“云计算与大数据关键技术研发及应
基于云计算的大数据处理与分析技术研究
基于云计算的大数据处理与分析技术研究第一章：绪论1.1 课题背景随着互联网和移动互联网的迅速发展，大量数据不断被生成和积累。
这些数据包含了各种类型、各种形式的信息。
如何快速、准确、高效地处理和分析这些数据成为了当前互联网领域的一大挑战，同时也是处理海量数据的必要手段。
1.2 研究意义基于云计算的大数据处理和分析技术的研究，是当下互联网领域中的一个热门议题，其研究意义主要体现在以下几个方面：（1）大数据处理能力的提升：利用云计算的优势，将数据分散到多个计算节点上进行处理，大大提升数据处理能力；（2）数据分析效率的提高：云计算可以快速地完成大量数据的预处理、存储和分析，从而提高数据分析效率；（3）新兴产业的培育：大数据技术的不断完善和应用，将推动数字经济和相关产业的快速发展。
第二章：基于云计算的大数据处理技术2.1 云计算的概念与特点云计算是指利用互联网等通信技术，将大量的计算资源、存储资源和应用程序进行集中和管理，以满足用户的个性化需求。
其特点主要包括以下几个方面：（1）可伸缩性：云计算中的资源具有良好的可扩展性，可以根据实际需求进行自动扩展；（2）按需订购：用户只需按照自己的实际需求选择所需要的服务和应用程序，无需购买应用程序的复杂硬件和软件设备；（3）可靠性：云计算中的资源不仅可以快速地处理高并发访问，还具备备份和容错机制，保证服务的高可靠性和稳定性。
2.2 大数据处理技术的发展历程大数据处理技术的发展经历了以下几个阶段：（1）传统数据处理技术：包括关系数据库管理系统（RDBMS）和数据仓库（Data Warehouse）等；（2）并行处理技术：如MapReduce和Hadoop等；（3）实时处理技术：主要包括Storm和Spark等；（4）深度学习技术：基于神经网络的深度学习技术、卷积神经网络和循环神经网络等。
2.3 基于云计算的大数据处理技术基于云计算的大数据处理技术主要包括以下几个方面：（1）Hadoop平台：Hadoop是一种基于Java语言的分布式存储和计算平台，可用于处理极大数据集；（2）Spark平台：Spark是一种快速、通用型的大数据处理平台，可以进行批处理和实时处理；（3）Storm平台：Storm是一种分布式实时计算系统，在实现实时数据处理方面具有显著的优势；（4）Flink平台：Flink是一种分布式大数据处理平台，既支持批处理，又支持流式处理。
关键技术、设计要点建议和方案
关键技术、设计要点建议和方案关键技术：1. 人工智能技术：利用机器学习、深度学习等算法进行数据分析和预测，实现智能决策和优化。
2. 大数据处理技术：快速、高效地处理海量数据，提取有价值的信息。
3. 云计算技术：通过虚拟化、分布式计算等手段，实现资源共享、弹性扩展和高可用性。
4. 物联网技术：实现设备之间的互联互通，收集各类数据，支持智能决策和远程监控。
5. 区块链技术：确保数据的安全性和可信度，防止数据篡改和伪造。
设计要点和建议：1. 架构设计：采用分布式、微服务架构，实现系统的高可用性和可伸缩性。
2. 数据管理：建立完善的数据采集、存储和管理机制，确保数据的完整性和一致性。
3. 数据预处理：对采集到的原始数据进行清洗、去噪和标准化处理，提高数据质量。
4. 模型选择与优化：根据实际需求和数据特点，选择合适的机器学习或深度学习算法，并进行参数调优，提高模型的准确性和泛化能力。
5. 可视化和交互设计：设计友好的用户界面和交互方式，方便用户理解和使用系统，提供数据可视化和报表功能，帮助用户进行决策和分析。
方案：1. 智能风险控制系统的架构采用分布式微服务架构，可以根据实际规模和需求进行横向和纵向的扩展。
