（一）项目背景 空天地一体化信息网络是“科技创新 2030 重大项目”，它 将融合多个独立低轨道卫星星座与地面网络，构成综合互联网，提供全球移动通信与互联网业务。其重要特征在于为天基、空基、海基、偏远地域用户提供通信与算力服务，为地面移动通信系统及互联网提供承载服务，为森林、江河、路轨、电力传输的安全运维提供物联网服务。路由器是空天地一体化信息网络的关键部件，为网络资源的高效调度、业务的精准部署提供支撑。 面临的挑战之一是：高资源利用率与高服务质量之间的矛盾。作为网络基础设施，该网络须提供与地面网络相比拟的服务质量，让天基、空基、海基、偏远地域用户愿意使用，提升网络用户量。同时，网络的资源利用率高，降低网络的建造与运维成本，支持网络的自我发展。空天地一体化信息网络与地面网络差异较大，直接应用地面网络路由技术，网络的资源利用率与 QoS 保障水平均会下降，基于此，提出了空天地一体化网络时间确定网络路由器解决方案，旨在解决高资源利用率与高服务质量之间的矛盾，在大规模动态网络中保障业务时延，该方案亦适用于断续连通网络，且与 Ipv6 网络兼容。该技术为大规模时间确定网络的构建提供理论与技术支撑。 （二）项目简介 面向空天地一体化网络，针对传统路由技术难以兼顾高资源利用率与高服务质量的问题，探索其背后的科学问题，提出了空天地一体化网络时间确定网络路由器解决方案，研制了星载路由器原理样机。主要部件及性能如下所述。 1）提出具有时间属性的路由算法。在网络表征中引入了时间属性，设计了具有时间属性的路由算法，解决了传统路由算法缺乏时间属性，易造成网络拥塞和分组丢失，时间确定性难保障； 2）提出了基于传输资源与存储资源关联调度方法，适应业务随机性与卫星网络拓扑的时变性出提出了表征网络时变特征； 3）设计了自适应拓扑发现与维护机制，能以较低负荷维护网络时变拓扑信息； 4）提出了低负荷的移动管理机制，避免卫星移动引入的大量移动管理负荷，保障了服务时延； 5）提出了基于时间属性的数据面转发方法，保障敏感业务传输的同时，提升了网络资源利用率； 6）提出 DTN 网络与 IP 网络兼容方案，支持断续连通网络路由构建与分组的托管传输； 7）研制了时间确定网络路由器原理样机，支持相关算法与协议的在线验证； 8）开发了大规模空天地一体化网络链路模拟系统，在线模拟网络时变链路，支持路由器、路由协议在规模化的网络环境中验证。 路由器、链路模拟器及路由协议验证界面 （三）关键技术 时变网络多维资源的图模型表征与多维资源联合调度技术。课题组拓展了时变图理论，解决了传输资源与存储资源的关联调度问题，提升了传输资源利用率；设计了基于时间属性的路由算法，在时变的天地一体化网络中，构建了具有时间属性的端到端路径，解决了传统路由技术难以保障端到端时延的问题。

采用一体化的监控管理体系结构，支持管理功能的跨域、分布式部署、运行与协作。支持和扩展了标准的信息模型，提供了主机、集群、节点、网络计算系统四个层次的监控信息，为各监控层次提供了完整的监控度量指标。支持对硬件、软件、网络、服务等各类资源的监控。支持OpenPBS、LSF、OAR等计算作业管理系统。 提供虚拟组织、系统操作员、站点管理员、普通用户等不同层次的信息抽象视图；提供强大的故障检测和报警功能，以邮件等方式报告资源故障；提供完整的基于web2.0的数据展示界面；支持用户定制的图表的生成；采用分布式记账方式，准确记录用户的资源消耗情况；支持灵活的计费策略。该技术目前在中国国家网格、药物设计网格、高能物理网格以及中国国家网格工业社区等多个实际运行的分布式网络计算系统当中得到应用。

面对疫情，北京航空航天大学机械工程及自动化学院先进数控和智能制造团队刘强教授、肖文磊副教授等一批教师和研究生自发组成“大数据建模分析工作群”，开始收集疫情数据，交流和讨论建模方法。刘强、肖文磊又与工作群中的孙鹏鹏、王柳权、臧辰鑫、朱三颖、高连生等人，组成了“2019-nCoV疫情建模分析应急响应研究小组”核心攻关组，全力以赴开展本次疫情建模仿真和预测分析研究工作。疫情建模分析应急响应小组的研究工作是在2003年郇极教授提出的“一种基于自动控制理论的SARS传染预测模型”的基础之上，结合此次新冠疫情原发地高度集中、恰逢春节期间人口流动的特点，采用控制论原理和大数据分析方法建立功能更全面的2019-nCoV动态感染过程模型。刘强教授团队对北京、上海、重庆、温州、长沙、郑州、成都、杭州、深圳等40余个城市的疫情数据发展趋势进行了动态仿真分析。基于分析结果，应急响应小组直接向上级部门提交疫情关键数据预测报告2份，直接向中国疾控中心提供预测分析数据及报告2份，向上级提出北京延期恢复正常上班的紧急建议1份，为高层疫情防控决策提供了及时有效的技术数据支持。

