基于多源海量数据分层递阶图表示模型的可视化信息融合与预警方法

近年极端气候等突发事件的发生呈增多趋势，自然灾害以及其引发的一串连锁反应导致能源、交通、卫生等一系列问题，给国民经济和人民生命财产带来了巨大损失。由于自然环境数据往往具有来源多（多源）、种类不一样（异类）、信息量大（海量）、随时间变化（时变）的特点，传统的数据分析与决策支持系统面临新的挑战。.本项目的主要学术思想是：针对自然环境数据的特点，提出多源海量数据的分层递阶图表示模型；在该模型的基础上，利用机器学习和人机交互协作，进行可视化信息融合和预警。.该方法对复杂异类数据分层递阶化，可以有效的化繁为易、分析复杂数据间的结构关系；对海量数据进行融合并可视化，可以高带宽地处理数据和提取知识；采用机器学习和人机交互协作进行可视化模式识别和预警，可以有效地利用专家知识，提高对决策的信任度。有望本项目原创性的学术思想在自然灾害预警与决策支持、应急管理等领域做出特色性成果。