2. 数据管理方案采用集中式存储，采用数据备份和容灾机制，确保数据安全和可用性。
3. 采用机器学习算法进行风险评估和预测，如随机森林、逻辑回归等，根据实际情况进行模型选择和调优。
4. 提供可视化的用户界面，展示风险状况和分析结果，支持用户进行数据查询和统计分析。
5. 应用区块链技术确保数据的安全和可信度，防止数据篡改和伪造。
6. 预留接口和扩展点，方便与外部系统进行对接，实现数据共享和业务协同。
云环境下大数据服务及其关键技术研究
云环境下大数据服务及其关键技术研究云环境下大数据服务及其关键技术研究随着云计算技术的快速发展和大数据的崛起，云环境下的大数据服务成为了研究的热点。
云环境下的大数据服务能够为企业提供高效、实时的数据分析和存储服务，推动企业数字化转型，并在决策、营销、市场等方面带来显著的竞争优势。
本文将对云环境下的大数据服务及其关键技术进行研究。
一、云环境下大数据服务的概念和特点云环境下的大数据服务是指利用云计算技术，以大数据为核心，为企业提供数据存储、处理、分析和应用的一系列服务。
相比传统的大数据服务，云环境下的大数据服务具有以下几个特点：1. 弹性伸缩：云环境下的大数据服务可以根据需求自动调整资源规模，实现弹性伸缩，避免了资源浪费和性能瓶颈。
2. 高可靠性：云环境下的大数据服务基于高可靠性的云平台，具备冗余、备份和容错机制，确保数据的安全和可靠性。
3. 高效性能：云环境下的大数据服务采用分布式存储和计算技术，能够并行处理大规模的数据，提供高效的数据分析和应用服务。
4. 成本优势：云环境下的大数据服务可以根据使用量计费，避免了大量的前期投资，提供了更灵活和经济的解决方案。
二、云环境下大数据服务的关键技术1. 数据存储技术：云环境下的大数据服务需要有效地存储和管理海量的数据。
分布式文件系统和对象存储技术可以提供高可靠性和高扩展性的数据存储服务。
同时，数据压缩、数据分区和数据备份等技术也是保障数据安全和性能的关键。
2. 数据处理技术：云环境下的大数据服务需要对海量的数据进行高效的处理和分析。
分布式计算框架，如Hadoop、Spark 等，采用MapReduce和并行计算等技术，可以实现分布式的数据处理和计算任务。
3. 数据安全技术：云环境下的大数据服务需要保证数据的安全性和隐私性。
采用数据加密、访问控制、安全认证等技术可以有效防止数据泄露和非法访问。
4. 数据挖掘和机器学习技术：云环境下的大数据服务可以对海量的数据进行挖掘和分析，发现其中的价值信息和规律。
国家重点研发计划云计算和大数据重点专项
北京大学
黄罡
2563
3
18
2018YFB1004900
多模态自然交互的虚实融合开放式实验教 学环
杭州师范大学
潘志庚
1837
3
19
2018YFB1005000
基于云计算的移动办公智能交互技术与系 统
中国科学院自动化研究所
陶建华
1779
3
云计算和大数据开源社区生态系统
中国电子技术标准化研究院
林宁
4038
3
12 2018YFB1004300
大数据分析的基础理论和技术方法
南京大学
周志华
1830
3
13
2018YFB1004400
高时效、可扩展的大数据计算模型、优化 技术与系统
中国人民大学
陈红
4371
3
14
2018YFB1004500
教育大数据分析挖掘技术及其智慧教育示 范应用
序号 项目编号 1 2018YFB1003200
国家重点研发计划“云计算和大数据”重点专项 拟立项的2018年度项目公示清单
项目名称
项目牵头承担单位
项目负责 中央财政经 项目实施周期
人 费（万元）
(年)
数据科学的若干基础理论
南京大学
尹一通
1292
3
2 2018YFB1003300
TB 级持久性内存存储技术与系统
西安交通大学
刘均
2039
