基于语义网的多源地学空间数据融合与挖掘研究

本项目拟运用语义web技术对以重力、磁力、遥感、地质为主的多源地学空间数据融合问题进行研究。以多源空间数据融合方法理论为基础，以计算机科学与技术手段为支撑，尝试运用语义web技术，探索在地球物理空间数据融合方面的应用，实现地学空间数据和属性数据的语义互联。引进领域本体理念，构建相应学科地学专家领域本体，利用领域本体和语义互联架设多学科知识融合的桥梁，构建多学科语义空间模型和知识空间模型及其相应的推理机构成的多源地学空间数据融合平台，实现多源空间数据融合和数据的互操作。.本项目尝试的地学多源空间数据融合技术与应用研究，将有利于推进表述地表特征与地下结构的内在联系。同时，反过来又进一步推动地学数据融合理论和技术的发展。

项目运用语义web技术对以重力、磁力、遥感、地质为主的多源地学空间数据融合问题进行研究。以多源空间数据融合方法理论为基础，运用语义web技术，探索在地球物理空间数据融合方面的应用，实现地学空间数据和属性数据的语义互联。引进领域本体理念，构建相应学科地学专家领域本体，利用领域本体和语义互联架设多学科知识融合的桥梁，构建多学科语义空间模型和知识空间模型及其相应的推理机构成的多源地学空间数据融合平台，实现多源空间数据融合和数据的互操作。获得了一系列研究成果：首先对描述逻辑进行不确定性扩展，提出信度云描述逻辑PC-SHIQ；以不确定性本体为驱动，构建基于PC-SHIQ的地学本体逻辑结构；基于《地质学汉语叙词表》、《地质大辞典》等知识密集型文本作为无标签语料集，进行文本挖掘，半自动化构建地学本体，通过构造概念格丰富属性与实例；从遥感图像解译入手，结合灰度共生矩阵和模糊C均值分类器提取图像纹理特征，构造基于灰度形态学的多尺度多结构元素边缘检测算子，提取特征知识；针对空间数据固有的语义模糊性，构建了MLAR多层关联规则算法，并改进FP-Growth算法，更好的实现地学数据间的关联知识发现；针对异构本体间存在的语义不匹配的问题，设计基于三维组合赋权向量空间模型的不确定性本体概念映射方法VSM-PCR，添加隶属度或关联度表达不确定性程度，构建向量空间模型，鉴于本体属性在概念相似度衡量中重要性，将“概念词义（实例）”扩展为“概念词义、属性、实例”模型，提高本体映射的准确度；改进传统梯形云模型，构建基于变精度梯形云模型的多层关联规则挖掘（MLAR）模型；鉴于地学数据非线性计算复杂度较高，基于双向排列熵指数进行地学数据异常检测，并运用最小距离聚类进行构造识别；设计了基于规则的改进的Jena推理机与基于描述逻辑的Pellet推理机相结合的混合式推理机，即PCOR推理机，实现不确定性本体推理；在一系列理论研究基础上，对成都幅地区断裂类型进行推理与预测，经文献查证，所得结果与已知断层数据、突变带、微地貌及地震活动等相关证据中的断层性质描述相一致，从而验证了该推理模型的可行性。