期刊信息
Navigation

刊名:地质科技通报
曾用名:地质科技情报
主办:中国地质大学(武汉)
主管:中华人民共和国教育部
ISSN:1000-7849
CN:42-1904/P
语言:中文
周期:双月
影响因子:0
数据库收录:
文摘杂志;北大核心期刊(1992版);北大核心期刊(1996版);北大核心期刊(2000版);北大核心期刊(2004版);北大核心期刊(2008版);北大核心期刊(2011版);北大核心期刊(2014版);北大核心期刊(2017版);化学文摘(网络版);中国科学引文数据库(2011-2012);中国科学引文数据库(2013-2014);中国科学引文数据库(2015-2016);中国科学引文数据库(2017-2018);中国科学引文数据库(2019-2020);日本科学技术振兴机构数据库;文摘与引文数据库;中国科技核心期刊;期刊分类:地质学
期刊热词:
环境地质工程

现在的位置:主页 > 期刊导读 >

基于云计算的地质大数据挖掘内涵(4)

来源:地质科技通报 【在线投稿】 栏目:期刊导读 时间:2020-09-09

【作者】网站采编

【关键词】

【摘要】:013,36(6):1125-1138. [10] LI K,GIBSON C,HO D,et al.Assessment of machine learning algorithms in cloud computing frameworks[C]∥2013 IEEE Systems and Information Engineering Design Symposium.IEEE Compu

013,36(6):1125-1138. [10] LI K,GIBSON C,HO D,et al.Assessment of machine learning algorithms in cloud computing frameworks[C]∥2013 IEEE Systems and Information Engineering Design Symposium.IEEE Computer Society.2013. [11] 白梅,信俊昌,东韩,等.不确定数据流上的概率反轮廓查询处理[J].计算机研究与发展,2011,48(10):1842-1849. BAI Mei,XIN Junchang,DONG Han,et al.Probabilistic reverse skyline query processing on uncertain data streams[J].Journal of Computer Research and Development,2011,48(10):1842-1849. [12] ARI I,OLMEZOGULLARI E,CELEBI,et al.Data stream analytics and mining in the cloud [C]∥Cloud Com 2012-Proceedings:2012 4th IEEE International Conference on Cloud Computing Technology and Science.IEEE Computer Society.2012. [13] 付长军,乔宏章.大数据可视化技术探析[J].无线电通信技术,2017,43(5):1-5. FU Changjun,QIAO Hongzhang.Study on big data visualization technology[J].Radio Communications Technology,2017,43(5):1-5. [14] 李超岭,李健强,张宏春,等.智能地质调查大数据应用体系架构与关键技术[J].地质通报,2015,34(7):1288-1299. LI Chaoling,LI Jianqiang,ZHANG Hongchun,et al.Big data application architecture and key technologies of intelligent geological survey[J].Geological Bulletin of China,2015,34(7):1288-1299. 0 引 言继云计算、互联网和物联网的发展之后,大数据技术再次掀起信息技术的重大变革。面对海量的、动态的及不确定的数据,如何实现数据处理以及如何快速实时地从复杂的大数据中挖掘出有价值的信息,形成知识体系,完成产品发布实现数据共享,这些问题传统的技术已无法实现。同时,当代地质灾害、地下水污染、能源矿产的可持续发展问题严重破坏了地球系统,大数据技术的应用有利于人类与地球的平衡发展,促进地质工作的信息化建设。云计算是大数据时代的重要支撑,云上的大数据拥有众多的功能服务层,包括跨越大量节点、层以及集群等。大数据平台融合基于全面的云数据虚拟化架构,整合地质数据的空间基准、语义、尺度,实现多源、异构地质数据的融合和挖掘,进一步加深地质信息资源内容的展示程度,是地质调查工作的重要手段。大数据的存储及挖掘技术有力促进了“数字地球”“智慧地球”等科学计划的开展。1 地质大数据目前现有的地质数据量非常庞大,包括地质、矿产、植被、建筑、遥感、地形、地貌、水文、灾害等地表每一点上的结构化数据以及非结构化数据。数据种类除了传统的图件、地质报告、表格外,还包括视频、图片等格式的数据。地质数据采用的标准、规范不同;地质调查成果报告数据类型、文件类型复杂;地质数据具有海量、多源、异构等特点,数据获取的成本高,更新周期长,不同的专业有不同的数据组织形式,难以重组交叉;时间空间跨度大,具有深海、深空、深地混合性和多总体性的特点。2 地质大数据存储大数据的存储模式包括传统的数据存储模式以及分布式存储模式,以列或行列混合存储模式存储结构化、半结构化、非结构化数据,实现分布式存储;利用不确定数据事系管理技术及不确定数据管理系统,通过不确定关系模型,基于内存而非磁盘,严格先后次序,进而实现动态、不确定数据的直接存储[1-2]。2.1地质大数据存储数据库地质大数据存储数据库的选择以及地质大数据的分布式存储、并行计算是地质大数据处理流程中的核心之一,要根据地质大数据不同的应用需求选择适合的数据模型[3]及数据存储方式[4](表1)。SQL数据库功能强大,当

文章来源:《地质科技通报》 网址: http://www.dzkjqbzz.cn/qikandaodu/2020/0909/338.html


上一篇:高校地质类专业“矿物岩石学”课程教学内容改
下一篇:航空科技情报研究与服务创新