3
15
2018YFB1004600
基于天空地一体化大数据的公共安全事件 智能感知与理解
公安部第三研究所
樊邦奎
2309
3
16 2018YFB1004700 基于立体精准画像的学术分类与推荐系
大数据的关键技术及其应用场景
大数据的关键技术及其应用场景大数据是指规模巨大、复杂度高且难以处理的数据集合。
随着科技的发展和互联网的普及，大数据的应用场景越来越广泛。
本文将介绍大数据的关键技术以及它们在各个领域的应用场景。
一、关键技术1.数据采集与存储：大数据的第一步是收集和存储海量的数据。
数据采集可以通过各种传感器、移动设备、社交媒体等手段进行。
而数据存储则需要高效、可扩展的存储系统，如分布式文件系统和云存储技术。
2.数据清洗与预处理：大数据往往包含大量的噪音和冗余信息，需要进行数据清洗和预处理。
数据清洗可以通过去重、去噪声、填补缺失值等方式进行。
预处理则包括数据转换、标准化、归一化等操作，以便后续的分析和挖掘。
3.数据分析与挖掘：大数据的核心是数据分析和挖掘。
通过使用各种统计学、机器学习和数据挖掘算法，可以从大数据中提取出有用的信息和知识。
常见的数据分析和挖掘技术包括聚类分析、关联规则挖掘、分类与预测等。
4.数据可视化与展示：大数据分析结果往往需要以直观、可理解的方式展示给用户。
数据可视化技术可以将抽象的数据转化为图表、图形等形式，帮助用户更好地理解和利用数据。
二、应用场景1.金融行业：大数据在金融行业的应用非常广泛。
通过分析大量的金融数据，可以提高风险管理和投资决策的准确性。
例如，银行可以利用大数据技术实现反欺诈系统，及时发现和阻止欺诈活动。
同时，大数据还可以用于个人信用评估、股票市场预测等方面。
2.医疗保健：大数据在医疗保健领域的应用有助于提高医疗服务的质量和效率。
通过分析大量的医疗数据，可以实现个性化的诊断和治疗方案。
此外，大数据还可以用于疾病预测、流行病监测等方面。
3.智能交通：大数据可以帮助城市交通管理部门实现智能交通系统。
通过分析大量的交通数据，可以实时监测道路拥堵情况，优化交通信号控制，提供实时的交通导航等服务。
4.电子商务：大数据在电子商务领域的应用主要体现在个性化推荐和精准营销方面。
通过分析用户的购买历史、浏览行为等数据，可以给用户推荐他们感兴趣的商品，提高购买转化率。
大数据的关键技术及其应用场景
大数据的关键技术及其应用场景大数据是当今信息时代的重要产物，它以庞大的数据量、多样的数据类型和高速的数据处理能力为特征，对各个领域的发展起到了重要的推动作用。
而大数据的关键技术则是支撑大数据应用的基础，下面将介绍几个关键技术及其应用场景。
一、数据采集与存储技术数据采集是大数据应用的第一步，而数据存储则是保障数据的可靠性和高效性的重要环节。
在数据采集方面，传感器技术的发展使得各种设备和系统能够实时采集和传输各类数据，如温度、湿度、压力等。
而在数据存储方面，分布式文件系统和分布式数据库技术的应用，能够将海量的数据存储在多个节点上，提高数据的可靠性和访问效率。
二、数据清洗与预处理技术由于大数据的来源多样且数据质量参差不齐，因此需要对数据进行清洗和预处理，以提高数据的准确性和可用性。
数据清洗技术主要包括去重、填充缺失值、异常值处理等操作，而数据预处理技术则包括数据标准化、特征选择、降维等操作。
这些技术的应用场景包括金融风控、医疗诊断、智能交通等领域。
三、数据挖掘与分析技术数据挖掘是从大数据中发现隐含模式、规律和知识的过程，而数据分析则是对数据进行统计和推理，为决策提供支持。
数据挖掘技术包括关联规则挖掘、分类与预测、聚类分析等方法，而数据分析技术包括统计分析、机器学习、人工智能等方法。
这些技术的应用场景包括市场营销、舆情分析、智能推荐等领域。
