人工智能赋能时空大数据平台

根据作者关于"人工智能赋能时空大数据平台"的学术报告整理而成。主要讨论了3个问题:①从怎样理解人工智能、人工智能百年曲折道路、20世纪60—90年代国内外专家系统研究的反思、人工智能"回归基础"后出现的转机和人工智能时代正在到来的主要标志等5个方面,论述了"人工智能时代"的到来是时代之大势;②在认识时空大数据和时空大数据平台及其功能的基础上,着重分析了从"智慧大脑"看人工智能怎样赋能时空大数据平台,认为互联网技术与"3S"(GNSS,RS,GIS)技术的快速发展为时空大数据平台提供了强有力的技术支撑,从3个方面论述了人工智能技术的快速发展支撑时空大数据平台的智能化;③在对现有3种时空信息服务技术模式进行深入分析的基础上,总结得出了3种服务技术模式的综合分析结论,提出了基于"网格集成"与"弹性云"的混合式时空大数据平台服务模式的技术体制和构建技术,并提出了时空大数据平台的应用模式。     

空间地理信息分发的网格模型与服务研究

提出了实现空间地理信息(SGI)远程分发的网格分发系统(GIGD)。以图的方式定义了网格资源节点，建立了SGI资源和网格资源的关系，给出了GIGD的形式化表示，构建了面向服务的6级分层网格模型，基于开放OGSA服务与接口定义模式设计了系列网格服务，实现了支持请求/应答服务模式、SGI无中心式网格分发的GIGD。资源查找过程中GridService和直接拷贝的性能比较表明：GridService的传输效率与直接拷贝模式相当，达到最大传输速率更快，对数据量的依赖性不强。     

带障碍约束的遗传K中心空间聚类分析

空间聚类分析是空间数据挖掘中的一个重要研究课题。传统聚类算法忽略了真实世界中许多约束条件的存在，而约束条件的存在会影响聚类结果的合理性。讨论了带障碍约束的空间聚类问题，研究了一种基于遗传和划分相结合的带障碍约束空间数据聚类分析方法，设计了一个带障碍约束的遗传K中心空间聚类分析算法。对比实验表明，该方法兼顾了局部收敛和全局收敛性能，考虑到了现实障碍物对聚类结果的影响，使得聚类结果更具有实际意义，其结果优于传统K中心聚类及单纯的遗传聚类，不足之处是其计算速度相对较慢。     

粒子群K-Medoids带障碍约束空间聚类分析研究

空间聚类分析是空间数据挖掘研究领域中的一个重要研究课题.传统聚类算法忽略了真实世界中许多约束条件的存在,而约束条件的存在会影响聚类结果的合理性.本文在分析粒子群优化算法和划分算法的基础上,研究一种基于粒子群和划分相结合的带障碍约束空间聚类分析方法,设计了一个粒子群K-Medoids带障碍约束空间聚类分析算法.对比实验表明,该方法不仅兼顾了局部收敛和全局收敛性能,又充分考虑到了现实障碍物对聚类结果的影响,使得聚类结果更具实际意义.与遗传K-Medoids带障碍约束空间聚类分析相比,该方法具有更好的可伸缩性,且所需输入的参数相对较少,更适合于对聚类速度要求较高的动态约束条件场合.     

大跨度大截面钢梁高空吊装施工技术

结合某市初级中学共享中心、风雨操场和食堂这两个单体工程屋顶大跨度钢梁安装实例，并结合现场平面部署及整体施工进度要求，对钢梁整体进行起拱、吊装验算，因此，施工现场对钢梁分段对接安装、测量校正和焊接质量具有较高的要求。基于此，提出一种安全可靠又节约工期的大跨度大截面钢梁整体吊装方法，并对安装流程及安装措施作出详细介绍，旨在为类似工程提供借鉴。