-
题名基于大数据技术的云端城市地质三维可视化框架
被引量：15
- 1
-
-
作者
宋越
高振记
王鹏
-
机构
中国地质大学(武汉)国家地理信息系统工程技术研究中心
中国地质调查局发展研究中心
自然资源部地质信息工程技术创新中心
-
出处
《中国矿业》
北大核心
2020年第6期81-86,共6页
-
基金
中国地质调查局“雄安新区深部三维地质结构探测”项目资助(编号:DD20189134)。
-
文摘
为了解决大型城市地质三维模型可视化面临的数据容量巨大、模型处理时间长、三维渲染慢、客户端对硬件依赖过高等问题,本文提出了一种基于Spark大数据技术搭建的云端城市地质三维可视化平台,包括数据存储层、数据调度层、云端渲染层、终端可视化层。对城市地质使用的地学大数据采用"纵向分层、横向分块"策略进行自动划分,在三维模型计算及三维可视化过程中,采用Spark Streaming+GPU的快速并行计算和任务调度,可高效地自动完成三维模型的分布式渲染、集中融合和可视化展示。在"地质云"中使用5台高性能云主机构建了城市地质三维可视化平台原型,采用雄安新区的地质、钻孔、高精度网格、倾斜摄影等约410GB的数据进行实验。经在线验证,无三维引擎的客户端访问云端的城市地质三维可视化计算平台,每秒可渲染并返回30帧三维图像,人机实时交互流畅,形成的这种新型"终端发请求、云端三维算"模式将对虚拟化城市地质走向实际应用起到重要的推动作用。
-
关键词
大数据
三维可视化
分布式渲染
并行计算
城市地质
-
Keywords
big data
3D visualization
distributed rendering
parallel computing
city geology
-
分类号
P56
[天文地球—构造地质学]
-
-
题名煤系地层三维地质模型精细化表达研究
被引量：5
- 2
-
-
作者
宋越
高振记
-
机构
中国地质大学(武汉)国家地理信息系统工程技术研究中心
中国地质调查局发展研究中心
自然资源部地质信息工程技术创新中心
-
出处
《中国矿业》
北大核心
2020年第9期147-151,159,共6页
-
基金
中国地质调查局“国家地质大数据汇聚与管理”项目资助(编号:DD20190381)
中国地质调查局“雄安新区深部三维地质结构探测”项目资助(编号:DD20189134)。
-
文摘
三维地质体建模精细化已成为现阶段建模技术日渐重视的研究方向之一。模型贴图作为地质体模型精细化表达的重要技术手段,长期处于建模环节中被忽略的部分,仅能初步实现粗糙的贴图效果,且存在贴图变形扭曲、边界缝隙等问题丞待解决。本文以某煤矿地层模型为研究对象,建立基础纹理样本库并提出了一种基于机器学习的纹理样本库扩充方法,采用Delaunay三角剖分技术对三维地质体进行重构,提高了网格模型质量,并选用切线空间法线贴图与边界无缝处理技术进行三维地质体贴图研究。研究结果表明,通过三角剖分以及法线技术贴图的三维地质体比现有三维地质体贴图效果更加精细美观,大大提高了三维地质体模型的真实感,解决了边界不连续的问题。
-
关键词
机器学习
纹理样本库
三维地质体
切线空间法线贴图
图像融合
-
Keywords
machine learning
texture-sampled image database
three-dimensional geological body
tangent space normal map
image fusion
-
分类号
P536
[天文地球—古生物学与地层学]
-
-
题名基于云平台的部级开放基金课题管理系统
被引量：2
- 3
-
-
作者
王海强
万吉
宋越
房华
-
机构
吉林大学大数据和网络管理中心
吉林大学北区综合办公室
自然资源部地质信息工程技术创新中心
-
出处
《吉林大学学报（信息科学版）》
CAS
2020年第4期497-501,共5页
-
基金
国家地质大数据汇聚与管理基金资助项目(DD20190381)。
-
文摘
为完成部级开放基金课题管理要求,全面分析了课题管理的各项业务需求,基于面向服务体系结构搭建了开放基金课题管理系统。该系统基于J2EE框架、B/S(Browser/Server)体系结构、Java语言研发,系统部署于云计算平台中,能完成实验室基金项目申请、评审、中期考核、结项、成果共享等全流程各环节的功能管理。经实际运行表明,该系统可在云端稳定高效运行,能满足实验室开放基金课题的在线实时管理。
-
关键词
云计算
课题管理
J2EE技术
B/S结构
-
Keywords
cloud computing
project management
J2EE technology
Browser/Server structure
-
分类号
TP315
[自动化与计算机技术—计算机软件与理论]
-
-
题名边缘大数据分析预测建模方法研究
被引量：3
- 4
-
-
作者
钟运琴
朱月琴
焦守涛
-
机构
中国科学院大学中国科学院大数据挖掘与知识管理重点实验室
国务院发展研究中心信息中心
中国地质调查局发展研究中心
自然资源部地质信息工程技术创新中心
-
出处
《高技术通讯》
CAS
2022年第10期1067-1075,共9页
-
基金
国家自然科学基金(41872253)
国家重点研发计划(2018YFC1505501)资助项目。
-
文摘
随着物联网大数据分析实时性要求的提高,中心控制的云端大数据分析方法无法满足实时性和准确性要求,表现为响应延迟大、成本开销大、特定环境下的预测准确性低。本文提出了在海量实时数据如传感器数据、流数据等场景下的边缘侧大数据分析预测建模方法,该方法在边缘侧训练小数据样本,根据特定的应用场景多接入边缘侧进行分布式建模学习,分而治之地训练模型和推理预测分析。首先,通过将大数据分析和边缘计算相结合提出了边缘侧和云端协同的大数据分析预测建模的理论范式框架;其次,在该标准范式框架的基础上,设计了边缘侧大数据分析预测的训练算法和调优机制;最后实现了边缘侧大数据分析的训练和评估系统原型。在百个节点测试环境的实验结果表明,在实时大数据场景,同云端训练相比,本文提出的边缘侧大数据训练的性能效率平均提升了3.95倍,网络通信量减少了88.7%,边缘侧协同训练模型的预测准确率、召回率和F1值比传统训练方法可以提升3%~9%,请求预测的响应延迟降低了67.5%。本文方法可有效应用于科学计算、智能金融、自动驾驶、安防监控、数据安全、智能工厂和智慧城市等领域,具有一定的借鉴价值。
-
关键词
边缘计算
大数据分析
边缘大数据
边缘机器学习
边云协同
-
Keywords
edge computing
big data analysis
edge big data
edge machine learning
edge-cloud collaboration
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
