（通讯员：阎继宁）数据是当今社会经济发展的重要要素。大数据产业是主要以数据生成、采集、存储、加工、分析、服务为主的新兴产业，是数据潜能激活的重要支撑手段，同时也是我国经济快速发展的动力引擎。中国地质大学计算机学院教师利用大数据技术在服务于城市灾害、经济社会可持续发展方面也作出了应有贡献。

一、地球大数据赋能深圳市风暴潮灾害淹没影响评估

随着中国沿海地区人口密度的增加和经济的迅猛发展，风暴潮灾害造成的损失呈上升趋势，已成为影响深圳等沿海城市社会和经济可持续发展的最严重的自然灾害之一。王力哲教授课题组基于地球大数据，采用风暴潮灾害数字孪生方法，将数值模拟模型和专家知识评估模型有机结合，快速评估了深圳市风暴潮灾害造成的直接经济损失和受灾人数，并提供了防灾减灾决策建议。该成果入选了《地球大数据支撑可持续发展目标报告（2020）》。

首先，采用无结构三角形网格架构、有限体积、自由表面、三维原始方程海洋数值模型进行数字孪生，计算积水深度分布，以弥补历史积水数据缺失；然后，采用由国家自然灾害综合研究组提出的经济损失评估模型，通过评估单个受灾体的损失率以及单位价值，累加以定量估算总体直接经济损失；最后，采用由英国水力研究院提出的受灾人口评估模型，建立损失人口与城市内积水特征、城市特征、人口特征关系，以定量评估受灾、死亡人数。

针对广东省登陆的2016年8月2日风暴潮“妮妲”和2018年9月16日风暴潮“山竹”，模拟深圳市积水分布，与蛇口港验潮站（东经113°53′，北纬 22°28′）和盐田港验潮站（东经114°16′，北纬 22°35′）记录潮位数据进行比较，准确率分别为87.86%和93.51%，平均准确率为90.68%。直接经济损失评估结果如图1所示。模拟结果“妮妲”直接经济损失36.79万元，“山竹”直接经济损失2.65亿元。广东省海洋与渔业厅统计“妮妲”直接经济损失为36万元，广东省自然资源厅统计“山竹”直接经济损失为2.55亿元，模拟准确。

图1 2016年“妮妲”、2018年“山竹”基于经济损失评估模型评估深圳直接经济损失图

受灾人口分布评估结果如图2所示。模拟结果“妮妲”受灾人数为1.86万人，受伤24人，无死亡；“山竹”受灾人数为2.81万人，受伤41人，无死亡。广东省海洋与渔业厅统计“妮妲”受灾人数为1.83万人，并未在深圳市区域造成人员死亡。中国应急管理部统计“山竹”造成广东、广西、海南、湖南和贵州 5省区共计5人死亡，在深圳市未造成人员死亡，模拟结果准确。深圳市宝安区、南山区及福田区，由于地理位置邻接海、地势较低，是在灾害中直接经济损失和受灾人数集中区域。大鹏新区也存在大量海水涌入问题，但由于目前该区域以山为主，未造成太多损失。为减少风暴潮灾害所导致的损失，需要对宝安区、南山区以及福田区的防洪堤进行强化，并增设防洪沙袋。

图2 2016年“妮妲”、2018年“山竹”基于受灾人口评估模型评估深圳受灾人数分布图

三、大数据赋能智慧油田建设

随着优质资源的不断开发，剩余资源开采难度越来越大，迫切需要创新技术提升油气勘探开发效率和效益，以保障国家的能源安全。结合最新的大数据、人工智能等技术提高油气田的智能化水平是油田降本提质增效的有效途径。缝洞型油藏储集类型复杂，溶蚀孔洞、裂缝为主要储集空间，非均质性较强。张冬梅教授课题组长期以来基于大数据及高性能计算技术，在缝洞型油藏井间连通定量评价、缝洞型油藏生产预测及高含水预警、油藏自动历史拟合，复杂介质油藏数值模拟异构并行架构设计与前后处理平台开发等方面开展相关工作取得一定成效。

单元注水是支撑缝洞型油藏稳产、上产的主要技术手段之一。但注采对应程度不清，水驱效果亟待改善，缝洞型油藏井间连通性研究是提高采收率的关键。研究基于地震岩溶系统预测、裂缝预测、井间生产动态响应等资料，提出静动态数据结合、多特征提取、多方法综合的缝洞型油藏井间连通定量评价技术，并形成配套综合评价软件KarstWin 2.0。提供多源数据管理、井间连通程度评价、示踪剂测试分析、可视化输出等功能，实现手工到自动、单一到综合、定性到定量的连通程度定量评价，直观揭示注水驱油潜力方向，并应用于塔河油田（图3）。

图3缝洞型油藏井间连通程度定量评价

缝洞型油藏储渗空间类型多样，见水特征复杂，多种因素耦合导致暴性水淹。团队基于时频分解和深度学习技术形成缝洞型油藏生产指标预测方法，结合多重分形量化主控指标建立见水风险评价技术，实现水淹预警，编制工程软件并应用于塔河油田（图4）。

图4缝洞型油藏生产预测及高含水预警

针对大规模碳酸盐岩多重介质油藏数值模拟时间开销过大的问题，基于异构多核架构的多重介质多相流数值模拟器开展并行计算，实现油藏数值模拟并行化。主要研究工作包括构建高性能计算平台，设计基于GPU的雅各比矩阵组建和线性方程组求解算法，开发基于CPU-GPU异构并行的缝洞型油藏数值模拟软件等，加速模拟过程。

二、大数据赋能智能电网建设

变电站通常位于偏远地区，变电站之间往往距离较远，输电沿线地理环境恶劣，气象条件复杂。特别是在极端天气下，冰雨和狂风往往会导致大量的电网事故。2008年春天一场罕见的冰灾和风灾在中国南方蔓延，迫使7541条10KV以上的输电线路故障，数千个塔杆倒塌，2000多条输电线路断开。因此，利用大数据技术评估输电线路的健康状态，并针对智慧城市的建设目标做出决策，是一项重要而紧迫的任务（图5）。

图5智慧城市输电线路网络

陈云亮副教授团队，利用大数据及人工智能技术，实现了南方电网输电线路的智能健康监测。首先，利用局部二值模式、主成分分析和ReliefFt特征选择算法提取无人机影像数据（图6）、气象数据和机械数据的特征；然后，应用具有一个隐藏层的多层感知器建立输电线路健康水平的预测模型；最后，利用2013年至2016年南方电网的在线监测数据开展模型验证，得到了86.31%的预测精度，可以为南方电网的智能健康监测提供决策性建议。

图6输电线路无人机监测数据 

后记：大数据技术能促进经济社会发展，但是大数据行业发展良莠不齐、数据开放程度较低、安全风险日益突出、技术应用创新滞后。近几年大数据产业突飞猛进，但是会有过度的宣传和过度炒作等泡沫成分的存在。因此，合理利用大数据这把双刃剑，为国民经济社会发展服务，为人民美好生活需求服务，任重而道远。