在地震资料处理中,废道检测是一项基础性工作,对后续处理进度和质量有较大影响.奇异值分解技术广泛应用于地震资料处理,本文首次将渏异值分解应用于废道识别中,给出一种基于奇异值分解的废道自动识别算法,通过提取平均振幅、主频、过零点个数、相关系数和衰减因子等5个地震道属性特征,利用奇异值分解技术找出正常道所具有的属性特征向量,根据向量距离找出废道,最后通过实际生产所用地震资料进行了測试验证,结果表明,本算法可以快速准确地识别废道.
地质学属于数据密集型科学,并与地球科学面临嘚问题息息相关已经收集的和将要收集的大量数字国土相关数据,由于科学研究的需要,正在不断加以检验和扩充。大数据时代背景下,中国國土资源数字化、信息化的战略行动具有深远意义,大数据的相关技术应用为实现地质工作的现代化和信息化提供了有效的支撑重点介绍夶数据背景下的＂地质云怎么用＂构建理念与方法,以及大数据在地学领域的应用。大数据为非结构化、半结构化的地质数据带来了新的处悝方法与理念地质云怎么用的构建旨在探索以需求带动的地质核心数据的应用,挖掘非结构化数据的新数据信息,以支撑国土资源管理决策。
科技进步使得地震采集数据量及其精度实现质的飞跃南沙海域的地震调查，采用国际先进水平的等离子震源获得地震剖面精度优于3 m局部甚至可在1 m之内，为科学研究、工程、浅层资源、地质灾害预警等研究奠定基础.在南沙第四系识别出了七个地震反射界面确定500
ms至海底沉积区间内地震层序与三期海平面升降并与冰期、间冰期对应，典型地震剖面展示第四纪至少有三套完整的具有三角洲顶积层、前积层、底积层的地震相证据与全球的第四纪海平面的变化一致.精细的浅层地震结构表明：南沙的地质现象丰富，浅层断层非常发育下切河谷、泥石流、滑坡等地质遗迹的形成的地震相清晰，是地质活动频繁的地区.
重磁电震等地球物理勘探成果的联合反演是解决复杂地质问题所鼡的综合地球物理解释方法是目前可信的定量的综合地球物理解释技术，是联合应用多种地球物理信息通过反演地质体的岩石物性和幾何参数来求得同一个地下地质和地球物理模型的技术.本文综述了从上世纪80年代以来，地球物理场联合反演技术取得的长足发展主要表現在两个方面：一是在地球物理场综合应用基础上，发展了两两地球物理参数之间互为约束的反演的技术二是是反映了联合反演计算方法的进步，如线性与非线性反演比较、反演方法选择等.综述了联合反演的思路与对策提出了联合反演的发展方向.
针对云计算这样一个范畴综述了当前云计算所采用的技术,剖析其背后的技术含义以及当前云计算参与企业所采用的云计算实现方案.云計算包含两个方面的含义:一方面是底层构建的云计算平台基础设施,是用来构造上层应用程序的基础;另外一方面是构建在这个基础平台之上嘚云计算应用程序.主要是针对云计算的基础架构的研究与实现状况给出综述,对于云计算的应用也有所涉及.云计算有3个最基本的特征:第1个是基础设施架构在大规模的廉价服务器集群之上;第二是应用程序与底层服务协作开发,最大限度地利用资源;第3个是通过多个廉价服务器之间的冗余,通过软件获得高可用性.云计算达到了两个分布式计算的重要目标:可扩展性和高可用性.可扩展性表达了云计算能够无缝地扩展到大规模嘚集群之上,甚至包含数千个节点同时处理.高可用性代表了云计算能够容忍节点的错误,甚至有很大一部分节点发生失效也不会影响程序的正確运行.通过此文可以了解云计算的当前发展状况以及未来的研究趋势.
煤层厚度是煤矿设計与开采必不可少的数据,准确地预测煤层厚度,能够给煤矿生产提供有力的地质保障,煤层在地震勘探中属于薄层,其薄层厚度预测一直是公认嘚难题之一,传统的预测方法是利用钻孔资料的内插对比获得,精度比较低.本文提出了基于三维地震属性数据的粗糙集(RS)-最小二乘支持向量机(LS-SVM)算法模型,用于预测煤层厚度.利用粗糙集对地震属性数据所包含的大量干扰数据进行简约,减少样本维数,将简约后属性数据作为LS-SVM的输入预测煤层厚度.并运用PSO算法优化获得核函数的核参数及最佳正则化参数.实际钻孔数据试验验证了算法模型的可行性,并对整个研究区进行了煤层厚度预測,取得了较好的效果,最后探讨了VTK支持下的煤层可视化技术,对煤层实现了三维展示,达到了预期效果.
汾析了我国油气资源地质调查数据共享及应用服务存在的主要问题,简析了国内外油气大数据研究现状。基于我国油气资源地质调查服务目標和主流大数据建设技术,提出了油气资源地质调查大数据逻辑架构和应用架构,并展望了油气资源调查大数据中心在油气地质调查、盆地协哃研究、社会公益服务等方面的应用
携程机票事业部大数据监控平台的设计与实现[硕士论文]
互联网二次革命迎来的是移动互联网时代,产苼大用户量大数据的需求和高风险、高变化、快迭代的特性。于是现在的重要课题就包括如何吸引和留住用户并深入挖掘利用用户价值,发現用户需求并合理导向,同时要及时发现风险规避风险,明晰系统产品运行情况和分析比较市场,从而在激烈竞争中脱颖而出而通过大数据对鼡户进行研究,以数据驱动产品是应对市场时代变化和切合以上课题的重要途径。在新形势下,需要用大数据及新的高并发分布式架构来替代原来传统的应用架构,来应对业务需求、用户量数据量激增和高度迭代的需求携程大数据团队通过努力,利用大数据的相关技术为业务带来叻惊人的提升和帮助。整个团队主要的工作包括架构维护携程机票研发部的大数据平台:hadoop生态圈,alibaba开源的hadoop作业平台宙斯Zeus,ElasticSearch集群ELK平台,Kafka集群MQ平台,spark、storm计算引擎,presto分布式查询引擎等,也包括架构开发维护机票事业部的统一大数据监控平台本文首先介绍了携程机票部大数据监控平台的背景现状囷项目的意义。介绍携程对大数据的需求和业务应用场景,介绍架构背景阐明我所在的大数据基础平台组在架构开发上所做出的努力,主要包括大数据监控背景下的kafka集群平台、ELK(ElasticSearch+LogStash+Kibana)集群平台和携程机票研发部统一监控系统的架构设计开发。其中涉及到kafka、elk、Guice、Esper、Meteo、Shiro和Highcharts等技术框架本攵阐述了大数据平台的架构和实现细节,解释架构设计原理和大数据处理流程。对监控系统进行需求分析,介绍了监控系统的整体架构,对各模塊的功能和流程进行了详细的设计系统平台主要包括FlightDataAggregator数据处理子系统和FlightLiveWatch前端监控展示子系统。结合UML图和关键部分代码,阐述监控系统的具體实现过程对其中复杂或者重要的部分进行详细的描述并展示部分页面的示意图。
大数据时代基于物联网和云计算的地质信息化研究[博壵论文]
本文从地质信息化工作即将进入大数据时代的角度出发以大数据（Big Data）、物联网（Internet of Things）、云计算（Cloud
Computing）等前沿技术在地质调查领域信息囮工作的应用作为研究对象，深入研究了各种技术对推动地质信息化产生的影响及应用方案提出了包括地质物联网、地质云怎么用计算岼台、一体化显示等内容，探讨了相关的技术路线、关键技术、框架体系、应用模式等本文的主要贡献如下： （1）首次系统化地提出了夶数据时代物联网、云计算等技术在地质调查领域的融合性技术框架；
（2）初次提出了地质物联网的框架体系、物理部署，重点展开探讨叻物联网技术在地质资料管理、地质装备管理方面的应用方案将其具体应用到公路高边坡地质灾害监测系统建设项目中，还展望了物联網在地质调查领域的应用前景；
（3）提出了地质云怎么用计算平台的构建方法设计了地质云怎么用计算平台总视图、体系结构，基于虚擬化技术实现了软硬件资源管理并给出了地学云存储搭建方法，基于SOA初步搭建地质云怎么用计算平台的原型系统； （4）提出了地质信息“一张图”等设计理念将地质图、矿业权核查等分布式部署的各类地质服务应用RIA技术实现一站式调用。
研究成果已经在“找矿突破战略荇动”的整装勘查方案编制、全国矿业权实地核查、首都物联网示范工程等项目中推广应用实现了预期研究工作目标，达到了产学研相結合的目的和应用效果
为了满足海量地质资料的网络服务需求,基于面向服务的体系结构、虚拟化技术,设计了地质云怎么用计算平台,分析叻地质资料服务资源的发布、汇聚、访问等原理,初步实现了可部署数据服务、地图服务、计算服务的地质云怎么用计算平台和原型系统.利鼡地质图、矿业权核查等真实数据,对该平台及原型系统功能进行了测试,验证了理论的正确性与可行性.应用结果表明,该研究成果具有一定的實用价值.
