科创研究院2018十一科研营:数据分析方向(以卫星遥感大数据为例的建模、预测及地球变化监测)

理工 2018-07-30 11:42:59

 科创研究院2018十一科研营

数据分析方向(以卫星遥感大数据为例的建模、预测及地球变化监测)

 

项目简介

随着大数据时代的来临以及大数据在各领域的广泛应用,科学发现的模式将发生重大变化。继实验科学、理论科学、计算科学之后出现了被称为“数据密集型科学”的第四种科学发现新模式,采集、存储、管理、分析和可视化数据成为科学研究的新手段和新流程。这一科学发现新模式强调数据作为科学发现的基础,并以数据为中心和驱动、基于对海量数据的处理和分析去发现新知识为基本特征。如中科院生物所破解埃博拉病毒入侵机制;海量DNA数据认识生命,在1万亿个事例中发现上帝粒子-希格斯粒子,全球碳监测网络,ARIGO海洋浮标,科研众筹(FOLDIT、GALAXYZOO、POLYMATH)等。

 

在科学研究数据与日俱增的今天,我们把与科学相关的大数据称之为科学大数据,科学大数据一般来自于物理世界,内容为科学实验数据或传感数据,特点是有一定的科学规律可循,采集的代价比较高。科学大数据集复杂性、综合性、全球性和信息与通信技术高度集成性等诸多特点融于一身,其研究方法也正在从单一学科向多学科、跨学科方向转变,科学大数据正在使科学世界发生变化,科学研究已经进入一个全新的范式——数据密集型科学范式。遥感大数据分析为例在遥感监测领域通过各种遥感技术获取得到的遥感数据集具有典型的大数据特征以海量遥感数据集为主、综合其他多种来源的辅助数据,运用大数据思维与手段,聚焦于从多种来源、多种介质、多种频段、多种分辨率的海量遥感数据集中获取价值信息的理论、方法、技术与活动统称为遥感大数据分析。

 

此实习项目专门为计划申请数据分析、信息科学、统计学与应用数学、自动化控制、空间物理、遥感、航空航天等专业等交叉专业学科的学生所设计。学生将跟随知名研究所导师一同工作结合导师多年的国际合作研究经验,通过学习一门重要的数据分析语言和工具,熟悉利用大数据分析中的典型算法以遥感大数据为例解决地球变化监测中的实际问题。实习结束后,导师会根据学生综合表现出具推荐信。

 

项目内容

本项目名称是基于遥感大数据的建模预测和地球变化异常监测分析研究。

➢ 介绍科学大数据分析领域最为经典和实用的其中五个算法模型:多元回归分析、周期性SARIMA预测K均值(K-means)聚类、支持向量机(SVM)分类、递归神经网络(RNN)深度学习

➢ 介绍并学会使用一门国际学界广泛使用的重要的科学数据分析语言和编程工具,为后续动手实践和出国科研做铺垫。

➢ 案例介绍,结合实际的国际合作科研项目介绍两个基于大数据分析算法解决地球变化和异常监测相关问题的真实案例。

➢ 案例实战掌握基于大数据分析算法解决地球变化和异常监测相关问题的案例分析和动手操作。

➢ 学生实现多元回归分析SARIMA预测K-means聚类SVM分类RNN深度学习的相关算法,并应用于具体的遥感大数据分析问题中,得到建模预测和异常监测结果,实现对学生的综合考核。

 

师资背景

指导老师现任知名研究所副研究员,硕士指导老师,大数据分析方向学术带头人。具有近十年的大数据分析和遥感应用研究经验丰富的数据分析国际合作研究经历、并担任相关国际组织委员IEEESPIE、Elsevier、Springer、World Scicentific旗下多个国际权威期刊以第一作者发表论文12篇,在SPIE、ISPRS、IGARSS等遥感大数据领域相关国际知名会议及国际组织作8次学术报告,参编专著2部,获得国家发明专利授权2项,负责国家自然科学基金国际合作项目共3项,骨干身份参与科技部重大专项、国防科技创新项目等课题5项,曾获国家奖学金、优秀毕业生等奖项。目前还担任多个国际期刊和国内杂志的的审稿人。

 

招生对象及要求

大二以上优秀本科生及部分优秀高中生,计划数据分析、信息科学、统计学与应用数学、自动化控制、空间物理、遥感、航空航天等专业。为了让学生可以更好地参与并完成科研项目,项目组会以笔试和面试的形式对学生进行筛选

 

行程安排

时间:10.1-10.7

日期

时间

项目进度

Lab相关

10月1日

下午

外地学生入住酒店,破冰活动,自我介绍,学生分组,导师进行项目简介

项目所需数据软件工具的部署

10月2日

上午

项目开题大数据分析概述

文献调研

下午

经典的多元回归分析SARIMA预测算法

10月3日

上午

了解并初步学会使用一门重要的科学数据分析语言和编程工具

利用遥感软件ENVI实现遥感大数据预处理利用R语言工具实现经典算法

下午

案例研究,学会利用回归分析和SARIMA预测解决地球遥感监测相关问题的经典案例

10月4日

上午

实现前一天案例研究中的经典数据分析和预测算法,并应用于具体遥感大数据问题中,得到建模和预测结果

编程实现多元数据回归分析和建模预测算法

下午

学习并掌握K均值(K-means)聚类、支持向量机(SVM)分类的思想了解算法的实现

10月5日

上午

案例研究,学习一个基于遥感大数据聚类和分类的地球监测相关问题的经典案例

文献调研编程实现数据聚类和分类算法

下午

实现案例研究中的数据聚类和分类算法,并应用于具体地球遥感分类识别问题中,得到遥感分类识别结果。

10月6日

上午

学习并掌握递归神经网络(RNN)和长短期记忆网络(LSTM)深度学习的思想

文献调研编程实现数据聚类和分类算法

下午

高级案例研究,学习一个基于遥感大数据预测的地球变化异常监测的研究案例。

10月7日

上午

高级案例实现应用所掌握的大数据分析算法和编程工具解决具体遥感大数据分析问题,得到预测和异常变化监测结果。

基于数据学习预测算法,围绕地球遥感变化监测实际问题,根据设计的算法进行计算机实验验证

下午

项目结题总结与展望研究规划指导

 

备注:实际行程安排顺序可能会根据特定原因进行调整

 

关闭

美国留学

400-888-4251