jīng)濟孕災因子，包括人口密度、單位面積GDP、農(nóng)業(yè)密集程度、主要經(jīng)濟行業(yè)發(fā)展指標等因素，構(gòu)建孕災環(huán)境暴露性指數(shù)及承載體脆弱性指數(shù)；收集、分析寧波市歷年災情數(shù)據(jù)時空分布數(shù)據(jù)（包括人員傷亡、經(jīng)濟損失、房屋倒塌、受災成災面積），構(gòu)建臺風災損度指數(shù)。進而構(gòu)建寧波市臺風/典型暴雨基本災情數(shù)據(jù)庫及災損評價指數(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)于防止氣象災害—強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，可以通過計算機周密的運算，得出該地區(qū)積水量能達到多少。這套軟件具有“暴雨來臨前預測”和“突發(fā)暴雨隨時監(jiān)測”的雙重功能。預測功能主要指，在暴雨來臨前，提前預測出未來哪天將會出現(xiàn)降水以及降水分布情況，再運用數(shù)值預報中的多類預報產(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)預測出哪個“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“短時臨近預報綜合業(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、閃電定位、TJ-WRF數(shù)值預報產(chǎn)品等各類氣象資料在實時地理位置上可直觀顯示，進一步強化了預報預警的精細化程度。

社會影響：基于 Web GIS 實現(xiàn)“人機交互式”數(shù)據(jù)采集；通過統(tǒng)計方法確定災損率曲線，計算災害的直接經(jīng)濟損失；利用投入產(chǎn)出模型計算災害的間接經(jīng)濟損失。采用“所見即所得”的思路，只需要輸入降雨量的實況數(shù)據(jù)，便可即時計算城市各易澇點的直接和間接經(jīng)濟損失，提供災害經(jīng)濟損失的空間分布，自動生成各易澇點的災損和防御對策報告。該系統(tǒng)有助于提高政府部門的災害應(yīng)急管理能力，為類似災害的經(jīng)濟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、下一步研究計劃

子課題1：氣象災害大數(shù)據(jù)的本體構(gòu)建研究

1）2018.07-2019.07：氣象災害數(shù)據(jù)的自動語義標注。提煉氣象災害數(shù)據(jù)的類型和屬性，運用數(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”四元組的氣象災害知識詞表，采用線性規(guī)劃和本體學習等方法進行語義推理，實現(xiàn)氣象災害數(shù)據(jù)的自動語義標注。

2）2019.08-2020.07：構(gòu)建大數(shù)據(jù)環(huán)境下的氣象災害本體。整合氣象災害知識術(shù)語類，通過本體學習、支持向量機等技術(shù)自動構(gòu)建氣象災害本體。整合氣象災害的概念庫、實例庫和本體庫，建立氣象災害大數(shù)據(jù)標準體系，構(gòu)建大數(shù)據(jù)環(huán)境下的氣象災害本體。

子課題2：氣象災害大數(shù)據(jù)的融合研究

1）2018.07-2019.07：設(shè)計氣象災害大數(shù)據(jù)的標準編碼體系。從大數(shù)據(jù)的編碼、坐標系統(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)進行標準化處理，為不同類型的數(shù)據(jù)設(shè)計相應(yīng)的編碼體系標準，設(shè)計大數(shù)據(jù)的標準編碼體系。

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)的標準化處理，包括社會經(jīng)濟類、災情類非空間屬性數(shù)據(jù)、氣象類空間大數(shù)據(jù)、Web等離散數(shù)據(jù)的標準化處理。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：氣象災害大數(shù)據(jù)的降維與災害識別研究

1）2018.07-2019.07：氣象災害大數(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，設(shè)計一種混合的氣象災害大數(shù)據(jù)降維算法，并以城市暴雨災害為例對方法進行驗證。

2）2019.08-2020.07：氣象災害的分類識別研究。根據(jù)統(tǒng)計學和機器學習等方法，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)災害分類識別的模型和方法，并以暴雨洪澇等氣象災害為例進行驗證。

子課題4：氣象災害的經(jīng)濟社會影響評估研究

1）2018.07-2019.07：構(gòu)建災損率曲線、EC+IIOM。在數(shù)據(jù)采集和融合的基礎(chǔ)上，測算各高風險點的災損率曲線；開發(fā)最終需求各項的面板數(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CGE的基準情景、設(shè)計函數(shù)及方程、處理數(shù)據(jù)及參數(shù)、采用通用數(shù)學建模系統(tǒng)編程，構(gòu)建MD+CGE模型，并評估氣象災害給關(guān)聯(lián)產(chǎn)業(yè)和部門帶來的經(jīng)濟影響。

子課題5：氣象災害應(yīng)急決策的生成與評價研究

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，前景理論在氣象災害應(yīng)急決策領(lǐng)域的應(yīng)用研究，氣象災害大數(shù)據(jù)應(yīng)急決策評估指標體系的設(shè)計研究，基于前景理論的應(yīng)急決策方案的動態(tài)評估模型研究等，最后以城市暴雨災害為例對方法進行驗證。

（課題組供稿）