面对国家在疫情防控决策方面的重大战略需求，北京航空航天大学计算机学院王静远副教授，联合经济管理学院吴俊杰教授、部慧副教授，计算机学院软件开发环境国家重点实验室孙磊磊老师等，快速反应，在1月22日开始陆续组织了一支包括20余名师生在内、跨学科、跨专业的疫情应急研究团队，开展基于大数据的疫情预测与大数据分析科研攻关工作。 团队经过连续不眠不休的集中攻关，于1月25日完成了第一个针对新冠肺炎疫情预测的模型，并最早具备了对外提供疫情预测服务的能力。该模型具备优秀的预测精度和疫情解释能力，为上级部门的疫情防控决策提供了重要的支撑。尤其是在疫情拐点尚未出现、全国发病走势尚不明朗的疫情早期阶段，为防疫决策提供精准的数据参考。预测模型基于王静远老师在2014年深圳H7N9流感爆发和季节性流感流行期间使用市民活动大数据与Meta-Population动力学模型相结合的方式设计的面向城市的呼吸道类疾病传播分析与预测模型，曾应用于深圳流感防控。

近日，南科大“人流大数据和AI驱动的新型冠状病毒（COVID-19）传播建模预测和模拟推演平台”内测版本正式推出（下简称“推演平台”）。该平台可实现在城市尺度上，基于人流移动的新型冠状病毒传播感染情况的细粒度预测和模拟，为有关部门制定不同的隔离和公共防疫政策（如封闭特定城市区域或道路）提供参考。新型冠状病毒的感染传播与人流移动存在密不可分的关联。现阶段的多数研究只停留在简单的相关性分析以及基于全国地图的数据可视化阶段，缺乏在城市尺度上、针对人流移动的细粒度深度分析，更缺乏基于人流移动的传播模拟推演模型以及潜在感染源和风险区域的挖掘模型。随着复工潮的来临，战“疫”面临新的挑战。南方科技大学科研部、工学院、计算机科学与工程系（下简称“计算机系”）和南方科技大学-东京大学超智慧城市联合研究中心紧急组织科研力量，成立“新型冠状病毒传播建模预测项目组”，由计算机系副教授宋轩担任负责人，迅速启动针对新型冠状病毒传播感染的“大数据分析和AI建模推演平台”研发工作。该平台是一个针对新型冠状病毒传播的大数据分析和AI建模平台（如图1），其中预测和模拟推演模型完全由数据驱动，需要使用人流大数据进行训练和优化。数据拥有单位只要将人流大数据输入平台，平台即可以自动完成模型迭代训练，并输出相关的预测和模拟推演的可视化结果。其预测和模拟推演的精度由模型训练数据的质量、精细度和覆盖度决定。平台后续期待更多单位（如GPS轨迹数据、CDR数据等人流大数据拥有单位）参与进来，共同完善该平台。推演平台通过整合、处理和分析各类多模态人流移动和出行大数据，结合新一代的人工智能技术，完成对新型冠状病毒的传播和感染人群细粒度建模，从而实现在城市区域内细粒度预测、模拟和动态推演传播感染情况。平台可实现的基本功能主要有以下几个方面：一是建立新型冠状病毒和人流移动的映射模型，包括传染概率确定/潜伏期分析/传染代数分析等；二是分析隐藏病患，由于疾病传播为链式，可以根据缺失轨迹链反推出尚未确诊的疑似病患；三是分析风险人群，可根据病患轨迹寻找可能有接触的风险人群，提前预警；四是挖掘潜在病原地，分析病人间的轨迹交叉点确认潜在的未知病原地（如图3）。在以上功能基础上，平台可以实现设定不同的公共防疫政策（如封闭城市内的高风险感染区域），在城市尺度上，动态推演和模拟在这些政策下的城市传播感染情况，从而帮助相关部门制定更为高效的隔离和公共防疫政策（如图4）。

利用十年百余万次的近视眼医学验光大数据，揭示出真实世界青少年近视眼发生、进展与稳定的规律。在此基础上，运用随机森林算法进行机器学习，建立人工智能预测系统，可对近视进展趋势进行个体化预测，3年内准确率达90%，10年内准确率达80%以上，也可提前8年有效预测高度近视，为近视眼的精准干预提供了科学依据。开发出一套人工智能云平台，提供高效的近视预测服务。通过访问智能平台，输入前后两次检查的年龄和度数（间隔至少一年），即可预知10年内的近视度数变化与高度近视风险。       中山眼科中心近年来对近视眼进行了系统性的研究，不断取得突破，产生了重大的社会影响和意义。