四、数据可视化与交互技术大数据的特点是数据量庞大且多样，如何将数据转化为可视化的图表和图像，以方便用户理解和分析，是数据可视化技术的核心任务。
数据可视化技术主要包括图表绘制、地理信息展示、虚拟现实等方法。
此外，交互技术也是数据应用中的重要环节，通过人机交互的方式，使用户能够方便地查询、分析和操作数据。
这些技术的应用场景包括数据报表展示、智慧城市、虚拟现实游戏等领域。
五、数据安全与隐私保护技术随着大数据的广泛应用，数据安全和隐私保护问题也日益突出。
数据安全技术主要包括数据加密、访问控制、防火墙等方法，而隐私保护技术则包括数据匿名化、脱敏处理、隐私保护算法等方法。
公需科目-大数据前沿技术及应用-考试与答案(全)
你现时的得分是100！1、下列单位不是数据单位？（）BA、bitB、NBC、GBD、TB2、（）主要承担了搭建大数据平台上层建筑的任务。
BA、数据存储技术B、数据开发技术C、数据计算技术D、数据挖掘技术3、下列哪项不属于商业大数据的类型。
（）DA、传统企业数据B、机器和传感器数据C、社交数据D、电子商务数据4、信息技术是指有关信息的收集、识别、提取、变换、存贮、传递、处理、检索、检测、分析和利用等的技术。
凡涉及到这些过程和技术的工作部门，都可称作（）部门。
CA、技术B、研究C、信息D、管理5、以下哪个数据单位最大？（）CA、MBB、KBC、TBD、GB6、大数据技术的战略意义是（）。
CA、掌握庞大的数据信息B、促进互联网和信息行业的发展C、对这些含有意义的数据进行专业化处理D、企业内部，以及企业与供应商、客户、合作伙伴和员工数字化共享所有形式的数据资源7、（）主要利用分布式数据库，或者分布式计算集群来对存储于其内的海量数据进行普通的分析和分类汇总等。
BA、采集B、统计/分析C、导入 / 预处理D、数据挖掘1、云计算包括有三个部分，分别是（）。
ABCA、基础设施服务B、平台服务C、软件服务D、数据服务2、“大数据”的特点是（）。
ABCDA、数据体量大B、数据类别大C、数据处理速度快D、数据真实性高3、美国哈佛大学的研究小组给出了著名的资源三角形。
包括（）ACDA、信息B、数据C、物质D、能量4、大数据平台的三个重要的技术部分。
ABDA、数据交易技术B、数据交互技术C、数据存储技术D、数据处理技术5、大数据处理流程可以概括为（）。
ABCDA、采集B、导入和预处理C、统计和分析D、数据挖掘6、互连网上出现的海量信息可以划分为三种。
分别为（）。
ABCA、结构化信息B、非结构化信息C、半结构化信息D、特殊化信息1、政府数据资源丰富，应用需求旺盛，政府应该是大数据发展的推动者，不是大数据应用的受益者。
错对错2、电子商务数据属于商业大数据的类型错对错3、大数据或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。
云计算和大数据技术技术引用文献
云计算和大数据技术在当今信息化社会中扮演着重要的角色，它们的出现极大地改变了传统的信息处理方式，为企业和个人带来了许多便利。
本文将从云计算和大数据技术的定义、特点、应用及发展趋势等方面进行探讨，并引用相关文献进行分析。
一、云计算和大数据技术的定义云计算是一种基于互联网的计算方式，通过云端的服务器进行数据存储和数据处理，用户无需在本地安装软件即可通过网络进行数据访问和计算。
而大数据技术则是指在面对海量、复杂、多样化的数据集时，利用各种先进的数据处理、存储和分析技术，挖掘出其中隐藏的商业价值和发展方向。
云计算和大数据技术的结合，使得海量数据的处理和应用变得更加高效和便捷。
相关文献:1. 马昕等人在其论文《云计算与大数据的技术发展与应用分析》中指出，云计算是一种基于互联网的信息处理方式，其特点是弹性、虚拟化和按需分配等。
