留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

量子科学实验卫星的多维数据立方体方法研究

郭国航 李虎 胡钛 谢夏洁 战风林

郭国航, 李虎, 胡钛, 谢夏洁, 战风林. 量子科学实验卫星的多维数据立方体方法研究[J]. 空间科学学报, 2021, 41(3): 467-474. doi: 10.11728/cjss2021.03.467
引用本文: 郭国航, 李虎, 胡钛, 谢夏洁, 战风林. 量子科学实验卫星的多维数据立方体方法研究[J]. 空间科学学报, 2021, 41(3): 467-474. doi: 10.11728/cjss2021.03.467
GUO Guohang, LI Hu, HU Tai, XIE Xiajie, ZHAN Fenglin. Research on the Multidimensional Data Cube Method of the Quantum Science Experiment Satellite[J]. Journal of Space Science, 2021, 41(3): 467-474. doi: 10.11728/cjss2021.03.467
Citation: GUO Guohang, LI Hu, HU Tai, XIE Xiajie, ZHAN Fenglin. Research on the Multidimensional Data Cube Method of the Quantum Science Experiment Satellite[J]. Journal of Space Science, 2021, 41(3): 467-474. doi: 10.11728/cjss2021.03.467

量子科学实验卫星的多维数据立方体方法研究

doi: 10.11728/cjss2021.03.467
基金项目: 

中国科学院空间科学战略性先导专项(XDA04080201)和中国科学院重点部署项目(ZDRW-KT-2019-5)共同资助

详细信息
    作者简介:

    郭国航,E-mail:guoguohang18@mails.ucas.edu.cn

  • 中图分类号: V474

Research on the Multidimensional Data Cube Method of the Quantum Science Experiment Satellite

  • 摘要: 科学实验卫星以科学目标为任务战略导向,需要任务团队结合实际业务运行情况制定阶段实验计划.这些实验计划以任务运行数据为依据,由科学卫星任务各分系统数据分析获得的策略集合综合得到.量子科学实验卫星在轨运行期间会产生大量运行数据,如何有效利用这些数据给不同决策层提供辅助是当前面临的一大难题.目前主流方式主要借助值班日志统计和常规的数据库系统数据统计,需耗费较多时间和人力成本,对分析人员专业技能要求较高,无法满足多角度和多粒度任务研判的要求,并且该方法可扩展性差,当问题的观察角度变化时,往往需要重新组织数据统计分析.针对上述问题,本文提出一种基于数据立方体的多维数据建模和分析方法,对于不同主题,能够对数据进行多层次、多角度、多粒度统计分析,为决策提供良好支持.

     

  • [1] LI Hu. The Research on Big-Data Technology Applied in Satellite Mission Operations[D]. Beijing: University of Chinese Academy of Sciences, 2015(李虎. 大数据技术在卫星运控中应用探索[D]. 北京: 中国科学院研究生院, 2015)
    [2] ZOU Yijiang, LI Deren, WANG Renxiang. Principle of analytical operation of spatial data cube[J]. Geomat. Inform. Sci. Wuhan Univ., 2004, 9:822-826(邹逸江, 李德仁, 王任享. 空间数据立方体分析操作原理[J]. 武汉大学学报: 信息科学版, 2004, 9:822-826)
    [3] HAO Shanyong, LIU Yushu. Model management subsystem in financial investment decision[J]. Chin. J. ICT Edu., 2000, 5:46-48(郝善勇, 刘玉树. 金融投资决策中的模型管理子系统[J]. 管理信息系统, 2000, 5:46-48)
    [4] HAN Jiawei, KAMBER Micheline. Data Mining: Concepts and Technique[M]. San Francisco: Morgan Kaufmann, 2000
    [5] XIN Junchang, WANG Guoren, LI Guohui, et al. State of the art data model and its research progress[J]. J. Software, 2019, 30(1):142-163(信俊昌, 王国仁, 李国徽, 等. 数据模型及其发展历程[J]. 软件学报, 2019, 30(1):142-163)
    [6] STEFANOVIC N, HAN J, KOPERSKI K. Object-based selective materialization for efficient implementation of spatial data cubes[J]. IEEE Trans. Knowledge Data Eng., 2000, 12(6):938-958
    [7] PAPADIAS D, KALNIS P, ZHANG J, et al. Efficient OLAP operations in spatial data warehouses[C]//International Symposium on Advances in Spatial and Temporal Databases 2001. Berlin: Springer, 2001:443-459
  • 加载中
计量
  • 文章访问数:  157
  • HTML全文浏览量:  3
  • PDF下载量:  47
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-10-16
  • 修回日期:  2020-05-09
  • 刊出日期:  2021-05-15

目录

    /

    返回文章
    返回