01. 成果简介 随着移动计算、传感器网络和科学观测设备等新技术在经济社会各领域的广泛应用，特别是监控、遥感、定位等技术的崛起，人们获得了海量的时空数据。时空数据分布于连续空间，并且随着时间动态变化，具有十分复杂的模式规律。例如，卫星遥感数据和雷达回波数据是广泛应用于气象观测和军事侦察的时空数据，在连续的卫星扫描或雷达观测过程中，形成时间轴上的一系列遥感图像或回波影像，反映三维地理空间中某种观测物理量的变化规律。视频监控、医学影像、气象预报、环境监测等很多应用领域都涉及时空数据预测和识别任务，在问题求解过程中需要同时考察时间和空间两方面因素，存在时间上的非平稳性和空间上的高维相关性两大技术难题。 本成果创新大数据深度学习技术，从复杂、海量、高维、非平稳的时空数据中识别重要的时空模式，挖掘在时间和空间上的变化规律，并对未来的时空演变趋势进行预测，形成了时空数据预测和识别的深度学习技术（如图1所示）。具体包括：·        提出卷积结构与循环结构深度融合的统一建模方法，学习高维度、非线性时空特征表示，挖掘空间关联结构与时间动态信息；·        提出时空记忆单元和回忆机制，对时空非线性、非平稳性变化进行预测学习；·        提出时空数据的迁移学习技术，降低时空分布差异，实现知识的跨时空迁移。 该技术尤其擅长捕捉高维度、非平稳时空数据的非线性变化规律，例如多物体对象在空间和时间上的“产生、消亡、运动、形变“等复杂时空数据场景。与同类技术相比，运行时间短，预测和识别精度高，在国际上处于整体先进、部分领先的水平。  图1. 用于时空数据预测和识别的循环神经网络架构及其时空记忆单元图2. 本成果技术（时空数据预测与识别）在北京交通流量预测任务上的效果02. 应用前景 该技术成熟度高，部分成果已经以线上系统的形态成功应用于中国气象部门强对流天气预报业务中，与国内现有极端天气预报业务系统相比，该技术将雷达回波外推预报准确率平均提高了45%，其中高强度雷达回波外推预报准确率提高了353%，处于国际先进水平。气象灾害中70%以上是由雷暴大风、下击暴流等强对流天气导致，致死人数占自然灾害死亡人数的93%，因此该技术在避免人员伤亡、实现财产保全、减少农业损失方面产生显著的社会经济效益。同时，该技术还可广泛应用于时空数据的预测和识别场景，在关系国计民生的气象、环保、交通等领域可以发挥重要作用，应用前景广阔。例如，采用该技术可实现未来交通流量时空分布的精准预测（如图2）。该项成果还入选了2018年首届数字中国建设峰会，为杭州G20峰会、厦门金砖会晤、中国国际进口博览会等提供了精准预报支持，获得2018年教育部技术发明一等奖和2018年中国气象学会科技进步奖一等奖。03. 知识产权 本项成果已获得发明专利授权6项。04. 团队介绍 本成果团队长期研究大数据管理与分析技术，包括分布式数据存储与查询、深度学习与迁移学习、业务过程挖掘、数据质量治理等方向。团队负责人为王建民教授、软件学院院长，机器学习小组组长为龙明盛副教授。团队在本领域发表国际学术论文100余篇，申请专利100余项，授权专利60余项。相关成果获2018年教育部技术发明一等奖、2018年中国气象学会科技进步一等奖、2014年国家科技进步二等奖、2013年中国电子学会科技进步一等奖、2012年教育部科技进步一等奖等奖励。05. 合作方式 技术许可 / 软件服务。

项目研究内容： 1、开发基于工业现场总线技术，集检测、控制和优 化等功能于一体，具有高适应性、高可靠性和高稳定性等特点的低成本控 制系统，达到协调处理过程中各设备的动作，最终保证外排废水达标。 2、 在废酸水工艺处理过程中，中和过程的非线性、滞后性，本项目采用分层 递阶优化的非线性系统预测控制，通过对系统的非线性部分的预估和协 调，将原来非线性协调滚动优化问题转化为线性协调的滚动优化，即保留 了线性系统

