人工智能-机器学习-基于时空信息云平台的空间大数据管理和高性能计算研究.pdf

本文主要探讨了人工智能领域中机器学习在基于时空信息云平台的空间大数据管理和高性能计算方面的研究。文章强调了学术诚信的重要性，明确了作者对于原创性和论文使用授权的规定，这在学术研究中是至关重要的。 在技术层面，论文关注的是地理空间科学研究如何受益于计算机信息技术的进步，特别是云计算和大数据技术。随着全球互联网、传感器技术和对地观测技术的快速发展，地理空间科学进入了智慧地球时代，对数据处理和计算能力的需求大幅提升。传统平台已无法满足智慧城市建设的需求，因此，时空信息云平台应运而生，它是空间云计算的具体体现，能够解决数据密集、计算密集、高并发访问以及时空密集的挑战。 论文的核心研究内容和创新点集中在以下几个方面： 1. 时空信息云平台框架体系：介绍了云计算的基本概念和服务模式，如公有云、私有云、社区云和混合云，以及IaaS、PaaS和SaaS层次。空间云计算作为专门针对空间数据处理的服务层（DaaS），被提出以应对地理空间科学的特定需求。论文提出了一个新的时空信息云平台架构，增加了虚拟服务层，用于优化时空信息云平台的资源调度。 2. 时空信息云平台构建的关键技术： - 基于时空的动态资源调度：研究了虚拟化技术在资源调度中的应用，并提出了一个基于时空规律的资源调度框架和算法，利用优化免疫克隆算法实现多时空目标的优化调度。 - 自动伸缩和负载均衡技术：探讨了不同负载均衡策略，选择了基于简单阈值规则的方法，结合时空规律设计自动扩展和负载均衡策略。 - 服务链组合技术：讨论了OGC地理空间服务标准，研究了工作流技术和其在云计算环境下的应用，提出了基于时空信息云平台的服务链组合模式。 3. 基于时空信息云平台的空间大数据管理：论文深入研究了大数据的关键技术，包括分布式文件系统在处理大数据中的作用。提出了适用于时空信息云平台的大数据管理策略，以适应复杂的空间数据处理需求。 通过以上研究，论文旨在构建一个高效、灵活且适应性强的时空信息云平台，以支持空间大数据的管理和高性能计算，推动地理空间科学和智慧城市的创新发展。这一研究不仅对学术界有重要意义，也为实际应用提供了有价值的理论和技术基础。