多元复杂时空数据建模与监控方法研究

With the maturity and widely application of sensor technology, RFID technology and network communications and database technology, a large amount of data with spatial and temporal stamps, namely spatio-temporal data, can be collected, such as the number of incidence in each county per unit time, the number of air pollutant particles collected by the environmental monitoring stations, city road traffic flow records, wireless communication base station data flow data, solar or wind energy power output data in the energy farms, etc. This research mainly aims at the numerical data with discrete spatial and temporal stamps. This kind of spatio-temporal data change dynamically in the time dimension, and has strong correlation in spatial dimension, which contains important and key information of the system operation status and quality. Therefore, the modeling, monitoring and forecasting of spatio-temporal data have great demand in the field of wireless communications, intelligent transportation management, infectious disease surveillance and prevention, real-time wind energy, solar energy equipment performance management, etc. Nowadays，the real time modeling, forecasting and monitoring methods of spatio-temporal data are still lacking. Therefore, based on complex spatio-temporal data, the objective of the project is to make use of statistical learning and data mining techniques to establish new theories, new methods and new technology for statistical modeling, analysis and predictions, as well as intelligent quality control schemes of the spatio-temporal processes.

依赖日臻成熟和广泛应用的传感器技术、RFID技术、网络通信以及数据库等技术，可以收集到大量同时具有时间和空间维度的数据，即时空数据，如各地区某种疾病每月的发病数量，各环境监测站点收集到的空气污染物颗粒数量，每分钟城市各路口的交通流量记录，每秒无线通信基站的数据流量以及风电或太阳能电厂的设备功率输出等数据。本研究主要针对时间空间皆离散的数值型数据。此类时空数据在时间维度上具有极强的动态变化性，在空间位置上具有动态的相关性，包含了系统运行质量的重要和关键信息。时空数据的建模、预测与监控在无线通信、智能交通、传染病防制、风能、太阳能等新能源管理等领域存在着巨大需求。目前时空数据的实时建模、预测和监控方法还非常欠缺。因此，本项目目标针对多元复杂时空数据，运用统计学习、数据挖掘以及统计过程控制等理论，研究其建模、分析、控制和管理方法，建立时空数据智能建模、预测、监控的新理论、新方法和新技术。

本项目基于大规模风电场的时空数据，结合此种数据在时间维度上的动态变化性，在空间位置上的动态的相关性，运用统计学习、数据挖掘以及统计过程控制等理论，研究其建模、分析、控制和管理方法，建立时空数据智能建模、预测、监控的新理论、新方法和新技术。本人在该项目的研究工作中，总计发表论文16篇，其中一作发表英文论文3篇（中科院一区杂志2篇，二区杂志1篇），指导研究生发表通信作者英文论文1篇（中科院一区）。指导研究生发表中文核心期刊文章论文12篇。杂志包含本领域顶尖杂志Energy, Renewable Energy和Computers & Industrial Engineering等，2018年获得国际工业与系统工程学会年会质量与可靠性工程领域最佳应用论文奖。培养博士研究生2名，硕士研究生15名，本科生9名。本项目的后续研究已经获得国家基金委面上项目的资助，为期四年。