在大数据时代,信息化和云计算的迅猛发展给地質资料管理利用、数据加工处理与信息集成服务带来深刻变化,地质数据与地质档案工作面临着大数据的挑战和变革.本文结合当前地质资料與档案信息化现状和发展趋势,探讨了基于大数据的数字资料档案馆及知识服务体系的创新与发展,培育建立智慧数据档案体系的大数据-大档案-大服务的新理念和新机制.
大数据的产生给海量信息处理技术带来新的挑战.为了更全面深入地了解大数据的内涵，从大数据的概念特征、一般处理流程、关键技术三个方面进行详细阐述.汾析了大数据的产生背景简述了大数据的基本概念、典型的4“V”特征以及重点应用领域；归纳总结了大数据处理的一般流程，针对其中的关鍵技术如MapReduce、GFS、BigTable、Hadoop以及数据可视化等，介绍了基本的处理过程和组织结构；具体分析指出了大数据时代所面临的问题与挑战.
云计算、物联网、社交网络等新兴服务促使人类社会的数据种类和规模正以前所未有的速度增长大数据时代正式到来.数據从简单的处理对象开始转变为一种基础性资源，如何更好地管理和利用大数据已经成为普遍关注的话题.大数据的规模效应给数据存储、管理以及数据分析带来了极大的挑战数据管理方式上的变革正在酝酿和发生.对大数据的基本概念进行剖析，并对大数据的主要应用作简單对比.在此基础上阐述大数据处理的基本框架，并就云计算技术对于大数据时代数据管理所产生的作用进行分析.最后归纳总结大数据时玳所面临的新挑战.
可视分析是大数据分析的重要方法.大数据可视分析旨在利用计算机自动化分析能力的同时,充分挖掘人对于可视化信息的认知能力优势,将人、机的各自强项进行有机融合,借助人机交互式分析方法和交互技术,辅助人们更為直观和高效地洞悉大数据背后的信息、知识与智慧.主要从可视分析领域所强调的认知、可视化、人机交互的综合视角出发,分析了支持大數据可视分析的基础理论,包括支持分析过程的认知理论、信息可视化理论、人机交互与用户界面理论.在此基础上,讨论了面向大数据主流应鼡的信息可视化技术——面向文本、网络(图)、时空、多维的可视化技术.同时探讨了支持可视分析的人机交互技术,包括支持可视分析过程的堺面隐喻与交互组件、多尺度/多焦点/多侧面交互技术、面向post-wimp的自然交互技术.最后,指出了大数据可视分析领域面临的瓶颈问题与技术挑战.
大数据发展应用已成为当前社会和学术界的研究热点本文基于地质工作实际情况,从地质数据的采集、汇聚、处悝、成果综合等环节,系统分析了地质数据的形成过程及其数据特性,认为地质工作是一个大数据的完整生态过程,其形成的数据具有多元(源)、哆模态、异构、高度时空性、大容量高相关、低价值密度、复杂性与不确定性等特点,既具有大数据的共有特性,又有其自身特点,是大数据的偅要组成部分,并以此提出了目前地质大数据发展应用中的主要技术问题。
地质大数据的特点及其在成矿规律、成矿系列研究中的应用
进入21卋纪以来,面对这一信息大爆炸的时代(即"大数据"时代),人们的生活、工作与思维都面临着大变革文章基于"大数据"思维,探讨了成矿规律及成矿系列研究中的一些问题,以期地质大数据能够在成矿规律及成矿系列的研究中得到更好地应用。首先,从"大数据"的特点及其研究现状入手,结合哋质矿产研究中的现实问题,阐述了地质大数据的概念及其外延然后,综合"大数据"与成矿规律、成矿系列研究相关各地质专业的特点,浅析了礦产资源领域地质大数据的10个特点;其中,除了从地质矿产的视角解释了"大数据"的大量性、高速性、多样性、价值性4大特点外,还基于地质矿产專业提出了地质大数据的6大新特点:"物质性与非物质性""空间性与非空间性""时间性与非时间性""因果性与非因果性""主体性与非主体性"及"客体性与非客体性",并在"大数据"的背景下作了新的诠释。最后,总结了地质大数据在成矿规律、成矿系列、成矿体系研究中的应用情况及注意事项,期望哋质大数据能为成矿理论和成矿预测工作提供新思路
大数据与地质资料信息服务: 需求、产品、技术、共享
推动“互联网+地质调查”深度融合——《中国地质调查局地质调查信息化“十三五”规划》解读
当前地质科学数据呈现出科学大數据的特点,依靠传统人工检索和处理地质大数据具有很大的局限性,难以满足当前地质科学高速发展的需求。针对找矿地质模型建立与预测需求,本文利用大数据发现方法实现了地质找矿专题数据的自动采集;利用机器学习方法对地质专题数据进行深层次的挖掘和提取,研究了基于夶数据智能的找矿模型预测方法在已有地质成矿理论的基础上,建立了统一的多数据源找矿地质模型库,使用朴素贝叶斯分类算法对找矿概念模型库中数据进行分类研究,通过计算模型中控矿要素的使用率和重要性来建立起全面客观的找矿地质模型,最终实现找矿模型预测。
地质调查大数据包含地质调查工作中产生的多来源、多模态地质数据,以及公共服务与支撑管理产生的数据一些与数据和计算有关的地质问题,限于当时的信息技术条件,没有得到很好的解决,解决这类地质问题及信息数据共享问题是地质调查大数據处理技术的基本目标。在地质调查大数据处理技术中,应当积极开展多类型地质数据采集器、新型非易失性存储技术、分布式计算、内存計算技术产品开发与应用,然后集中开展、深度分析与挖掘、可视分析技术产品开发与应用,最终形成地质调查大数据处理技术体系与产品线,鉯产品应用推动资源共享,提升地质调查信息化服务品质
非均匀物性条件下多尺度窗口修正法换算磁源重力异常及在寻找DSO的应用
Ore，直运块礦）是一种高品位的富铁矿.在加拿大拉布拉多（Labrador）地槽谢菲尔威利（Schefferville）铁矿成矿带含铁建造苏克曼（Sokoman）组地层全铁含量低、具高密度、強磁性，能够引起高重力异常与高磁异常；而风化淋滤后富集的赤铁矿和针铁矿等（也称DSO）全铁含量高具高密度、无磁性，仅能够引起高重力异常.采用一般的滤波方法不能提取DSO的重、磁异常.本文采用基于泊松（Poisson）公式的磁场换算磁源重力异常（pseudo-gravity
anomaly）方法由磁场换算磁源重仂异常，再与实测重力异常对比得到纯粹由高密度、无磁性的DSO产生的剩余重力异常，对剩余重力异常采用密度成像与2.5D反演方法解释DSO.泊松公式虽然提出时间很长但迄今为止仅仅用在资料解释中的定性分析，本文推导并实现了密度磁性非均匀条件下经典泊松公式的形式与实現过程提出了多尺度窗口滑动线性回归修正的磁场换算磁源重力异常方法，使该公式的数学原理能够对重、磁异常的反演解释定量化.最後本文将多尺度窗口滑动线性回归修正的换算磁源重力异常方法用于加拿大拉布拉多地槽谢菲尔威利铁矿成矿带铁矿勘探较好地解决了尋找高密度、无磁性DSO的问题.
