技术优势 智慧水利大数据平台项目成果包括- -套软件产品“水文与水库大坝安全监测大数据平台”和两类算法，即“水库入库流量预测算法”和“智能水库防洪调度算法”。 1)水文与水库大坝安全监测大数据平台:该平台基于传感器网络采集水库水文信息和大坝的各个核心区域的压力、位移、沉降等信息，基于大数据分析技术和可视化方法，设计实现了一种面向水库大坝安全监测的可视分析软件平台。 2)水库入库流量预测算法:水库入库流量预测是精细化水库调度的基础，现有的基于水文模型的库流量预测方法对流域的适应能力较弱，预测精度难以满足精细化调度的应用需求。该项目基于历史水文数据，采用深度学习技术，对水库的入库流量进行滚动预测。结合智能化的时间序列决策方法，能够实现对水库的智能化管理调度。 3)智能水库防洪调度算法:汛期的水库防洪调度是水库管理中面临的重要问题。该项目针对水库防洪调度中的上下游安全问题建立多目标优化模型，采用计算智能方法对模型求解获得精细化的水库防洪调度方案。与现有工程实践中基于规则的水库防洪调度不同，该方法不依赖于水利专家的经验，能够提供更加精细化的水库防洪调度方案。 智慧水利大数据平台——功能模块图 大坝安全检测指挥中心数据大屏——水库大坝一张图 系统主要功能模块

技术优势智慧水利大数据平台项目成果包括- -套软件产品“水文与水库大坝安全监测大数据平台”和两类算法，即“水库入库流量预测算法”和“智能水库防洪调度算法”。1)水文与水库大坝安全监测大数据平台:该平台基于传感器网络采集水库水文信息和大坝的各个核心区域的压力、位移、沉降等信息，基于大数据分析技术和可视化方法，设计实现了一种面向水库大坝安全监测的可视分析软件平台。2)水库入库流量预测算法:水库入库流量预测是精细化水库调度的基础，现有的基于水文模型的库流量预测方法对流域的适应能力较弱，预测精度难以满足精细化调度的应用需求。该项目基于历史水文数据，采用深度学习技术，对水库的入库流量进行滚动预测。结合智能化的时间序列决策方法，能够实现对水库的智能化管理调度。3)智能水库防洪调度算法:汛期的水库防洪调度是水库管理中面临的重要问题。该项目针对水库防洪调度中的上下游安全问题建立多目标优化模型，采用计算智能方法对模型求解获得精细化的水库防洪调度方案。与现有工程实践中基于规则的水库防洪调度不同，该方法不依赖于水利专家的经验，能够提供更加精细化的水库防洪调度方案。智慧水利大数据平台——功能模块图大坝安全检测指挥中心数据大屏——水库大坝一张图系统主要功能模块应用前景随着水利信息化的发展，物联网技术、人工智能技术和大数据技术的广泛应用，智慧水利逐渐成为可能，智慧水利大数据平台的建设正处于蓬勃发展的历史时期。该研究成果面向水库管理中的信息化和智能化问题展开研究，提供了基于物联网的大坝数据采集，基于大数据处理和可视分析技术的大坝安全监测和基于计算智能技术的水库入库流量预测与智能水库防洪调度解决方案。项目研究成果包括科研成果论文和软件产品，研究成果成熟度较高,具备良好的市场转化潜力。