2. 胡景翔等在《大数据技术发展综述》一文中提到，大数据技术是指一种面向海量数据的处理和分析技术，其关键技术包括数据存储、数据挖掘和数据分析等。
二、云计算和大数据技术的特点1. 弹性和灵活性：云计算和大数据技术能够根据实际需求进行资源的动态分配和调整，能够快速适应不同业务场景的需求。
2. 数据处理效率高：通过云计算和大数据技术，能够在短时间内处理庞大的数据集，提高数据处理的效率和质量。
3. 数据价值挖掘：利用大数据技术，可以从海量的数据中发现商业趋势、用户偏好等信息，有助于企业制定精准的营销策略和产品设计。
相关文献：1. 张成等人在《云计算环境下大数据技术的研究与应用》中指出，云计算和大数据技术的特点是弹性、虚拟化和按需分配等，能够提高数据处理效率和灵活性。
2. 王瑞等在其研究中强调了大数据技术在数据价值挖掘方面的重要作用，通过大数据技术可以发现数据中的商业价值和发展方向。
三、云计算和大数据技术的应用1. 企业管理和决策：通过对海量数据的分析，企业能够更好地了解市场趋势和用户需求，制定更具针对性的经营策略和产品设计方案。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
“云计算与大数据关键技术研发及应用”巨大主题专项申报指南云计算与大数据是支撑智能化发展的严重技术领域，结合《国家中长期科学和技术发展规划纲要(2006-2020年)》、国务院《关于促进云计算创新发展，培育信息产业新业态的意见》和《关于印发促进大数据发展行动纲要的通知》以及《重庆市以大数据智能化为引领的创新驱动发展战略行动计划（2018-2020）》等文件要求，根据我市相关产业创新发展的实际需求和云基础设施条件，现启动实施“云计算与大数据关键技术研发及应用”巨大主题专项，布局一批重点研发项目，突破一批关键核心技术，在智慧城市、智能制造、智慧服务等严重领域实现智能化引领，逐步提升资源汇聚、数据收集、存储管理、分析挖掘、安全保障、按需服务等能力，促进我市云计算与大数据技术的研发及应用达到国内乃至国际优秀水平。
1.面向智能终端的大数据云服务平台研发及应用研究内容：研发面向海量智能终端的大数据管理和开放服务云平台，为典型行业智慧应用提供支撑。
研究海量智能终端的数据并发接入、异构协议自动转换技术；研究海量大数据的管理和可视化技术；研究海量图片和大视频文件高效存储技术，物联网图片、视频分析技术；研究基于地理位置信息的物联网数据融合技术；研究优秀的多源异构信息融合和大数据分析技术；研究大数据分析模型的云端实现，构建云计算模型库；研究智能边缘计算交互技术、用户可自定义的数据抽取技术、时序数据的模型训练、推断及分析；研究基于微服务架构体系的基于组件的设备管控和数据分析服务；实现若干典型行业的应用验证。
考核指标：云服务平台：支持主流通信协议接入，包括但不限于WIFI、ZigBee、BLE、3G、4G、NB-IoT；支持设备接入协议解析，包括但不限于HTTP、MQTT、Modbus、LWM2M；设备寻址和控制响应时间≤3s；单前置机并发：≥1万；智能终端设备接入量≥1亿；数据存储量≥100亿条；图片文件存储量≥10亿个；图片、视频分析能力≥1000帧/秒。
云计算模型库：建立具有自主知识产权的大数据分析模型库，实现不少于20种大数据分析模型。
开展智能工厂、智慧城市、智慧农业、电信服务等领域的应用，项目执行期销售收入不少于1亿元，申请发明专利不少于10项。
实施年限：不超过3年支持方式：企业牵头申报，拟支持不超过1项，财政经费资助300万元。