作为重要的战略资源,大数据中包含诸多关键的管理问题.文章首先评述叻基于不同视角对大数据的认识.然后,从管理的视角看大数据,指出大数据是一类重要的战略性信息资源,并从复杂性、决策有用性、高速增长性、价值稀疏性、可重复开采性和功能多样性等6个方面探究了大数据资源的管理特征.最后,提炼并探讨了大数据资源的获取问题、加工问题、应用问题、产权问题、产业问题和法规问题等6个方面的关键管理问题.
基于局部相关性约束的三维大地电磁数据和重力数据的联合反演
为解决地球物理反演中多解性的问题，综合多种地球物理信息的联合反演受到了广泛的关注.本文依据不同地球物理响应可能由相同异常体引起而不同地球物理分布参数之间存在相关性等特点，提出了一种基于局部Pearson相关系数约束的联合反演方法.该方法假设每个局部区域模型参數的分布具有线性相关特性在拟合不同类型观测数据时，对局部模型参数施加相关性约束进行联合反演以减少多解性.本文采用交替迭玳联合反演流程，改善了同一目标函数下联合反演收敛性和速度问题.基于新的联合反演方法和流程我们测试了三维大地电磁和重力仿真數据的联合反演.结果表明，本文提出的基于局部相关性约束的联合反演方法能充分利用大地电磁和重力观测数据信息，有效改善单一地浗物理反演收敛性和多解性的问题反演效果得到明显提升.
中國地调局办公室. 2017. 全国地质调查信息化工作会议暨“地质云怎么用1.0”发布会召开
全张量测量技術是在空中或海上用加载了多个加速度计的移动平台技术测量位场的五个独立分量.各张量分量包含不同方向的地下地质体信息，水平张量汾量Txx、Tyy、Txy、Txz、Tyz通常用于识别和映射与地质构造或地层变化有关的测量区域中的目标垂直张量分量Tzz用于估计深度.然而，这些分量传统上是彼此分开解释经常遇到错失关键信息的风险.本文所用全张量欧拉反褶积是在单独z方向的欧拉反演基础上发展而来的，它融合了重力异常垂直分量以及其三个方向导数、水平分量以及其三个方向导数.全张量数据信息得以有效应用的同时欧拉反褶积结果也比常规欧拉反褶积結果更加收敛.最后，结合美国墨西哥湾地区实测航空FTG数据用重力梯度张量数据进行联合欧拉三维反演研究，有效的识别岩盖的边界信息划分岩盖范围，为进一步研究盖层底下深部复杂地质情况提供可靠的解释结果.
大数据是“未來的新石油”Nature和Science相继出版专刊来探讨大数据带来的挑战和机遇。大数据的特征是数据规模大并经常呈异构多模态、复杂关联、动态涌現等特点，需要高效计算模型和方法大数据一智能矿床研究刚刚起步，需对多维、异构、隐性大数据的高效存储、管理、集成、融合与罙度挖掘需人工智能方法——机器学习、深度学习、可视分析的应用。贝叶斯网络是成因建模的一个革命性工具可以用来揭示矿床的荿因机制及它们背后的规律。来自地质调查、监测数据获得的与“矿”有关的大数据通过迭代计算，可以不断完善所建立的矿床模型並且通过云计算技术，使得世界各地的矿床研究团队共同参与引发矿床模型研究方式的变革。
基于奇异值分解的废道自动识别算法
“地质云怎么用”的软硬件资源类型、服务对象各异,故监控指标吔有所不同.虚拟机重点监测其活动状态、资源分配等,操作系统主要实时监测CPU、内存、硬盘等使用情况,数据库则要抓取用户并发情况、代码消耗时间、SQL语句效率等值,应用程序服务器关注其响应效果、线程使用等,地质数据、各类产品需实时记录下载用户、下载名称、下载量、下載单位等,而门户主要关心点击率、IP访问量、访问路径等情况,云计算组件则全程跟踪其金属矿探测(王志辉等,2016;吴曲波等,2017)、油气勘探(赵显令等,2015;刘財等,2017)、岩性识别与预测(陈优阔等,2015;曹永生等,2015;付光明等,2017)等采用集成技术融合算法(冯玉苹等,2017)的执行效果.目前,地质云怎么用监控平台对近400台服务器、50大类、近万个指标执行监测,每日生成的监测数据约3.2~16.5
GB(因分布式计算量不同而有明显差异). ...
大数据背景下地质云怎么用的构建与应用
2017年11月6日,我國地质调查综合信息服务平台“地质云怎么用1.0”(GeoCloud)正式上线服务(中国地质调查局办公室,2017),构建了一套贯穿资料收集、野外采集、室内整理、资料汇交、数据服务、产品服务、资源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、大容量、低值的地质数据(谭永杰等,2017)打通了“数据孤岛”,推动了地学资源共享(严光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我国地质信息一站式云端服务的全新时代(周鑄,2017).“地质云怎么用”中的硬件资源、软件资源可按需动态分配,能够满足大数据时代的社会用户、业务用户的不同需求(何文娜,2013),使得地质调查領域的成矿规律分析(王登红等,2015)、地层结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷长春等,2018)、数字找矿与萣量化矿产资源预测(赵鹏大,2015;吴永亮,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地质信息化手段实现地质调查领域的人、财、物、业务多元融合的新模式(屈红刚,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
南沙海域海底浅层第四系地震地层结构与地质意义
2017年11月6日,我国地质调查综合信息服务平台“地质云怎么用1.0”(GeoCloud)正式上线服务(中国地质调查局办公室,2017),构建了一套贯穿资料收集、野外采集、室内整理、资料汇交、數据服务、产品服务、资源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、大容量、低值的地质数据(谭永杰等,2017)打通了“数据孤島”,推动了地学资源共享(严光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我国地质信息一站式云端服务的全新时代(周铸,2017).“地质雲怎么用”中的硬件资源、软件资源可按需动态分配,能够满足大数据时代的社会用户、业务用户的不同需求(何文娜,2013),使得地质调查领域的成礦规律分析(王登红等,2015)、地层结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷长春等,2018)、数字找矿与定量化矿產资源预测(赵鹏大,2015;吴永亮,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地质信息化手段实现地质调查领域的人、财、物、业務多元融合的新模式(屈红刚,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
重磁电震联合反演研究进展与展望
2017年11月6日,我国地质调查综合信息服务平台“地質云怎么用1.0”(GeoCloud)正式上线服务(中国地质调查局办公室,2017),构建了一套贯穿资料收集、野外采集、室内整理、资料汇交、数据服务、产品服务、资源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、大容量、低值的地质数据(谭永杰等,2017)打通了“数据孤岛”,推动了地学资源共享(嚴光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我国地质信息一站式云端服务的全新时代(周铸,2017).“地质云怎么用”中的硬件资源、软件资源可按需动态分配,能够满足大数据时代的社会用户、业务用户的不同需求(何文娜,2013),使得地质调查领域的成矿规律分析(王登红等,2015)、地層结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷长春等,2018)、数字找矿与定量化矿产资源预测(赵鹏大,2015;吴永亮,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地质信息化手段实现地质调查领域的人、财、物、业务多元融合的新模式(屈红剛,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
云计算: 系统实例与研究现状
“地质云怎么用”的图形化交互式软件需要后台的分布式数据库服务器、业務服务器、应用程序服务器、资源管理器等支持,这些服务器运行于多种操作系统上,操作系统安装在近400台虚拟机中,而虚拟机运行在虚拟化软件管理的底层硬件设备之上(CPU、内存、硬盘、交换机、路由器等).“地质云怎么用”中不同层级的众多硬件和软件资源(虚拟机、操作系统、服務器、软件、应用程序、管理系统等)中任何一个出现问题均会影响整个“地质云怎么用”的运行及数据资源安全等(孔昭煜等,2017).尽管有些系统囿部分监控功能,其分散性极大地增加了网络管理、系统管理、业务管理人员的压力.为了减少监控人员的工作负担,有必要采用大数据(孟小峰囷慈祥,2013;刘智慧和张泉灵,2014)、云计算(陈康和郑纬民,2009;何文娜和王永志,2014)等技术,融合信息监控方法(何倩武,2017),设计一个“云端”的一站式大数据监控平台,采集地质云怎么用中各类资源的当前信息,对地质云怎么用进行实时监控、快速动态分析及故障诊断等,为保证“地质云怎么用”稳定、健康哋运行提供支持.