可以量产/n该项目是提供一个大数据处理框架和处理平台，具备较强的大数据 处理能力。 该项目需求广泛，将产生较大的经济效益。

“喂！何老师，郧阳的疫情不断发展。您能否帮忙研发软件为政府科学决策提供支持？”1月28日，农历大年初四，中国石油大学（华东）海洋与空间信息学院青年教师何亚文的手机突然叫了起来。 对这个求助电话何亚文并不陌生，打来电话的是湖北省十堰市郧阳区扶贫办负责人，目前是疫情防控指挥部成员。2017年初以来，何亚文一直通过扶贫办为当地精准扶贫工作提供大数据支持。 从这一刻起，远在山东青岛的何亚文科研团队投入了一场远程监控郧阳新冠肺炎疫情的战斗，以大数据为当地战“疫”提供强有力的智力支撑。 疫情就是命令，两天研发出“郧阳疫情”APP 郧阳，位于湖北省十堰市，辖区64万人，占地3863平方公里，下辖16个镇、5个乡、1个林场和1个经济开发区的地区。2月初以来，这里也成为全国抗击新型冠状病毒肺炎疫情的主要战场之一。 “疫情就是命令，防控就是责任。”何亚文清楚地记得两天前习近平总书记在中共中央政治局常务委员会会议上的讲话。彼时，新型冠状病毒肺炎疫情已从武汉蔓延开来，湖北省各市州均成为重灾区。 放下电话，何亚文火速召集团队，讨论研发方案，开始了网络协动、远程办公。几位研发核心成员过年回农村老家，没有电脑，只能满村跑去借。研究人员的这种拼劲让邻居们很是赞叹，得知他们是在研究抗击新冠肺炎的“高科技产品”时，更是由衷敬佩，热心提供了“包吃包住”的一条龙服务。 团队核心成员胡嘉良，家里孩子刚刚6个多月，只有妻子两个人带孩子。胡嘉良每天都坚守到凌晨，直至郧阳的数据发过来，处理完才能休息，一天24小时几乎是连轴转。 仅用两天的时间，何亚文团队便完成疫情数据收集、数据分析、建立了疫情数据库，完成了“郧阳疫情”APP的开发和“郧阳疫情专题地图”的制作。 地图与APP实时联动实现精准管理，14日以来无新增 早在2017年，何亚文和他的团队就开始了大数据扶贫的探索，并先后研制了面向建档立卡贫困户管理的“扶贫通”平台、面向驻村工作队员的“四双帮扶”APP平台以及面向政府领导决策指挥的“精准扶贫大数据监管平台”，为郧阳的精准扶贫工作提供了成熟的技术支持与服务。 “这一次抗击疫情，我们这些平台和数据再次彰显了其力量。” 何亚文介绍，基于前期精准扶贫工作对全区人口的普查数据和全区高精度地图数据，“郧阳疫情”APP和“郧阳疫情专题地图”得以快速研发和制作，并实现了实时联动，对全区疫情数据动态变化进行监控、展示与分析。 “我们从网上看到的疫情地图一般是省、市、区（县）一级，而‘郧阳实时疫情专题地图’则到了乡镇、村、户一级。”谈及地图和APP的创新点，何亚文认为这次研发的软件其首要显著特征就是建立在大数据基础上的到村、到户精准显示，二是APP和地图实时联动，从多尺度时空动态地图上看，确诊病例、新增病例等信息以及其多日的动态变化过程。 2月1日的统计，郧阳自武汉返乡人员就多达7000多人，其中发热人员近100人，形式非常严峻。郧阳当地各级政府正是借助何亚文研发的APP和地图进行疫情研判、指挥调度，做到科学防治、精准施策，很好地实现了以社区（村）为单元的返乡人数、武汉返乡人数、发热人数、确诊病例的核查与管理，有效控制了疫情的输入、传播和蔓延，实现了疫情登记全覆盖、疫情监测全过程、疫情管理数字化、疫情研判科学化。 自2月14日以来，全区已多日无新增确诊病例。 “战疫+扶贫”，本底大数据要为脱贫攻坚再发力 三年前，何亚文和他的团队联合中国科学院地理科学与资源研究所专家团队，赴郧阳进行精准扶贫工作的综合诊断服务。其间，团队围绕“三率一度”等指标开展入户调研，走遍了郧阳的所有乡镇的重点贫困村、重点贫困户，与郧阳各级政府及百姓建立了深厚的情谊。 “通过对各类数据的综合分析，我们不仅可以确立疫中、疫后的处置方案，还可以明确疫情对各项扶贫工作，甚至对每一个贫困家庭的影响。”在何亚文看来，这次突发的疫情监控软件开发，既是战“疫”，更是为后期扶贫发力进行大练兵。 在几年的精准扶贫工作中，何亚文团队建立了一整套效果显著的面向村一级的管理机制，特别是收集了庞大的本底数据。何亚文记得习近平总书记在中央全面深化改革委员会第十二次会议的讲话：要鼓励运用大数据、人工智能、云计算等数字技术，在疫情监测分析、病毒溯源、防控救治、资源调配等方面更好地发挥支撑作用。同时也要健全公共卫生服务体系，加强农村、社区等基层防控能力建设。 据了解，疫情APP还被应用在山东省临沂市扶贫和疫情防控工作中，基于临沂市前期的扶贫工作，疫情APP的部分功能主要实现了全市涉农企业的复产复工情况的监控与调度。该工作得到了扶贫办及农业农村局主要领导的肯定和认可。 “未来，我们将研判疫情对精准扶贫工作的影响，便于当地采取进一步的帮扶措施，保障脱贫攻坚工作的顺利完成。”何亚文对未来的科技扶贫有了更新的期待，“我相信，有了这些机制和数据的支撑，大数据管理将不止在疫情防控方面，在乡村振兴、乡村治理等方面也必能取得很好的效果。”

