项目名称: 多源数据融合算法及其在城市地下工程安全减灾中的应用

项目编号: No.51208016

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 建筑环境与结构工程学科

项目作者: 鲍艳

作者单位: 北京工业大学

项目金额: 25万元

中文摘要: 随着城市化进程的加快,城市地下空间开发规模日益加大,高质量数据对于地下工程安全减灾工作显得尤为重要,而不同格式、不同精度、不同来源的数据给地下工程安全减灾工作带来很大的困难,将多源数据进行融合则是提高数据质量的重要手段和必然选择。本课题拟通过理论分析与实际工程相结合对城市地下空间数据组织与管理中存在的问题进行研究,主要研究内容:(1)系统地研究栅格数据的算法对地下空间多源数据的适用性,并基于模糊理论、遗传算法提出新的算法;(2)针对目前矢量数据融合的特点,基于本体理论建立信息分类和编码体系,并研究属性数据融合的算法,进而提出相应的数据融合规则;(3)基于主成分分析、聚类分析理论发展城市地下空间矢量-栅格数据融合的算法研究。方便在地理信息系统(GIS)环境下对城市地下工程多源数据的分析和处理,从而为城市地下工程安全减灾工作提供可靠的、系统的参考数据,具有重要的理论意义和应用价值。

中文关键词: 多源数据;数据融合;城市地下工程;安全减灾;

英文摘要: With the rapid progress of urbanization, underground space has been developed in greater scale, so that high quality data are of great significance in disaster reduction of underground space. Problems are brought by data with different formats, precision and sources. Data fusion is thus a very important method and inevitable choice to improve the quality of data. By theoretical analysis combined with the engineering practice, problems in data organization and management will be researched. The main contents are:1) The applicability of raster data algorithm will be systemically studied for data with different resources. A new algorithm will be proposed by fuzzy theory and genetic algorithm.2) According to the characteristics of vector data fusion, information categories and coding system will be built on the basis of Ontology theory; data fusion algorithm will be studied. The rule of data fusion will be further proposed. 3) Improve the algorithm of vector-raster data of urban underground space based on the main component analysis and cluster analysis. Data fused which can be easily used in Geographical Information System(for short GIS) for urban underground space. Thus, reliable and systemical data can be provided for disaster reduction of underground space, which is of important theoretical and practical value.

英文关键词: multi-source data;data fusion;urban underground engineering;disaster reduction;

成为VIP会员查看完整内容
0

相关内容

知识图谱研究现状及军事应用
专知会员服务
192+阅读 · 2022年4月8日
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
专知会员服务
98+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
77+阅读 · 2021年3月20日
机器学习在信道建模中的应用综述
专知会员服务
27+阅读 · 2021年3月16日
知识图谱构建技术:分类、调查和未来方向
专知会员服务
111+阅读 · 2021年3月1日
知识图谱在智能制造领域的研究现状及其应用前景综述
专知会员服务
157+阅读 · 2021年2月25日
专知会员服务
87+阅读 · 2020年8月2日
哪款应用的算法推荐让你觉得很准?
ZEALER订阅号
0+阅读 · 2022年4月9日
特征工程在实际业务中的应用!
专知
0+阅读 · 2022年2月3日
「时空数据分析」综述论文,44页pdf
专知
9+阅读 · 2021年3月20日
【知识图谱】知识图谱怎么与深度学习结合?
产业智能官
159+阅读 · 2018年12月18日
特征工程的特征理解(一)
机器学习研究会
10+阅读 · 2017年10月23日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月14日
Position-aware Graph Neural Networks
Arxiv
15+阅读 · 2019年6月11日
小贴士
相关主题
相关VIP内容
知识图谱研究现状及军事应用
专知会员服务
192+阅读 · 2022年4月8日
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
专知会员服务
98+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
77+阅读 · 2021年3月20日
机器学习在信道建模中的应用综述
专知会员服务
27+阅读 · 2021年3月16日
知识图谱构建技术:分类、调查和未来方向
专知会员服务
111+阅读 · 2021年3月1日
知识图谱在智能制造领域的研究现状及其应用前景综述
专知会员服务
157+阅读 · 2021年2月25日
专知会员服务
87+阅读 · 2020年8月2日
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员