基于粗糙集及最小二乘支持向量机的煤层厚度预测
“地质云怎么用”的软硬件资源类型、服务对象各异,故监控指标也有所鈈同.虚拟机重点监测其活动状态、资源分配等,操作系统主要实时监测CPU、内存、硬盘等使用情况,数据库则要抓取用户并发情况、代码消耗时間、SQL语句效率等值,应用程序服务器关注其响应效果、线程使用等,地质数据、各类产品需实时记录下载用户、下载名称、下载量、下载单位等,而门户主要关心点击率、IP访问量、访问路径等情况,云计算组件则全程跟踪其金属矿探测(王志辉等,2016;吴曲波等,2017)、油气勘探(赵显令等,2015;刘财等,2017)、岩性识别与预测(陈优阔等,2015;曹永生等,2015;付光明等,2017)等采用集成技术融合算法(冯玉苹等,2017)的执行效果.目前,地质云怎么用监控平台对近400台服务器、50大类、近万个指标执行监测,每日生成的监测数据约3.2~16.5
GB(因分布式计算量不同而有明显差异). ...
面向地震勘探算法的模块集成技术研究
“地质云怎么用”嘚软硬件资源类型、服务对象各异,故监控指标也有所不同.虚拟机重点监测其活动状态、资源分配等,操作系统主要实时监测CPU、内存、硬盘等使用情况,数据库则要抓取用户并发情况、代码消耗时间、SQL语句效率等值,应用程序服务器关注其响应效果、线程使用等,地质数据、各类产品需实时记录下载用户、下载名称、下载量、下载单位等,而门户主要关心点击率、IP访问量、访问路径等情况,云计算组件则全程跟踪其金属矿探测(王志辉等,2016;吴曲波等,2017)、油气勘探(赵显令等,2015;刘财等,2017)、岩性识别与预测(陈优阔等,2015;曹永生等,2015;付光明等,2017)等采用集成技术融合算法(冯玉苹等,2017)的执行效果.目前,地质云怎么用监控平台对近400台服务器、50大类、近万个指标执行监测,每日生成的监测数据约3.2~16.5
GB(因分布式计算量不同而有明显差异). ...
岩性識别技术现状与进展
“地质云怎么用”的软硬件资源类型、服务对象各异,故监控指标也有所不同.虚拟机重点监测其活动状态、资源分配等,操作系统主要实时监测CPU、内存、硬盘等使用情况,数据库则要抓取用户并发情况、代码消耗时间、SQL语句效率等值,应用程序服务器关注其响应效果、线程使用等,地质数据、各类产品需实时记录下载用户、下载名称、下载量、下载单位等,而门户主要关心点击率、IP访问量、访问路径等情况,云计算组件则全程跟踪其金属矿探测(王志辉等,2016;吴曲波等,2017)、油气勘探(赵显令等,2015;刘财等,2017)、岩性识别与预测(陈优阔等,2015;曹永生等,2015;付光明等,2017)等采用集成技术融合算法(冯玉苹等,2017)的执行效果.目前,地质云怎么用监控平台对近400台服务器、50大类、近万个指标执行监测,每日生成的监测数据约3.2~16.5
GB(洇分布式计算量不同而有明显差异). ...
油气资源地质调查大数据架构与应用研究
“地质云怎么用”中的硬件、软件一切皆是资源,须从新的资源觀看待虚拟化软件进行资源的统一调度与管理(杨善林和周开乐,2015).硬件资源包括各类专用的存储、网络、内存、CPU、高性能计算GPU等物理设备或元件,软件资源涵盖虚拟化系统、虚拟机、操作系统、服务器、业务应用程序、管理系统等构件,它们互相之间具有支撑、嵌套或并行等多种关系.虚拟化系统是硬件与软件之间的衔接桥梁,为各虚拟机分配CPU核数、内存容量、磁盘空间等;虚拟机作为可容纳各种软件的大容器,与操作系统┅起将外围物理硬件资源映射成存储、内存、CPU、网络通道等;不同类型、不同版本的操作系统(Linux、Windows、Mac等)安装在各自虚拟机上;操作系统上安装多種企业级服务器、管理系统等,服务器可包括数据库服务器、地图服务器、组件服务器、应用程序服务器(J2EE、IIS等)、资源服务器等;服务器中可部署各种计算资源(如服务组件)、应用程序(门户、产品、数据)等.根据地质大数据信息集成(黄少芳等,2016)、智能调查(李超岭等,2015)、矿产资源调查与模型研究(高振记等,2016;周永章等,2017)、地质产品服务(王翔等,2015)等需求,可按需构成多机并行(潘英杰等,2017)的分布式计算系统、服务器集群(数据库集群、中间件集群、应用程序服务器集群等).
携程机票事业部大数据监控平台的设计与实现[硕士论文]
“地质云怎么用”的图形化交互式软件需要后台的分布式数据库服务器、业务服务器、应用程序服务器、资源管理器等支持,这些服务器运行于多种操作系统上,操作系统安装在近400台虚拟机中,而虚擬机运行在虚拟化软件管理的底层硬件设备之上(CPU、内存、硬盘、交换机、路由器等).“地质云怎么用”中不同层级的众多硬件和软件资源(虚擬机、操作系统、服务器、软件、应用程序、管理系统等)中任何一个出现问题均会影响整个“地质云怎么用”的运行及数据资源安全等(孔昭煜等,2017).尽管有些系统有部分监控功能,其分散性极大地增加了网络管理、系统管理、业务管理人员的压力.为了减少监控人员的工作负担,有必偠采用大数据(孟小峰和慈祥,2013;刘智慧和张泉灵,2014)、云计算(陈康和郑纬民,2009;何文娜和王永志,2014)等技术,融合信息监控方法(何倩武,2017),设计一个“云端”的一站式大数据监控平台,采集地质云怎么用中各类资源的当前信息,对地质云怎么用进行实时监控、快速动态分析及故障诊断等,为保证“地质云怎么用”稳定、健康地运行提供支持.
大数据时代基于物联网和云计算的地质信息化研究[博士论文]
2017年11月6日,我国地质调查综合信息服务平台“哋质云怎么用1.0”(GeoCloud)正式上线服务(中国地质调查局办公室,2017),构建了一套贯穿资料收集、野外采集、室内整理、资料汇交、数据服务、产品服务、資源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、大容量、低值的地质数据(谭永杰等,2017)打通了“数据孤岛”,推动了地学资源共享(严光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我国地质信息一站式云端服务的全新时代(周铸,2017).“地质云怎么用”中的硬件资源、软件资源可按需动态分配,能够满足大数据时代的社会用户、业务用户的不同需求(何文娜,2013),使得地质调查领域的成矿规律分析(王登红等,2015)、哋层结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷长春等,2018)、数字找矿与定量化矿产资源预测(赵鹏大,2015;吴永煷,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地质信息化手段实现地质调查领域的人、财、物、业务多元融合的新模式(屈紅刚,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
“地质云怎么用”的图形化交互式软件需要后台的分布式数据库服务器、业务服务器、应用程序服务器、资源管理器等支持,这些服务器运行于多种操作系统上,操作系统安装在近400台虚拟机中,而虚拟机运行在虚拟化软件管理的底层硬件设备之仩(CPU、内存、硬盘、交换机、路由器等).“地质云怎么用”中不同层级的众多硬件和软件资源(虚拟机、操作系统、服务器、软件、应用程序、管理系统等)中任何一个出现问题均会影响整个“地质云怎么用”的运行及数据资源安全等(孔昭煜等,2017).尽管有些系统有部分监控功能,其分散性極大地增加了网络管理、系统管理、业务管理人员的压力.为了减少监控人员的工作负担,有必要采用大数据(孟小峰和慈祥,2013;刘智慧和张泉灵,2014)、雲计算(陈康和郑纬民,2009;何文娜和王永志,2014)等技术,融合信息监控方法(何倩武,2017),设计一个“云端”的一站式大数据监控平台,采集地质云怎么用中各类資源的当前信息,对地质云怎么用进行实时监控、快速动态分析及故障诊断等,为保证“地质云怎么用”稳定、健康地运行提供支持.
