论文
论文架构
- 地学大数据技术的集成应用研究
- 大数据技术在地学中的集成应用研究
- 地学大数据技术的Web服务集成应用研究
- 地学大数据系统综合集成研究与应用
- 基于智能湖仓和云原生的地学大数据集成与应用的关键技术研究
- 基于大数据技术的地学智慧平台开发及应用研究
- 基于大数据技术的地学智慧一站式平台开发及应用研究
- 地学大数据一站式平台开发与应用研究——以陕北煤矿区为例
- 陕北煤矿区地学大数据关键技术研究
- 煤矿地质保障时空大数据平台
- 煤矿大数据智能湖仓建设关键技术及应用研究
- 基于大数据的煤矿智能湖仓建设关键技术及应用研究
- 基于智能湖仓的煤矿大数据集成及应用研究
- 基于智能湖仓的煤矿大数据平台建设关键技术及应用研究
- 基于大数据和云计算的煤矿智能湖仓建设及应用研究
- 煤矿地学大数据智能湖仓建设关键技术及应用研究 √
- 地学数据存储：海量数据存储管理、索引
- 地学数据计算：计算任务、处理任务多、工作量大
- 地学数据应用：可视化表达、应用理解、多学科数据的交叉应用、非专业人士的理解
- 大数据技术、集成应用、并行计算、存储、索引、存储管理、数据整合
- 数据流、云原生、云计算、Web Service
- 地震勘探数据语义匹配、煤层实体信息语义抽取
- 多学科系统、地球系统科学、地学大数据
- 地学数据集成与共享、数据仓库、面向服务体系结构、空间分析、数据挖掘（王永志）、数据融合
- 网络服务、数据库、智能湖仓、元数据管理、集成建模、物联网、
- 数据集成、模式映射、元数据
- 摘要
- 第一章：引言
- 1.1 研究背景及意义
- 1.2 国内外研究现状
- 1.2.3 现存技术分析
- 1.3 研究内容及技术路线
- 大数据应用 大数据技术简介
- 机器学习
- 深度学习
- 人工智能
- 云计算
- 创新点（3个）
- 第二章：大数据技术和系统研究方案
- 2.0 文件存储
- 2.1 数据库技术
- 2.2 计算框架
- 2.3 数据湖
- 2.4 云原生技术
- devops
- 第三章：地学数据研究
- 地学大数据的定义、特征及其应用
- 大数据概念
- 地学大数据的基本概念
- 地学大数据的获取与存储
- 地球物理、地球化学、遥感、水文地质、工程地质、地质灾害
- 重磁电震、放射型勘探、地球物理测井
- 地学大数据的应用研究
- 3.1 地球物理 地球物理集成应用
- 3.2 遥感数据
- 3.3 水文数据
- 3.4 地球化学
- 第四章：地学大数据集成应用
- 4.1 空间数据库查询分析
- 4.2 空间数据整合
- 4.2 地质文本数据分析挖掘
- 4.3 空间数据的集成
- 地学方法：八叉树、边界表示、单元分解、参数表、立方几何
- 机器学习与深度学习
- 降维
- 梯度下降
- 4.4 深度学习地学应用
- 推荐系统
- 目标识别（病虫害—>断层、褶皱识别）
- 第四章：地学大数据系统分析及设计
- 4.1 系统分析
- 4.2 系统设计的原则
- FAIR原则：可发现、可访问、可互操作、可重用
- 4.3 系统数据库设计
- 4.4 系统功能设计
- 第五章：系统关键技术研究及实现
- 5.1 数据可视化关键技术研究
- Cesium
- 5.2 数据治理方法研究及实现
- 5.3 空间数据管理
- 文本提取（网络爬虫——数据清洗——数据挖掘——数据可视化、知识图谱）
- 数据存储模型—存储格式、规范
- 图片、文件转为二进制存储？讨论转为数组存储
- 大文件拆分—>小文件合并
- 数据压缩算法
- AAABBBBB —>A3B5
- 吃葡萄不吐葡萄皮—>吃葡萄不吐12皮
- 数据抽稀
- 降维
- 地震数据压缩算法
- 数据查询算法
- z-order排序
- 基于R树的二级索引机制
- 5.4 空间共享管理
- 5.5 系统测试分析 系统测试
- 第五章：结论
- 系统、索引算法、分析算法、存储算法、推荐系统算法
- 用于存储和可视化地震微分区的地下数据的综合系统
- 集成异构数据、开发智慧城市应用的平台
知识点
论文理论、知识点以及思考
EarthIdeas
Apr 19, 2022 02:06 AM
Apr 19, 2022 02:06 AM
Apr 19, 2022 02:06 AM
Apr 24, 2022 07:08 AM
Apr 24, 2022 07:16 AM
May 16, 2022 12:02 PM
May 24, 2022 06:29 AM
Sep 12, 2022 02:38 AM
Sep 12, 2022 01:08 PM
Sep 22, 2022 01:28 AM
Sep 22, 2022 01:31 AM
Sep 22, 2022 01:37 AM
Sep 22, 2022 03:02 AM
Sep 25, 2022 07:54 AM
Sep 27, 2022 10:28 AM
Sep 27, 2022 10:41 AM
Sep 27, 2022 11:11 AM
Sep 27, 2022 11:55 AM
Sep 27, 2022 11:57 AM
Oct 19, 2022 07:08 AM
Oct 19, 2022 07:12 AM
开题报告
“智能湖仓”架构将亚马逊云科技的数据服务无缝集成，打通了数据湖和数据仓库之间数据移动和访问，并且进一步实现了数据在数据湖、数据仓库，以及在数据查询、数据分析、机器学习等各类专门构建的服务之间按需移动。该架构具有灵活扩展、专门构建、数据融合、深度智能和开源开放五大特点，涵盖数据源、数据摄取层、存储层、目录层、数据处理层和消费层六层架构，可帮助客户应对海量业务数据，充分挖掘数据价值。
回答
- 大数据技术是一整套技术体系，没有一种体系架构能完美解决所有大数据问题，需要根据实际的应用进行合体裁剪和扩展。
针对海量的
- 数据湖的构建