2.智能制造成本质量管控云平台研发及应用研究内容：面向流程工业智能制造应用需求，研究工业可靠生产的多源异构数据采集存储与集成方案，实现生产流程关键过程数据的自动采集和高效存储；研究生产管理、设备状态与操作等的智能监控和分析技术，实现生产历史数据的分析挖掘、生产实际工况的智能化匹配、生产操作方案的优化与推荐和生产事故的预测与控制；研究企业管理、采购、操作中的隐形知识挖掘技术，以全成本核算、产品质量监控、生产智能操作等系统为载体，实现产品质量、生产效率的大幅提升和成本的大幅下降；研究生产过程实绩数据的排异性、符合性分析技术和过程能力评价方法，实现异常及引发异常的因素分析，维持生产过程安定；构建成本质量管控大数据平台，实现大数据与云计算技术在生产中的深度应用。
考核指标：采集储存：支持主流工业网络协议，包括但不限于ProfiNet、EtherNetIP、VIP TCP/IP、EGD、TCNET 、Modbus TCP；支持主流数据库，包括但不限于SQL Server、mySQL、Oracle；采集延迟时间≤0.1s；数据存储容量满足8年以上的关键数据产生量需求。
成本质量管控：构建包含工厂核心数据采集、储存和成本质量管控一体化云平台，并在工厂通过应用验证；包含对标准成本、成本分摊和成本影响要素在线分析方法和工具，生产成本误差小于3%，成本核算覆盖率达到90%；包含6大质量功能，质量设计、质量监控、质量分析、质量判定、质量跟踪、质量追溯，各工序主要质量指标经济区间占比≥70%；提出不少于3种基于多约束的生产过程参数曲线预测算法，工艺参数预测误差不超过5%；项目执行期销售收入不少于8000万元。
实施年限：不超过3年支持方式：企业牵头申报，拟支持不超过1项，财政经费资助300万元。
3.中小微企业大数据金融服务云平台研发及应用研究内容：面向金融服务应用需求，研究企业级大数据关联图谱跨尺度分析与时序数据深度关联技术，绘制区域产业的价值链地图和企业综合画像，实现金融活动集中地的精准定位；研究产业链全息画像动态维持和宏观趋势预测技术，实现区域内产业链变化趋势的实时跟踪，构建产业链上企业相关的上下游关联体系；研究高维稀罕数据非负特征提取技术，实现企业的信用评级，建设多维度的信用数据价值体系；构建大数据科技金融服务平台，实现价值链、产业链、供应链的三链合一的全方位数据价值展示，为企业特别是“中小微”企业提供全方位的智慧服务，也为政府监管提供区域金融风控决策综合分析服务。
考核指标：并发任务数爬虫达到1000个请求/秒，采集汇报周期为30s-60s 内；服务器响应时长：30 s内5000个请求；吞吐量1G以上；存储能力1PB以上；平衡故障恢复时间（MTTR）简单10 min，繁复任务60 min；全面覆盖全国范围内行业政策信息，平台计划采集超过7000万家企业的工商、法务、信贷、知识产权、人事、关联企业、黑名单、新闻舆情、权威数据接入等多维度数据信息，数据量达到5TB级；覆盖支付、信贷、投资、保险、征信等大数据金融科技业务，上线1年后达到服务客户数大于1500家，企业评估数量大于50万次，辅助1000家以上的小微企业实现信用贷款。
实施年限：不超过3年支持方式：企业牵头申报，拟支持不超过1项，财政经费资助200万元。
4.云计算中心智能运维共性关键技术研发及应用研究内容：研究基于计算智能的云计算运行能效评价与预测技术，实现数据驱动的云平台运行精准化评估与预测；数据驱动的大规模云资源智能调度与管理技术，提高计算资源的利用率与系统能效；大规模云计算网络资源的智能虚拟化技术，突破云网络资源的利用效率瓶颈；面向大数据应用的智能云工作流管理与调度技术，提供高能效、高服务质量的大数据工作流应用服务；分布式计算智能方法与技术集成，实现大规模的数据管理与智能处理；研发云计算的智能部署、运维管理与服务能力保障技术，搭建云智能管理平台并开展应用。