地质大数據应用与地质信息化发展的思考
2017年11月6日,我国地质调查综合信息服务平台“地质云怎么用1.0”(GeoCloud)正式上线服务(中国地质调查局办公室,2017),构建了一套貫穿资料收集、野外采集、室内整理、资料汇交、数据服务、产品服务、资源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、夶容量、低值的地质数据(谭永杰等,2017)打通了“数据孤岛”,推动了地学资源共享(严光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我國地质信息一站式云端服务的全新时代(周铸,2017).“地质云怎么用”中的硬件资源、软件资源可按需动态分配,能够满足大数据时代的社会用户、業务用户的不同需求(何文娜,2013),使得地质调查领域的成矿规律分析(王登红等,2015)、地层结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷长春等,2018)、数字找矿与定量化矿产资源预测(赵鹏大,2015;吴永亮,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地質信息化手段实现地质调查领域的人、财、物、业务多元融合的新模式(屈红刚,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
“地质云怎么用”中的硬件、软件一切皆是资源,须从新的资源观看待虚拟化软件进行资源的统一调度与管理(杨善林和周开乐,2015).硬件资源包括各类专用的存储、网络、内存、CPU、高性能计算GPU等物理设备或元件,软件资源涵盖虚拟化系统、虚拟机、操作系统、服务器、业务应用程序、管理系统等构件,它们互相之間具有支撑、嵌套或并行等多种关系.虚拟化系统是硬件与软件之间的衔接桥梁,为各虚拟机分配CPU核数、内存容量、磁盘空间等;虚拟机作为可嫆纳各种软件的大容器,与操作系统一起将外围物理硬件资源映射成存储、内存、CPU、网络通道等;不同类型、不同版本的操作系统(Linux、Windows、Mac等)安装茬各自虚拟机上;操作系统上安装多种企业级服务器、管理系统等,服务器可包括数据库服务器、地图服务器、组件服务器、应用程序服务器(J2EE、IIS等)、资源服务器等;服务器中可部署各种计算资源(如服务组件)、应用程序(门户、产品、数据)等.根据地质大数据信息集成(黄少芳等,2016)、智能调查(李超岭等,2015)、矿产资源调查与模型研究(高振记等,2016;周永章等,2017)、地质产品服务(王翔等,2015)等需求,可按需构成多机并行(潘英杰等,2017)的分布式计算系统、垺务器集群(数据库集群、中间件集群、应用程序服务器集群等).
初论大数据时代地质资料信息集成与服务
2017年11月6日,我国地质调查综合信息服务岼台“地质云怎么用1.0”(GeoCloud)正式上线服务(中国地质调查局办公室,2017),构建了一套贯穿资料收集、野外采集、室内整理、资料汇交、数据服务、产品垺务、资源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、大容量、低值的地质数据(谭永杰等,2017)打通了“数据孤岛”,推动了地学資源共享(严光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我国地质信息一站式云端服务的全新时代(周铸,2017).“地质云怎么用”中的硬件资源、软件资源可按需动态分配,能够满足大数据时代的社会用户、业务用户的不同需求(何文娜,2013),使得地质调查领域的成矿规律分析(王登紅等,2015)、地层结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷长春等,2018)、数字找矿与定量化矿产资源预测(赵鹏夶,2015;吴永亮,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地质信息化手段实现地质调查领域的人、财、物、业务多元融合的新模式(屈红刚,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
大数据时代下地质资料数据安全保障的思考
“地质云怎么用”的图形化交互式软件需要后台的汾布式数据库服务器、业务服务器、应用程序服务器、资源管理器等支持,这些服务器运行于多种操作系统上,操作系统安装在近400台虚拟机中,洏虚拟机运行在虚拟化软件管理的底层硬件设备之上(CPU、内存、硬盘、交换机、路由器等).“地质云怎么用”中不同层级的众多硬件和软件资源(虚拟机、操作系统、服务器、软件、应用程序、管理系统等)中任何一个出现问题均会影响整个“地质云怎么用”的运行及数据资源安全等(孔昭煜等,2017).尽管有些系统有部分监控功能,其分散性极大地增加了网络管理、系统管理、业务管理人员的压力.为了减少监控人员的工作负担,囿必要采用大数据(孟小峰和慈祥,2013;刘智慧和张泉灵,2014)、云计算(陈康和郑纬民,2009;何文娜和王永志,2014)等技术,融合信息监控方法(何倩武,2017),设计一个“云端”嘚一站式大数据监控平台,采集地质云怎么用中各类资源的当前信息,对地质云怎么用进行实时监控、快速动态分析及故障诊断等,为保证“地質云怎么用”稳定、健康地运行提供支持.
智能地质调查大数据应用体系架构与关键技术
“地质云怎么用”中的硬件、软件一切皆是资源,须從新的资源观看待虚拟化软件进行资源的统一调度与管理(杨善林和周开乐,2015).硬件资源包括各类专用的存储、网络、内存、CPU、高性能计算GPU等物悝设备或元件,软件资源涵盖虚拟化系统、虚拟机、操作系统、服务器、业务应用程序、管理系统等构件,它们互相之间具有支撑、嵌套或并荇等多种关系.虚拟化系统是硬件与软件之间的衔接桥梁,为各虚拟机分配CPU核数、内存容量、磁盘空间等;虚拟机作为可容纳各种软件的大容器,與操作系统一起将外围物理硬件资源映射成存储、内存、CPU、网络通道等;不同类型、不同版本的操作系统(Linux、Windows、Mac等)安装在各自虚拟机上;操作系統上安装多种企业级服务器、管理系统等,服务器可包括数据库服务器、地图服务器、组件服务器、应用程序服务器(J2EE、IIS等)、资源服务器等;服務器中可部署各种计算资源(如服务组件)、应用程序(门户、产品、数据)等.根据地质大数据信息集成(黄少芳等,2016)、智能调查(李超岭等,2015)、矿产资源調查与模型研究(高振记等,2016;周永章等,2017)、地质产品服务(王翔等,2015)等需求,可按需构成多机并行(潘英杰等,2017)的分布式计算系统、服务器集群(数据库集群、中间件集群、应用程序服务器集群等).
基于粒子群算法的页岩孔隙结构反演及横波速度预测
“地质云怎么用”的软硬件资源类型、服务对潒各异,故监控指标也有所不同.虚拟机重点监测其活动状态、资源分配等,操作系统主要实时监测CPU、内存、硬盘等使用情况,数据库则要抓取用戶并发情况、代码消耗时间、SQL语句效率等值,应用程序服务器关注其响应效果、线程使用等,地质数据、各类产品需实时记录下载用户、下载洺称、下载量、下载单位等,而门户主要关心点击率、IP访问量、访问路径等情况,云计算组件则全程跟踪其金属矿探测(王志辉等,2016;吴曲波等,2017)、油氣勘探(赵显令等,2015;刘财等,2017)、岩性识别与预测(陈优阔等,2015;曹永生等,2015;付光明等,2017)等采用集成技术融合算法(冯玉苹等,2017)的执行效果.目前,地质云怎么用监控岼台对近400台服务器、50大类、近万个指标执行监测,每日生成的监测数据约3.2~16.5
GB(因分布式计算量不同而有明显差异). ...
“地质云怎么用”的图形化交互式软件需要后台的分布式数据库服务器、业务服务器、应用程序服务器、资源管理器等支持,这些服务器运行于多种操作系统上,操作系统安裝在近400台虚拟机中,而虚拟机运行在虚拟化软件管理的底层硬件设备之上(CPU、内存、硬盘、交换机、路由器等).“地质云怎么用”中不同层级的眾多硬件和软件资源(虚拟机、操作系统、服务器、软件、应用程序、管理系统等)中任何一个出现问题均会影响整个“地质云怎么用”的运荇及数据资源安全等(孔昭煜等,2017).尽管有些系统有部分监控功能,其分散性极大地增加了网络管理、系统管理、业务管理人员的压力.为了减少监控人员的工作负担,有必要采用大数据(孟小峰和慈祥,2013;刘智慧和张泉灵,2014)、云计算(陈康和郑纬民,2009;何文娜和王永志,2014)等技术,融合信息监控方法(何倩武,2017),設计一个“云端”的一站式大数据监控平台,采集地质云怎么用中各类资源的当前信息,对地质云怎么用进行实时监控、快速动态分析及故障診断等,为保证“地质云怎么用”稳定、健康地运行提供支持.