本发明涉及一种短期风速组合预测方法，包括步骤:1. 从相关数据采集与监视控制系统中提取历史 风速数据;2. 对提取的风速数据采用聚类经验模态分解进行序列分析;3. 对聚类经验模态分解得到的 各子序列分别建立最小二乘支持向量机模型，并采用自适应扰动粒子群算法和学习效果反馈对影响最小 二乘支持向量机预测效果的三个参数进行综合选取;4. 根据最小二乘支持向量机学习效果选用最优参数 进行预测;5. 叠加各子序列的预测结果，得到风速预测结果;6. 对风速预测结果进行误差分析。本发 明建模过程简单实用，能快速有效的进行风速预测，从而有效进行风功率预测，对电力系统的安全稳定 和调度运行具有重要意义，具有广泛的推广应用价值。

本发明公开了一种二重预测视频编解码方法和装置，解码方法中，解码重建图像的重建过程包含二重预测补偿过程和第二重预测存储，其中二重预测补偿过程包括第一重预测补偿过程和第二重预测补偿过程，其中第二重预测补偿过程的输入包括重建后的第一重残差和重建后的第二重残差；编码方法包括二重预测过程和第二重预测存储，其中二重预测过程包括第一重预测过程和第二重预测过程，其中第二重预测过程的输入包括和第一重残差和第一重残差预测值；此编码方法产生相应码流；本发明使用二重预测编解码方法和装置去除冗余，得到编码性能的提高。

上海大学通信学院蒋皆恢研究团队联合复旦大学附属华山医院、瑞士伯尔尼大学合作团队于2020年4月22日在《European Journal of Nuclear Medicine and Molecular Imaging》上在线发表论文“Individual brain metabolic connectome indicator based on Kullback-Leibler Divergence Similarity Estimation predicts progression from mild cognitive impairment to Alzheimer's dementia”。该期刊是核医学领域最具影响力的顶级学术期刊，在JCR及中科院SCI期刊分区为一区Top，2019年其影响因子达7.182。上海大学为第一单位，上海大学通信学院博士生王敏为第一作者，上海大学蒋皆恢副教授和华山医院左传涛教授为共同通信作者。该研究依托上海先进通信与数据科学研究院、上海大学通信学院特种光纤与光接入网重点实验室、特种光纤和先进通信国际联合实验室进行。 阿尔兹海默症(AD)是引起痴呆最常见的老年退行性疾病，其医疗年花费占国内生产总值的1.47%。由于AD疾病进程不可逆转，一旦确诊绝大多数已至中晚期痴呆。药物赖以起效的靶细胞都已经凋亡，更无从谈药效。因此早期诊断和干预已成为临床共识。轻微认知障碍(MCI)为AD痴呆前期，基于MCI临床基线数据对AD转化进行预测，具有重要的临床价值。18F-葡萄糖代谢(FDG)正电子发射断层扫描成像(Positron Emission Computed Tomography, PET)技术，可在体揭示认知下降过程中的大脑代谢水平变化，但是先前的研究多是基于数值分布的量化分析，而忽视了各神经元之间的代谢相关性，这些代谢相关性可能揭示一些常规指标难以发现的微弱病理生理学变化。因此，蒋皆恢研究团队提出了一种新的基于KL散度估计的、个体代谢连接组学方法，并用于对MCI向AD转化预测。基于公共数据库ADNI数据的研究结果表明，该方法在MCI人群分析中具有较高的有效性、稳定性和特异性。使用该方法构建的脑代谢连接组学预测指标，在510例MCI患者中达到了比传统方法更高的预测效果。本研究为揭示脑内代谢连接异常提供了新思路。论文链接：https://link.springer.com/article/10.1007/s00259-020-04814-x

本发明提供基于微结构参数的黏土固结系数预测方法，该方法包括有以下步骤：进行不同压力作用下土的固结实验，根据常规土工实验测取孔隙比；算出不同固结实验的固结系数；采用扫描电镜方法获得相应样品断面处的微观结构照片；对土的微结构照片进行颗粒体区域和孔隙体区域分割，并抽取颗粒体单元总数、单元方向、总面积、总周长、面积比信息；对颗粒体进行分析并建立累计贡献率95%以上的主成分表达式；建立主成分与该种土固结系数之间的关系。有益效果是采用该方法，将黏土的固结系数与其微结构参数联系起来，可根据黏土的孔隙比和微观参数主