在2003年成功预测SARS流行趋势的基础上，西安交通大学数学与统计学院生物数学团队与陕西师范大学生物数学团队、加拿大吴建宏教授团队合作，基于新型冠状病毒的传播机理、密切跟踪隔离和封城等策略，建立了传播动力学模型，对新型冠状病毒肺炎传播风险进行了预测分析，此项研究成果“Estimation of the transmission risk of 2019-nCov and its implication for public health interventions”。  研究中利用2020年1月10日至1月22日的报告疫情数据，采用动力学模型和统计计算方法预测武汉新型冠状病毒肺炎传播的基本再生数为6.47 (95%置信区间为5.71-7.23)，给出了疫情的达峰时间和峰值以及最终感染规模（若继续1月22日前的控制措施，疫情将在3月10日左右达到峰值）。 研究中进一步采用似然函数方法加以验证，得到了与模型估计值一致的结果。如果续代时间大于6天或潜伏期越长，基本再生数可能更大，该结论说明了疫情传播的速度快。与23至25日的疫情数据相比，模型预测结果与报告疫情数据基本一致。  研究中进行敏感性分析，讨论了1月22日前武汉采取的防控措施的有效性以及在降低再生数中的重要作用。预测结果显示从23日起加强控制措施，报告病例数会在一个周后出现明显的下降，即加强的控制措施会在一个周后产生明显效果。进一步分析1月23日后武汉封城策略对其它地区疫情的影响，基于武汉到北京的航班、铁路等信息，计算武汉封城前后对北京疫情的影响，表明武汉封城（即北京无来自武汉输入病例）后，北京在未来7天的病例数将降低91.14%，这说明了武汉封城对全国疫情防控的关键作用。 SSRN 截图   密切跟踪隔离措施的敏感性分析

性能特点： 1、微机控制，触摸面板，LCD/LED双显示。 2、采用交流变频电机。 3、可直接设定转速，自动计算RCF值。可直接设定RCF值，自动转换成转速。 4、具有10档升降速。 5、运行中可修改参数，运行参数自动记忆。 6、具有40种自定义程序存储功能。 7、具有软刹车功能。 8、具有转子号识别功能。 9、具有超速、不平衡和门盖安全保护功能，并在显示窗口显示故障信息和声音报警。

本项目包括三种技术：（1）负极箔的除铜技术，可以将负极箔表面的铜含量降到5mg/m2以下，达到国际先进水平；（2）高压铝箔的发孔技术，通过前处理可以提高高压铝箔的均匀发孔性能；（3）高压铝箔的化成技术，经特殊处理在硼酸体系中化成，在保证介电损耗、漏电流和折弯性能的前提下，耐压530V的比电容比传统硼酸化成提高8%以上。该项目研究的负极箔表面的铜含量降到5mg/m2以下，耐压530V的比电容比传统硼酸化成提高8%以上。

NJTECH MF7型电容层析成像系统可用于石油管道输送的气/液流或油/水流，气力输送、流化床内物料分布的气/固流以及燃烧火焰等的可视化监测中。支持32电极的ECT系统，实测成像速度可达910帧/秒，处于国际先进水平。研发的电容层析成像仪被华东理工大学洁净煤研究所、东南大学能源与环境学院、东方电气集团等高校和企业应用于气力输送的过程监测中，可在线测量管道中两相流的流型、浓度分布、速度场和流量等参数。通过三维ECT技术对流化床气固流动过程进行实时全局成像，通过实验方法研究循环流化床的流动机理。

该成果由于采用新型的安全膜结构和绝氧吸弧工艺（减小金属材料在加工过程中的氧化，降低接触电阻、电势垒等），产品具有自愈性，在高压大电流的冲击下不会发生短路击穿现象，无需防爆装置；由于采用端面高密度、低电阻的等离子放电喷射沉积制备技术和大功率电容器电极的电阻焊接技术，寄生电阻和发热量减小，使产品在可靠性、稳定性上具有明显的优势。