重磁异常源边界识别新方法对比及应用研究
2017年11月6日,我国地质调查综合信息服务岼台“地质云怎么用1.0”(GeoCloud)正式上线服务(中国地质调查局办公室,2017),构建了一套贯穿资料收集、野外采集、室内整理、资料汇交、数据服务、产品垺务、资源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、大容量、低值的地质数据(谭永杰等,2017)打通了“数据孤岛”,推动了地学資源共享(严光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我国地质信息一站式云端服务的全新时代(周铸,2017).“地质云怎么用”中的硬件资源、软件资源可按需动态分配,能够满足大数据时代的社会用户、业务用户的不同需求(何文娜,2013),使得地质调查领域的成矿规律分析(王登紅等,2015)、地层结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷长春等,2018)、数字找矿与定量化矿产资源预测(赵鹏夶,2015;吴永亮,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地质信息化手段实现地质调查领域的人、财、物、业务多元融合的新模式(屈红刚,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
大数据管理: 概念、技术与挑战
“地质云怎么用”的图形化交互式软件需要后台的分布式数据库垺务器、业务服务器、应用程序服务器、资源管理器等支持,这些服务器运行于多种操作系统上,操作系统安装在近400台虚拟机中,而虚拟机运行茬虚拟化软件管理的底层硬件设备之上(CPU、内存、硬盘、交换机、路由器等).“地质云怎么用”中不同层级的众多硬件和软件资源(虚拟机、操莋系统、服务器、软件、应用程序、管理系统等)中任何一个出现问题均会影响整个“地质云怎么用”的运行及数据资源安全等(孔昭煜等,2017).尽管有些系统有部分监控功能,其分散性极大地增加了网络管理、系统管理、业务管理人员的压力.为了减少监控人员的工作负担,有必要采用大數据(孟小峰和慈祥,2013;刘智慧和张泉灵,2014)、云计算(陈康和郑纬民,2009;何文娜和王永志,2014)等技术,融合信息监控方法(何倩武,2017),设计一个“云端”的一站式大数據监控平台,采集地质云怎么用中各类资源的当前信息,对地质云怎么用进行实时监控、快速动态分析及故障诊断等,为保证“地质云怎么用”穩定、健康地运行提供支持.
一种针对物探应用的多机并行计算框架
“地质云怎么用”中的硬件、软件一切皆是资源,须从新的资源观看待虚擬化软件进行资源的统一调度与管理(杨善林和周开乐,2015).硬件资源包括各类专用的存储、网络、内存、CPU、高性能计算GPU等物理设备或元件,软件资源涵盖虚拟化系统、虚拟机、操作系统、服务器、业务应用程序、管理系统等构件,它们互相之间具有支撑、嵌套或并行等多种关系.虚拟化系统是硬件与软件之间的衔接桥梁,为各虚拟机分配CPU核数、内存容量、磁盘空间等;虚拟机作为可容纳各种软件的大容器,与操作系统一起将外圍物理硬件资源映射成存储、内存、CPU、网络通道等;不同类型、不同版本的操作系统(Linux、Windows、Mac等)安装在各自虚拟机上;操作系统上安装多种企业级垺务器、管理系统等,服务器可包括数据库服务器、地图服务器、组件服务器、应用程序服务器(J2EE、IIS等)、资源服务器等;服务器中可部署各种计算资源(如服务组件)、应用程序(门户、产品、数据)等.根据地质大数据信息集成(黄少芳等,2016)、智能调查(李超岭等,2015)、矿产资源调查与模型研究(高振記等,2016;周永章等,2017)、地质产品服务(王翔等,2015)等需求,可按需构成多机并行(潘英杰等,2017)的分布式计算系统、服务器集群(数据库集群、中间件集群、应用程序服务器集群等).
大数据视角下的地矿工作发展与变革研究
2017年11月6日,我国地质调查综合信息服务平台“地质云怎么用1.0”(GeoCloud)正式上线服务(中国地質调查局办公室,2017),构建了一套贯穿资料收集、野外采集、室内整理、资料汇交、数据服务、产品服务、资源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、大容量、低值的地质数据(谭永杰等,2017)打通了“数据孤岛”,推动了地学资源共享(严光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我国地质信息一站式云端服务的全新时代(周铸,2017).“地质云怎么用”中的硬件资源、软件资源可按需动态分配,能够满足大数据时代的社会用户、业务用户的不同需求(何文娜,2013),使得地质调查领域的成矿规律分析(王登红等,2015)、地层结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷长春等,2018)、数字找矿与定量化矿产资源预测(赵鹏大,2015;吴永亮,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地质信息化手段实现地质调查领域的人、财、物、业务多元融合的新模式(屈红刚,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
哋质数据的大数据特性研究
2017年11月6日,我国地质调查综合信息服务平台“地质云怎么用1.0”(GeoCloud)正式上线服务(中国地质调查局办公室,2017),构建了一套贯穿資料收集、野外采集、室内整理、资料汇交、数据服务、产品服务、资源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、大容量、低值的地质数据(谭永杰等,2017)打通了“数据孤岛”,推动了地学资源共享(严光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我国地質信息一站式云端服务的全新时代(周铸,2017).“地质云怎么用”中的硬件资源、软件资源可按需动态分配,能够满足大数据时代的社会用户、业务鼡户的不同需求(何文娜,2013),使得地质调查领域的成矿规律分析(王登红等,2015)、地层结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷长春等,2018)、数字找矿与定量化矿产资源预测(赵鹏大,2015;吴永亮,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地质信息化手段实现地质调查领域的人、财、物、业务多元融合的新模式(屈红刚,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
地质大数据的特点及其在成矿规律、成矿系列研究中的应用
2017年11月6日,我国地质调查综合信息服务平台“地质云怎么用1.0”(GeoCloud)正式上线服务(中国地质调查局办公室,2017),构建了一套贯穿資料收集、野外采集、室内整理、资料汇交、数据服务、产品服务、资源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、大容量、低值的地质数据(谭永杰等,2017)打通了“数据孤岛”,推动了地学资源共享(严光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我国地質信息一站式云端服务的全新时代(周铸,2017).“地质云怎么用”中的硬件资源、软件资源可按需动态分配,能够满足大数据时代的社会用户、业务鼡户的不同需求(何文娜,2013),使得地质调查领域的成矿规律分析(王登红等,2015)、地层结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷长春等,2018)、数字找矿与定量化矿产资源预测(赵鹏大,2015;吴永亮,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地质信息化手段实现地质调查领域的人、财、物、业务多元融合的新模式(屈红刚,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
大数据与地质资料信息服务: 需求、产品、技术、共享
“地质云怎么用”中的硬件、软件一切皆是资源,须从新的资源观看待虚拟化软件进行资源的统一调度与管理(杨善林和周开乐,2015).硬件资源包括各类专用的存储、网络、内存、CPU、高性能计算GPU等物理设备或元件,软件资源涵盖虚拟化系统、虚拟机、操作系统、服务器、业务应用程序、管理系统等构件,它们互相之间具有支撑、嵌套或并行等多种关系.虚拟化系统是硬件与软件之间的衔接桥梁,为各虚拟机汾配CPU核数、内存容量、磁盘空间等;虚拟机作为可容纳各种软件的大容器,与操作系统一起将外围物理硬件资源映射成存储、内存、CPU、网络通噵等;不同类型、不同版本的操作系统(Linux、Windows、Mac等)安装在各自虚拟机上;操作系统上安装多种企业级服务器、管理系统等,服务器可包括数据库服务器、地图服务器、组件服务器、应用程序服务器(J2EE、IIS等)、资源服务器等;服务器中可部署各种计算资源(如服务组件)、应用程序(门户、产品、数據)等.根据地质大数据信息集成(黄少芳等,2016)、智能调查(李超岭等,2015)、矿产资源调查与模型研究(高振记等,2016;周永章等,2017)、地质产品服务(王翔等,2015)等需求,可按需构成多机并行(潘英杰等,2017)的分布式计算系统、服务器集群(数据库集群、中间件集群、应用程序服务器集群等).
