基于大数据的气象后勤信息服务平台研究
来源:用户上传
作者:
摘要 随着社会的不断发展进步，如今已进入大数据时代，云计算、互联网、大数据等凭借其全新的数据信息采集以及分析处理形式，对社会各个领域产生了深远的影响。根据大数据应用技术以及气象后勤信息服务需求，提出建设基于大数据的气象后勤信息服务平台，并展望平台未来后勤信息服务的应用前景。
关键词 大数据;气象后勤信息服务平台
中图分类号：P409;TP274.2 文献标识码：A 文章编号：2095-3305（2019）02-099-02
DOI： 10.19383/j.cnki.nyzhyj.2019.02.042
Abstract With the continuous development and progress of society， now it is the era of big data. Cloud computing， internet， big data and so on， with their new form of data information collection， analysis and processing， have a profound impact on all areas of society. According to application technology of big data and requirement of meteorological logistics information service， this paper suggested constructing meteorological logistics information service platform based on big data， and look forward to application prospects of the platform in the future.
Key words Big data; Meteorological logistics information service platform
大数据是指以多元形式，借助于诸多来源搜集而来的巨大数据集合，具备体量大、数据类型复杂多样、数据值价值高、数据处理速度快等特点。目前，大数据的研究以及应用逐渐成为各个领域数据研究的重点。在气象后勤信息服务工作中，由于各类后勤信息服务系统以及管理的视频监控数据的不断增多，大数据的典型特征逐渐凸显[1]。如何高效地对这些庞大的数据进行组织以及分析处理，从大批量数据资料中提取有效的数据资料，挖掘气象后勤工作的各类行为特征，更为精准、高效地提供气象后勤保障服务，已经成为现阶段气象后勤信息服务工作中亟待解决的问题。基于此，迫切需要转变数据处理方式，建立基于大数据的气象后勤信息服务平台。
1 大数据应用技术概述
大数据涉及的技术较多，包括计算机、统计学、应用数学等各类学科，涵盖数据分析技术、数据管理技术、数据挖掘技术、数据处理技术、数据可视化技术，以及构建大数据平台的数据安全技术等相关技术[2]。在这些技术中，数据分析技术包括人工智能和商业智能技术，如机器学习、关联规则挖掘、遗传算法、聚类分析、神经网络等;数据管理技术主要涵盖数据库技术、数据融合技术以及数据抽取与过滤技术等;数据挖掘技术主要是指采取依据数据库管理的统计以及机器学习方法，从大数据集中对于常规模式进行提取的一种技术;数据处理技术主要涵盖内存计算技术、分布式计算技术、流处理技术等;数据可视化技术包含信息流呈现技术、历史流回放技术等。当前，我国主流大数据信息服务平台大都运用的是基于MapReduce和并行数据库的混合架构，是基于虚拟化管理技术和Hadoop平台的动态可扩展数据处理平台，可应用于企业运营数据分析、情报信息数据挖掘等诸多领域。
2 氣象后勤信息服务需求
当前，气象后勤业务数据以及业务系统生成的实时数据正呈迅速增长态势，表现出比较显著的大数据特征。针对气象后勤信息业务大数据，气象后勤信息服务平台应满足以下需求：第一，如何组织和智能分析大量的后勤业务视频类大数据;第二，如何从庞大的数据中获得各种后勤服务的相关性;第三，如何利用大数据技术助力后勤人员对各类保障需求进行研判，开展指挥决策，同时第一时间执行后勤保障行动;此外，如何探索当前的信息资源价值，提高后勤物流大数据的使用率，同样是现阶段物流数据应用需要特别关注的焦点。综合上述具体需求，针对后勤信息服务中的图像、视频数据庞大的现实状况以及强大的数据相关性，迫切需要构建基于大数据的气象后勤信息服务平台。
3 基于大数据的气象后勤信息服务平台
针对气象后勤信息服务业务中快速开展大数据分析处理的应用需求，需要建立基于大数据的气象后勤信息服务平台。该平台主要涵盖基础数据、数据处理层、数据服务层以及用户层。
3.1 基础数据层
基础数据层处在整个气象后勤信息服务平台结构的最底层，即平台的基础，该层的主要作用是提供全面、丰富、海量的基础数据。根据气象后勤业务数据的来源，可以将基础数据主要分为2类，其一为核心数据，其二为外部数据。其中，核心数据是开展后勤专业信息服务的重要基础，主要包含后勤业务各部门设置的专项数据库，涉及到分散在各后勤业务系统的诸多信息资源。外部数据属于基础数据层的一部分，主要是来源于媒体、网络、相关院校或者研究机构发表的文献材料，内容涉及到各个学科以及领域，从这些资料中提取出同后勤信息服务相关联的数据信息。这类信息获取的门槛低，技术比较简单，但是来源广泛、类型杂多、信息数量庞大。
3.2 数据处理层
数据处理层主要承担着对数据的分析、储存以及处理的功能，主要是对基础数据层的各种原始资源信息进行分析、加工、处理，按照用户层的实际信息需求，选取、暂存应用数据，为后续应用给予数据支撑，同时为短时间内的数据调用给予保障。数据处理层由一系列数据连接池共同构成，连接池内容的实际分配，需要结合应用数据层的需求和基础数据来源、类型以及处理特征进行确定。 3.3 數据服务层
数据服务层属于整个平台的核心层，其主要作用是通过大数据技术迅速对数据处理层归纳的大数据进行筛选以及处理，最终生成面向各专业以及各层级用户的具有针对性、预见性的气象后勤信息服务产品。数据服务层包含服务的生成、发布、查看、定制以及管理等功能，任务的具体分配需要按照用户的实际需求、应用数据类型、数据处理算法以及处理特点进行落实。
3.4 用户层
用户层属于基于大数据的气象后勤服务平台的业务决策者以及专业人员。用户层的主要作用是按照角色的不同以及用户的不同需求设计具有针对性的页面，从而为不同用户提供精准性、个性化的后勤服务。
4 基于大数据的气象后勤信息服务平台的应用前景
4.1 为气象后勤信息化建设给予可靠的技术保障
在大数据环境下，气象后勤业务涉及到需求、供给、后勤保障等海量数据资料，采取数据挖掘以及大数据并行算法等相关的大数据技术，打破时间、空间的限制，进行大数据的自动搜索[3]，以获取有效的资料，挖掘后勤具体需求以及保障中的规律，进而较好地消除后勤业务中由需求以及供给的不确定性而造成的重复申请、重复采购、库存积压、保障效率低下等弊端问题，真正做到“需求实时可知、资源全程可控”。
4.2 为气象后勤业务的管理以及决策给予科学指导
大数据形势下，不能单单凭借经验以及个人主观意识做出各种决定，而应该通过挖掘和分析全样本数据，切实由经验决策逐渐向实证决策、全样本决策转变，以保证决策更为精准、可靠、及时。因此，大数据不仅能够改变气象后勤保障手段的认知方式，而且能够为后勤业务的管理以及决策给予科学指导，大幅提高气象后勤管理以及决策的预测精准性和时效性水平。
参考文献
[1] 吴松杰，何忠栩，赵顺怡.大数据时代的气象服务应用研究[J].农业与技术，2018，38（18）：231.
[2] 赵园.大数据应用技术的研究[J].电子技术与软件工程，2016（17）：161.
[3] 李从英，王彪，金石声，等.气象大数据平台的数据采集与处理系统初探[J].成都信息工程大学学报，2018，33（5）：536-539.
责任编辑：李杨
转载注明来源:https://www.xzbu.com/1/view-14820262.htm