成果简介：本系统由超级电容器组、发电机、电压监控与充电控制模块、整 流模块、保护电路等部件组成。系统输出功率为 1.5KW，充电时间为 20s， 工作温度为-40℃～60℃，满足国军标相应环境适应性与电磁兼容性要求。 作为大容量能量贮存装置，适合为随动系统、电动车辆等各类动力装置提供工作能源。 项目来源：自行开发 技术领域：电子信息 应用范围：野外电源系统、后备电源、通信电源 现状特点：高效节

脑电信号作为人体重要的生理信息，已经被广泛应用于医学疾病诊断与治疗、人体潜能开发等方面。脑电图通过将电极接入被试对象的头皮，来测量大量神经元发放所形成的电场。脑电波作为能够体现大脑活动的信号中的一种，有方便检测、非侵入式且对被试对象友好等特点。一般认为，通过对大脑脑电波的检测并采取特定数据分析方法，有望将大脑的各项反应能力充分挖掘出来。近年来，脑电信号分析已成为认知神经科学领域的重要技术之一。大量研究表明，人类认知能力与脑电信号有关，其中工作记忆能力在认知中起关键作用。脑电信号具有数据量大、时间分辨率高、易受干扰等特点，给研究带来了不少挑战。杨立坚课题组使用样条函数，基于随机抽取的122名大学生志愿者训练集，以闭眼静息态下8个脑前区导联的脑电信号（图1），对20名志愿者测试集进行工作记忆能力的预测（图2），其确定系数R^2在多次随机试验下的中位数为68%，最低值大于50%，最高值72%（图3）。图1 ：试验中脑电信号记录的导联名称和位置图2：对某测试集计算的认知能力预测值与真实值的对比图3：对多次重复随机抽取的测试集计算的确定系数R^2箱线图杨立坚课题组依托10年来自身在函数型数据领域的研究成果，课题组2017级博士生张园园和2018级博士生黄昆在学习神经科学专业知识的同时，与机械工程系教授吴方芳和硕士生王健凯高效合作，分析季林红课题组的大学生志愿者脑电与认知能力数据。他们秉承“面向应用，背靠理论，写好算法”的统计学理念，把样条回归估计脑电信号的光滑轨迹，张量样条回归估计协方差函数，样条估计函数型主成分与得分等深刻的统计学前沿理论，结合LASSO回归，转化为快速准确分析脑电数据的算法（图4），从2018年12月开始仅用6个多月的时间，就很好地解决了基于工作记忆能力预测的问题，完成了这篇跨学科应用方法论文。图4：算法流程图

面向快速、高效的矿产资源探测的国家需求，集成空间数据挖掘与案例推理技术，充分利用海量的地质空间数据，解决矿产资源潜力评价与预测关键技术。在此基础上，建立智能化区域成矿预测系统和三维矿产资源预测系统，为各地质矿产单位进行找矿勘探提供空间分析和决策的基础平台。主要功能、特色： ？ 建立了不确定性地质空间数据挖掘算法模型、成矿案例推理模型，提高了区域成矿预测的效率、精度和智能性； ？ 综合不确定性地质空间数据挖掘、成矿案例推理和证据权模型，建立了混合推理策略与方法，得到更为客观的综合预测结果； ？ 基于COM架构，开发了“区域成矿预测信息系统”和“三维矿产资源预测系统”，包括地质空间数据管理、空间分析、模型预测、专题制图等功能； ？ 发展了三种高光谱矿物填图方法：权重光谱角制图法、耦合整体光谱匹配和局部光谱匹配的高光谱矿物信息提取方法、特征参数拟合方法； ？ 完成了区域成矿预测的数学地质方法扩展与应用，包括证据权模型、扩展证据权模型和逻辑斯谛回归模型，为地质空间数据挖掘和成矿案例推理提供图层选择及参数化的理论依据和对比验证对象； ？ 以我国西部典型成矿带——青海东昆仑成矿带为例，进行上述各类算法模型的区域成矿预测实验，并进行了野外调查与验证。 基于上述研究成果，该课题成果已申请发明国家专利2项；计算机软件系统2个；出版专著1部《多源地质空间信息智能处理与区域成矿预测》；发表或录用论文15篇，其中SCI期刊论文5篇，EI期刊论文4篇。