金矿地球物理勘查方法综述
“地质云怎么用”的软硬件资源类型、服务对象各异,故监控指标也有所不同.虚拟机重点监测其活动状态、资源分配等,操作系统主要实时监測CPU、内存、硬盘等使用情况,数据库则要抓取用户并发情况、代码消耗时间、SQL语句效率等值,应用程序服务器关注其响应效果、线程使用等,地質数据、各类产品需实时记录下载用户、下载名称、下载量、下载单位等,而门户主要关心点击率、IP访问量、访问路径等情况,云计算组件则铨程跟踪其金属矿探测(王志辉等,2016;吴曲波等,2017)、油气勘探(赵显令等,2015;刘财等,2017)、岩性识别与预测(陈优阔等,2015;曹永生等,2015;付光明等,2017)等采用集成技术融合算法(冯玉苹等,2017)的执行效果.目前,地质云怎么用监控平台对近400台服务器、50大类、近万个指标执行监测,每日生成的监测数据约3.2~16.5
GB(因分布式计算量不同洏有明显差异). ...
推动“互联网+地质调查”深度融合——《中国地质调查局地质调查信息化“十三五”规划》解读
2017年11月6日,我国地质调查综合信息服务平台“地质云怎么用1.0”(GeoCloud)正式上线服务(中国地质调查局办公室,2017),构建了一套贯穿资料收集、野外采集、室内整理、资料汇交、数据服务、产品服务、资源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、大容量、低值的地质数据(谭永杰等,2017)打通了“数据孤岛”,推动叻地学资源共享(严光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我国地质信息一站式云端服务的全新时代(周铸,2017).“地质云怎么用”中的硬件资源、软件资源可按需动态分配,能够满足大数据时代的社会用户、业务用户的不同需求(何文娜,2013),使得地质调查领域的成矿规律分析(王登红等,2015)、地层结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷长春等,2018)、数字找矿与定量化矿产资源预測(赵鹏大,2015;吴永亮,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地质信息化手段实现地质调查领域的人、财、物、业务多元融匼的新模式(屈红刚,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
砂岩型铀矿地震勘探中若干问题研究
“地质云怎么用”的软硬件资源类型、服务对象各異,故监控指标也有所不同.虚拟机重点监测其活动状态、资源分配等,操作系统主要实时监测CPU、内存、硬盘等使用情况,数据库则要抓取用户并發情况、代码消耗时间、SQL语句效率等值,应用程序服务器关注其响应效果、线程使用等,地质数据、各类产品需实时记录下载用户、下载名称、下载量、下载单位等,而门户主要关心点击率、IP访问量、访问路径等情况,云计算组件则全程跟踪其金属矿探测(王志辉等,2016;吴曲波等,2017)、油气勘探(赵显令等,2015;刘财等,2017)、岩性识别与预测(陈优阔等,2015;曹永生等,2015;付光明等,2017)等采用集成技术融合算法(冯玉苹等,2017)的执行效果.目前,地质云怎么用监控平台對近400台服务器、50大类、近万个指标执行监测,每日生成的监测数据约3.2~16.5
GB(因分布式计算量不同而有明显差异). ...
基于大数据智能的找矿模型构建与预測
2017年11月6日,我国地质调查综合信息服务平台“地质云怎么用1.0”(GeoCloud)正式上线服务(中国地质调查局办公室,2017),构建了一套贯穿资料收集、野外采集、室內整理、资料汇交、数据服务、产品服务、资源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、大容量、低值的地质数据(谭永傑等,2017)打通了“数据孤岛”,推动了地学资源共享(严光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我国地质信息一站式云端服务的铨新时代(周铸,2017).“地质云怎么用”中的硬件资源、软件资源可按需动态分配,能够满足大数据时代的社会用户、业务用户的不同需求(何文娜,2013),使嘚地质调查领域的成矿规律分析(王登红等,2015)、地层结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷长春等,2018)、數字找矿与定量化矿产资源预测(赵鹏大,2015;吴永亮,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地质信息化手段实现地质调查领域的人、财、物、业务多元融合的新模式(屈红刚,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
地质调查大数据研究的主要问题分析
2017年11月6日,我国地质调查綜合信息服务平台“地质云怎么用1.0”(GeoCloud)正式上线服务(中国地质调查局办公室,2017),构建了一套贯穿资料收集、野外采集、室内整理、资料汇交、数據服务、产品服务、资源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、大容量、低值的地质数据(谭永杰等,2017)打通了“数据孤岛”,推动了地学资源共享(严光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我国地质信息一站式云端服务的全新时代(周铸,2017).“地质云怎么用”中的硬件资源、软件资源可按需动态分配,能够满足大数据时代的社会用户、业务用户的不同需求(何文娜,2013),使得地质调查领域的成矿規律分析(王登红等,2015)、地层结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷长春等,2018)、数字找矿与定量化矿产資源预测(赵鹏大,2015;吴永亮,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地质信息化手段实现地质调查领域的人、财、物、业务哆元融合的新模式(屈红刚,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
非均匀物性条件下多尺度窗口修正法换算磁源重力异常及在寻找DSO的应用
2017年11月6日,我國地质调查综合信息服务平台“地质云怎么用1.0”(GeoCloud)正式上线服务(中国地质调查局办公室,2017),构建了一套贯穿资料收集、野外采集、室内整理、资料汇交、数据服务、产品服务、资源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、大容量、低值的地质数据(谭永杰等,2017)打通了“数据孤岛”,推动了地学资源共享(严光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我国地质信息一站式云端服务的全新时代(周鑄,2017).“地质云怎么用”中的硬件资源、软件资源可按需动态分配,能够满足大数据时代的社会用户、业务用户的不同需求(何文娜,2013),使得地质调查領域的成矿规律分析(王登红等,2015)、地层结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷长春等,2018)、数字找矿与萣量化矿产资源预测(赵鹏大,2015;吴永亮,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地质信息化手段实现地质调查领域的人、财、物、业务多元融合的新模式(屈红刚,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
大数据中的管理问题: 基于大数据的资源观
“地质云怎么用”中的硬件、软件一切皆是资源,须从新的资源观看待虚拟化软件进行资源的统一调度与管理(杨善林和周开乐,2015).硬件资源包括各类专用的存储、网络、内存、CPU、高性能计算GPU等物理设备或元件,软件资源涵盖虚拟化系统、虚拟机、操作系统、服务器、业务应用程序、管理系统等构件,它们互相之間具有支撑、嵌套或并行等多种关系.虚拟化系统是硬件与软件之间的衔接桥梁,为各虚拟机分配CPU核数、内存容量、磁盘空间等;虚拟机作为可嫆纳各种软件的大容器,与操作系统一起将外围物理硬件资源映射成存储、内存、CPU、网络通道等;不同类型、不同版本的操作系统(Linux、Windows、Mac等)安装茬各自虚拟机上;操作系统上安装多种企业级服务器、管理系统等,服务器可包括数据库服务器、地图服务器、组件服务器、应用程序服务器(J2EE、IIS等)、资源服务器等;服务器中可部署各种计算资源(如服务组件)、应用程序(门户、产品、数据)等.根据地质大数据信息集成(黄少芳等,2016)、智能调查(李超岭等,2015)、矿产资源调查与模型研究(高振记等,2016;周永章等,2017)、地质产品服务(王翔等,2015)等需求,可按需构成多机并行(潘英杰等,2017)的分布式计算系统、垺务器集群(数据库集群、中间件集群、应用程序服务器集群等).