考核指标：提出一套智能化的云计算运行能效评估、行为预测、资源调度、网络虚拟、工作流管理与系统运维的关键技术体系；研制的关键技术在基准测试上的指标与国际主流技术或产品相比处于领先行列；云工作流和云服务请求的接受率提升20%以上，满足用户在时间和成本等多方面的智能化选择需求；面向大数据智能处理需求，基于云平台集成10种以上的分布式计算智能方法；研制的云数据中心智能管理系统在50万台服务器以上规模的云数据中心开展系统的应用；申请发明专利不少于3项，并制定国家标准（送审稿）。
实施年限：不超过3年支持方式：企业牵头申报，拟支持不超过1项，财政经费资助200万元。
5.海量高清视频高效存储与信息提取关键技术及应用研究内容：针对智慧城市建设和应用中产生的海量视频数据，研究智慧城市系统独到、高效、确凿的智能视频质量分析技术，分布式线性扩展、资源调度和高效数据去重技术；构建新型的多层级部署及负载平衡大数据计算和非易失存储框架；研究大数据智能检索、隐性知识挖掘与智能化风险预测等技术在城市管理中的应用。
考核指标：研发一套数字化、精细化、智慧化的智慧城市大数据管理系统，形成统统的城市运行管理体系，在至少4个典型行业开展应用；平台支持终端数据流的微秒级存储，支持PB量级的数据规模，支持百万级设备监测；申请发明专利不少于3项，项目执行期销售收入不少于4000万元。
实施年限：不超过3年支持方式：企业牵头申报，拟支持不超过2项，每项财政经费资助200万元。
6工业设备智能检测监测云服务平台研发及应用研究内容：面向重庆市行业企业、检测机构、政府监管等部门的业务需求，研究典型工业设备检测监测服务关键技术，包括智能数据采集终端与集成相关技术，多源异构数据存储、数据融合与集成技术，基于实时监测与知识融合检验的检测数据空间运行分析与预测技术，多用户多对象服务管理协同技术；构建典型工业设备智能检测监测服务平台，具有工业设备实时监测监测、康健状态诊断、性能评估、故障预测、预知维修等功能，并开展在移动气瓶、起重机械、电站锅炉、储罐等典型工业设备领域的应用。
考核指标：研发工业设备大数据智能检测监测服务平台，支持PB量级的数据规模；分布式数据实时采集节点不少于1000个；在机械设备、能源设备等2个行业进行应用，覆盖机械设备数量不少于300台、能源设备不少于2000台；申请发明专利不少于5项。
实施年限：不超过3年支持方式：企业牵头申报，拟支持不超过1项，财政经费资助200万元。
7.基于GIS-KM及数据图谱分发技术的大数据分析决策系统研发及应用研究内容：研究GIS（地理信息系统）的环境资源大数据指标符合度与关键权重确凿度技术，KM（知识管理）的非结构化与非量化的大数据自我深度挖掘、对外挖掘技术，GIS-KM横向大数据共享交换技术，基于KM-GIS的环境适应性大数据分析决策技术，基于GIS-KM的大数据图谱分发技术；构建环境资源、市场交易、质量等级的大数据仓库并在开展行业应用。
考核指标：研发基于GIS-KM及数据图谱分发技术的大数据分析决策系统：支持GIS环境资源数据指标覆盖全重庆市38个区县；大数据指标符合度达90%以上；关键权重确凿度在90%以上；支持100万条以上GIS数据，实时刷新频率在30s以内；知识管理数据系统对内覆盖10万份数据知识，自我挖掘有用数据知识在每小时10万份以上，对外实时获取有用数据知识达100万份，每日增加1万份；GIS-KM横向共享交换的价值数据达60%以上；支持每10秒1万条数据的GIS数据分析，环境适应性大数据决策确凿率达90%以上；可同时支持1万人的大数据价值图谱分发；分发确凿率超过90%；环境资源数据达100万条、市场交易数据达10万条、质量数据达10万条；申请发明专利不少于3项。
实施年限：不超过3年支持方式：企业牵头申报，拟支持不超过1项，财政经费资助200万元。