大数据分析平台，通过将企业内部数据与互联网数据进行整合，形成企业大数据，然后利用分析平台，探索、展示、分析与挖掘各业务信息资产，从海量的信息中及时地发现有价值的知识，进而通过应用层向最终企业领导提供商业分析和数据服务，降低管理决策中“凭经验、拍脑袋”的风险和隐患，提高企业在市场中的应变力和竞争力。

通过对系统日常使用数据的自动抓取，对实验室在日常使用及管理过程中的关键指标进行综合分析。

新大陆以教育部、人社部提供的大数据岗位技能标准材料文件为指导思想，依托丰富大数据行业经验，构建贯通8大维度完善的人才培养体系，面向职业学校量身定制“大数据专业”,提供应用开发和运维两个方向配套的课程及丰富的教学资源。 产品特点快捷：使用主流的ElasticSearch HDFS大数据分布式全文检索技术，快速定位课程资源，从课前、课中、课后的教学的各个场景出发，围绕着“一人一课表”，避免传统的菜单导航，以工作台引导式的操作体验，方便教师与学生快速定位当前课程入口，进行课前备课与预习、课中教学与实验等操作。方便：一站式大数据实验室，随时随地“做中学”在B/S模式下，可以随时随地通过浏览器进行实验结合教学场景，根据课程自动匹配创建实验环境，极大的减少了实验准备工作 “步骤式”的实验手册，配合自动化实验报告截图，提升效率实验，做到真正的”做中学““坐席式”的实验监控，让老师和学生的实验互动更加容易稳定：根据每门课程的实验规格，提供实验环境所需资源弹性分配与回收能力，同时有效控制了实验服务器成本专业：提供一体化、颗粒化的教学资源，基于教学课程进度，“向导式”的设计课案。

1）将产品分散在各制造单元不同系统中的质量信息统一集中到一体化质量管控系统中，实现上下游工序全流程质量信息的贯通。以产品质量为中心，收集、整合系统的生产过程数据，实现信息全流程质量信息共享。（2）在全流程数据采集基础上，通过对全流程过程数据的监控、质量异常管理、过程评级、质量追溯、质量分析、质量预测等，保证全流程生产过程受控，促进产品质量持续改进，实现产品质量一贯制；通过数据挖掘算法和数理分析，获取海量数据中蕴含的知识模型和工艺规律，对产线工艺模型进行优化。

新冠肺炎常规通过病史、CT等进行病情评估，但重症病房应用超声不便，还需要评估重症患者的心脏等多器官，然而操作者绝大多数不是专业超声医生，这为如何在治疗重症患者的过程中更好地发挥超声的作用提出了难题。深圳国际研究生院袁克虹团队与深圳华声医疗技术股份有限公司合作，用人工智能技术赋能5G超声设备，增添采集心肺关键标准切面的导航以及关键参数的自动测量等功能，辅助医生对重症病人进行动态评估和治疗。 袁克虹团队与深圳华声医疗技术股份有限公司1月中旬组成研发团队，在已有合作工作的基础上，针对新冠肺炎重症患者临床超声的迫切需求开展联合攻关，半个月就获得了较好的成果。该技术从2月初开始在武汉协和西院等多家医院使用，在一定程度上辅助了医生对重症患者进行疾病的动态评估和治疗指导。 目前该技术正由国家感染性疾病临床研究中心（深圳市第三人民医院）牵头开展进一步研究，将完善和改进现有功能，优化远程诊断流程，实现超声为医生治疗重症患者提供更智能、更可靠、更专业的帮助。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：