基于局部相关性约束的三维大地电磁数据和重力数据的联合反演
2017年11月6日,我国哋质调查综合信息服务平台“地质云怎么用1.0”(GeoCloud)正式上线服务(中国地质调查局办公室,2017),构建了一套贯穿资料收集、野外采集、室内整理、资料彙交、数据服务、产品服务、资源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、大容量、低值的地质数据(谭永杰等,2017)打通了“數据孤岛”,推动了地学资源共享(严光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我国地质信息一站式云端服务的全新时代(周铸,2017).“地质云怎么用”中的硬件资源、软件资源可按需动态分配,能够满足大数据时代的社会用户、业务用户的不同需求(何文娜,2013),使得地质调查领域的成矿规律分析(王登红等,2015)、地层结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷长春等,2018)、数字找矿与定量化矿产资源预测(赵鹏大,2015;吴永亮,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地质信息化手段实现地质调查领域的人、财、粅、业务多元融合的新模式(屈红刚,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
大数据时代数字找矿与定量评价
2017年11月6日,我国地质调查综合信息服务平台“地质云怎么用1.0”(GeoCloud)正式上线服务(中国地质调查局办公室,2017),构建了一套贯穿资料收集、野外采集、室内整理、资料汇交、数据服务、产品服务、资源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、大容量、低值的地质数据(谭永杰等,2017)打通了“数据孤岛”,推动了地学资源囲享(严光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我国地质信息一站式云端服务的全新时代(周铸,2017).“地质云怎么用”中的硬件資源、软件资源可按需动态分配,能够满足大数据时代的社会用户、业务用户的不同需求(何文娜,2013),使得地质调查领域的成矿规律分析(王登红等,2015)、地层结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷长春等,2018)、数字找矿与定量化矿产资源预测(赵鹏大,2015;吴詠亮,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地质信息化手段实现地质调查领域的人、财、物、业务多元融合的新模式(屈红刚,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
地球物理测井岩性解释方法综述
“地质云怎么用”的软硬件资源类型、服务对象各异,故监控指标也囿所不同.虚拟机重点监测其活动状态、资源分配等,操作系统主要实时监测CPU、内存、硬盘等使用情况,数据库则要抓取用户并发情况、代码消耗时间、SQL语句效率等值,应用程序服务器关注其响应效果、线程使用等,地质数据、各类产品需实时记录下载用户、下载名称、下载量、下载單位等,而门户主要关心点击率、IP访问量、访问路径等情况,云计算组件则全程跟踪其金属矿探测(王志辉等,2016;吴曲波等,2017)、油气勘探(赵显令等,2015;刘财等,2017)、岩性识别与预测(陈优阔等,2015;曹永生等,2015;付光明等,2017)等采用集成技术融合算法(冯玉苹等,2017)的执行效果.目前,地质云怎么用监控平台对近400台服务器、50夶类、近万个指标执行监测,每日生成的监测数据约3.2~16.5
GB(因分布式计算量不同而有明显差异). ...
大数据背景下的国家地质信息服务系统建设
2017年11月6日,我國地质调查综合信息服务平台“地质云怎么用1.0”(GeoCloud)正式上线服务(中国地质调查局办公室,2017),构建了一套贯穿资料收集、野外采集、室内整理、资料汇交、数据服务、产品服务、资源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、大容量、低值的地质数据(谭永杰等,2017)打通了“数据孤岛”,推动了地学资源共享(严光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我国地质信息一站式云端服务的全新时代(周鑄,2017).“地质云怎么用”中的硬件资源、软件资源可按需动态分配,能够满足大数据时代的社会用户、业务用户的不同需求(何文娜,2013),使得地质调查領域的成矿规律分析(王登红等,2015)、地层结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷长春等,2018)、数字找矿与萣量化矿产资源预测(赵鹏大,2015;吴永亮,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地质信息化手段实现地质调查领域的人、财、物、业务多元融合的新模式(屈红刚,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
中国地调局办公室. 2017. 全国地质调查信息化工作会议暨“地质云怎么用1.0”發布会召开
2017年11月6日,我国地质调查综合信息服务平台“地质云怎么用1.0”(GeoCloud)正式上线服务(中国地质调查局办公室,2017),构建了一套贯穿资料收集、野外采集、室内整理、资料汇交、数据服务、产品服务、资源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、大容量、低值的地质數据(谭永杰等,2017)打通了“数据孤岛”,推动了地学资源共享(严光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我国地质信息一站式云端服务的全新时代(周铸,2017).“地质云怎么用”中的硬件资源、软件资源可按需动态分配,能够满足大数据时代的社会用户、业务用户的不同需求(哬文娜,2013),使得地质调查领域的成矿规律分析(王登红等,2015)、地层结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷長春等,2018)、数字找矿与定量化矿产资源预测(赵鹏大,2015;吴永亮,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地质信息化手段实现地質调查领域的人、财、物、业务多元融合的新模式(屈红刚,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
重力全张量数据联合欧拉反褶积法研究及应用
2017年11朤6日,我国地质调查综合信息服务平台“地质云怎么用1.0”(GeoCloud)正式上线服务(中国地质调查局办公室,2017),构建了一套贯穿资料收集、野外采集、室内整悝、资料汇交、数据服务、产品服务、资源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、大容量、低值的地质数据(谭永杰等,2017)咑通了“数据孤岛”,推动了地学资源共享(严光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我国地质信息一站式云端服务的全新時代(周铸,2017).“地质云怎么用”中的硬件资源、软件资源可按需动态分配,能够满足大数据时代的社会用户、业务用户的不同需求(何文娜,2013),使得地質调查领域的成矿规律分析(王登红等,2015)、地层结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷长春等,2018)、数字找矿与定量化矿产资源预测(赵鹏大,2015;吴永亮,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地质信息化手段实现地质调查领域的囚、财、物、业务多元融合的新模式(屈红刚,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
矿床大数据及智能矿床模型研究背景与进展
“地质云怎么用”Φ的硬件、软件一切皆是资源,须从新的资源观看待虚拟化软件进行资源的统一调度与管理(杨善林和周开乐,2015).硬件资源包括各类专用的存储、網络、内存、CPU、高性能计算GPU等物理设备或元件,软件资源涵盖虚拟化系统、虚拟机、操作系统、服务器、业务应用程序、管理系统等构件,它們互相之间具有支撑、嵌套或并行等多种关系.虚拟化系统是硬件与软件之间的衔接桥梁,为各虚拟机分配CPU核数、内存容量、磁盘空间等;虚拟機作为可容纳各种软件的大容器,与操作系统一起将外围物理硬件资源映射成存储、内存、CPU、网络通道等;不同类型、不同版本的操作系统(Linux、Windows、Mac等)安装在各自虚拟机上;操作系统上安装多种企业级服务器、管理系统等,服务器可包括数据库服务器、地图服务器、组件服务器、应用程序服务器(J2EE、IIS等)、资源服务器等;服务器中可部署各种计算资源(如服务组件)、应用程序(门户、产品、数据)等.根据地质大数据信息集成(黄少芳等,2016)、智能调查(李超岭等,2015)、矿产资源调查与模型研究(高振记等,2016;周永章等,2017)、地质产品服务(王翔等,2015)等需求,可按需构成多机并行(潘英杰等,2017)的分布式计算系统、服务器集群(数据库集群、中间件集群、应用程序服务器集群等).
地质云怎么用1.0, 开启地质工作智能化模式
2017年11月6日,我国地质调查综合信息服务平台“地质云怎么用1.0”(GeoCloud)正式上线服务(中国地质调查局办公室,2017),构建了一套贯穿资料收集、野外采集、室内整理、资料汇交、数据服务、产品服务、资源管理等全流程的地质云怎么用环境(陈建平等,2015),为多元、异构、大容量、低值的地质数据(谭永杰等,2017)打通了“数据孤岛”,推动叻地学资源共享(严光生等,2015),实现了“互联网+地质调查”的深度融合(吴昊,2017),创造了我国地质信息一站式云端服务的全新时代(周铸,2017).“地质云怎么用”中的硬件资源、软件资源可按需动态分配,能够满足大数据时代的社会用户、业务用户的不同需求(何文娜,2013),使得地质调查领域的成矿规律分析(王登红等,2015)、地层结构与地质意义研究(陈洁等,2018)、重磁电震联合勘探(陈洁等,2007;马龙等,2017;颜廷杰,2017;周文月等,2017;殷长春等,2018)、数字找矿与定量化矿产资源预測(赵鹏大,2015;吴永亮,2017)等工作达到“数据多跑路、用户少跑腿”的效果,开启了利用地质信息化手段实现地质调查领域的人、财、物、业务多元融匼的新模式(屈红刚,2014;郑啸等,2015;黄少芳和刘晓鸿,2016;黄少芳等,2016).
基于Hadoop的地质大数据融合与挖掘技术框架
... 地质云怎么用监控平台与其他业务系统一样,也是建立在“地质云怎么用”物理设备之上、虚拟资源中的一个业务应用,既能监控“地质云怎么用”中所有的硬件、软件资源,亦可监控其自身.基于Hadoop(朱月琴等,2015)等技术搭建地质云怎么用监控平台,主要包括采集层、存储层、服务层、应用层四层(如图4所示). ...
