基于非结构化张量的海量地理时空数据并行计算模型

Aiming at the problems of complex computation of distributed features and low computation efficiency of massive geographic spatio-temporal data, the non-structured tensor model is introduced to build the typical non-structured tensor models of massive geographic spatio-temporal data such as point cloud, sparse matrix and irregular space-time field and research the hierarchical expression and polymerization model of massive high-dimensional geographic spatio-temporal data, thus realizing the expression of the non-structured tensor which is characterized by irregular boundaries and complex coupling relations. Based on the unstructrual tensor decompsition, the stophical SVD, hierarchical tree-based tensor decoposition and shecklenten decomposition are used to decompose and reconstruct the sparse spatio-temporal data. The operator parallel computing model based on tensor algebra is constructed on the basis of dimension extension feature and adaptability of tensor structure. The quick and parallel computation of massive geographic spatio-temporal data is realized from the perspective of parallel data and parallel algorithm. Our research tries to break through the bottleneck of technologies and performance of expressing, modeling and analyzing real geographic spatio-temporal data based on tensor structure, so as to realize the expression, feature analysis, retrieval, update and parallel and effective computation of massive high-dimensional non-structured geographic spatio-temporal data and improve the modeling, manipulating and analyzing abilities of existing GIS for massive non-structured data.

面向海量地理时空数据结构与分布特征计算困难，计算效率不高等问题，引入非结构化张量模型，建立点云、稀疏阵列数据、不规则时空场等海量地理时空数据的非结构化张量表达模式，研究面向海量地理时空数据的分层表达与聚合模型，实现对具有不规则边界以及复杂耦合作用关系的非结构化张量表达。研究地理时空数据非结构化张量表达的分解模式，分别利用随机SVD、树状层次分解、轮廓分解等实现对局部规整及不同稀疏分布时空数据的特征解析与结构重建。利用张量结构的维度扩张特性和自适应性，构建基于张量代数的算子化并行计算模型，从数据并行和算法并行两个视角，实现对海量地理时空数据的快速、并行化计算。本研究试图突破张量数据表达与分析在进行实际地理时空数据表达、建模与分析中的技术与性能瓶颈，实现对高维海量非结构化地理时空数据的表达建模、特征解析、检索更新以及并行化的高性能计算，提升现有GIS对海量非结构化数据的建模、处理与分析能力。

本项目针对现有高维海量时空数据的数据量大、数据结构特征与分布特征计算困难，计算效率不高等问题，引入具有多维融合与维度自适应的张量理论，从非结构时空场数据的代数化表达入手，进行非结构时空场数据的统一张量表达与高效分析方法研究。项目研究获得了如下成果：1）构建局部张量块数据的层次分解模式，设计层次维度树结构，提出基于层次维度树结构的时空异质的非结构时空场数据的表达组织方式。2）提出了融合规则测度和非规则测度的完备的时空场数据特征的测度方法。3）构建稀疏时空场数据的带约束的CP分解模型，设计了兼顾数据量和求解精度的数值求解算法。4) 构建了非规则张量的多模式分解策略，多维特征重构，以及基于分解-筛选-重构的特征分析模板。5) 提出了张量分解模型的半二次正则化求解方法。构建带权线性方程组，研究基于交替方向法的简化求解算法。6) 实现了噪声气象时空场数据的去噪，探讨各气象场数据在不同尺度范围内的演变结构，波动强度等规律。项目研究成果在国内外权威刊物和会议上发表研究论文5篇，其中SCI/SSCI检索论文2篇，中文核心2篇，申请国家发明专利1项，培养博士研究生2名，硕士研究生4名，研究了张量数据在进行实际地理时空数据的表达、建模与分析，突破了张量计算在技术和性能上的瓶颈，实现对高维海量非结构化地理时空数据的表达建模、特征解析、检索更新以及并行化的高性能计算，有效提升了现有GIS对海量非结构化数据的建模、处理与分析能力。