英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

大数据迎接绿色挑战：大数据面向绿色应用

IEEE高级成员吴劲松，IEEE高级成员宋国， IEEE高级成员李杰，

以及IEEE成员曾德泽

摘要——大数据被广泛认为是提高生产力、提高效率和支持创新的最强大驱动因素之一。它被高度期望探索大数据的力量，将大数据转化为大值。为了回答大数据和绿色挑战两者之间是否存在内在相关性的有趣问题，最近的研究对大数据系统整个生命周期的绿化问题进行了研究。本文希望通过大数据技术向各种绿色目标进行综合、全景文学调查，探讨大数据时代趋势与新一代绿色革命趋势的关系，相关挑战和未来方向。

索引——大数据、数据分析、能源效率、环境问题、环境可持续性、绿色、绿色革命、资源效率、可再生资源、可回收性、可持续环境、可持续性应用、可持续性。

一、概况

互联网的繁荣为网络世界和现实世界中产生的大量数据提供了新的来源。引入'大数据'一词来描述数字世界中的数据爆炸。思科最近的一份报告[1]显示，到 2020 年，将有 500 亿台设备连接到互联网。这些设备将推动数据生成到几乎难以想象的水平。尽管在过去十年中，数据量已经变得显著庞大，但物联网 （IoT） 的繁荣甚至会显著夸大数据量。思科 [2] 还估计，到 2019 年，设备生成的数据将达到每年 507.5 ZB （42.3ZB）（42.3ZBper月），比最终用户设备传输到数据中心的数据量高出 49 倍。从大数据中探索大值就成为新出现的关键问题，这需要多学科和跨学科的努力。为此，最近相当多的工作集中在基础设施、软件和数据挖掘算法等不同方面的数据技术上。在业务、医疗、安全、教育等不同领域对大数据应用进行了许多研究。例如，企业内研发、工程和制造部门的数据集成在一起，以实现并行产品工程、缩短上市时间并提高质量[3]。虽然改变我们生活的大数据革命已经开始，但许多挑战仍有待解决，许多潜力可能有待探索，这需要不同学科的很多努力。

最近的讨论[4]研究了大数据时代趋势与绿色革命趋势在大数据系统整个生命周期绿化方面的关系。在[4]中详细讨论了绿色问题的概念，其中绿色概念与环境、经济、社会和/或技术问题有关，在可持续和友好方面。近年来，环境问题引起了全球的关注和广泛讨论，如中国一些地区严重的空气、水和土壤污染问题，以及美国的极端气候变化[5]。我们希望解决将大数据应用于这些环境挑战，使绿色和可持续的世界的潜力。本文旨在探讨大数据时代趋势与新一代绿色革命趋势之间的方向关系，通过全面、全面的文献调查，以大数据为工具实现其他各种绿色目标。

大数据相关技术可能有许多应用，如探索隐藏模式、未知相关性和趋势。

图 1 说明了此调查中要讨论的一些具体方案。如图所示，我们可以看到各种数据采集设备被渗透到世界，能够收集跨越不同区域的信息。我们可以部署空气和水监测传感器，分别检测和评估空气和水污染。安装智能电表可提供实时耗电量和需求。射频识别 （RFID） 标签贴在商品中，用于智能跟踪。所有信息都传输到数据中心进行进一步的存储和处理。处理后的结果也可以反馈回环境中，以便可以作为响应采取某些操作。例如，在检测水分配系统中的某些污染事件时，应建立脱污运行机制。适当的运输调度应根据应对空气污染状况。网络物理系统可以基于各种信息和通信技术（ICTs）形成，并作为闭环控制系统来促进地球的绿色性。

图1.大数据面向绿色应用的插图场景

本文将总结和讨论不同领域的不同绿色应用的大数据，如环境、能源效率和可持续性，如图2所示。本文的提醒是：讨论第II-IV节中关于各种环境问题、能源效率和可持续性的大数据。第五节，然后，概述了未来的几个研究方向。最后，第六节结束了我们的工作。

图2.大数据面向绿色应用的客观概述

二、环境问题大数据

环境问题技术可能危害环境，造成许多负面问题，如污染、废物、资源枯竭和生态破坏。通过有效利用相关大数据，我们可以通过处理这些环境问题。

1. 环境问题

1）污染：在技术时代，电子器件生产利用过多、不当，造成空气、石油、水、噪声和电磁（EM）污染，即重要目标处理与绿色相关的技术和活动。我们想研究如何利用大数据来处理环境问题。

1）空气：城市空气质量可能因气象、交通量、不同地点等诸多因素而无变化。为了在有限的空气质量监测站的基础上获得精细化的城市空气质量信息，郑等人提出了一种半监督学习方法，根据训练框架，由两个分离的分类器、空间和时间分类器提供历史实时空气监测数据。

2） 石油：石油泄漏不仅破坏海滩、海岸线和水域，而且还会产生碳排放，从而造成温室效应。关于这一点，芬加萨和布朗布[7]收集了各种空中大数据，在以前发生漏油的不同海域。通过定性数据分析，可建立实时预警。

3） 水：数据的收集、分析和使用可能会改变如何避免或减少水污染。例如，不吸收作物的肥料会导致水污染[8]，农民可以通过收集和利用有关自己田地的营养需求的数据，更有效地利用肥料。

4） 噪音：郑等人[9]使用四个数据源（投诉数据、社交媒体、兴趣点和道路网络数据）诊断纽约市的噪音污染，通过这些数据生成噪音指示器以反映向公众通报的噪音水平和官员的决策。

2） 气候：在过去一百年中，海平面已经升高了近7次，北极的冰盖十年来一直在减少约13%。同时，地表空气温度呈稳步上升趋势。大数据技术可能为缓解相关气候问题提供积极支持。法格穆斯和库马尔[10]讨论了挖掘大型气候数据的挑战和机遇，并提出了以其他科学理论为指导的数据科学范式理论，以约束大数据技术和相关解释过程从大型气候数据中提取准确的见解。气候相关数据主要来自遥感数据、同化数据集、模型输出和气候预测。通过相应的数据，政府或行业能够监测和分析气候特征，并做出明智的决策，避免气候变化。TechfirmNest 设计了一个数字家用恒温器，带有传感器，可监控一个人的日常生活。用户离开家后，温度就会下降。当用户回来时，它上升。如果在整个全球经济中实施这些类型的效率，估计的碳排放量可能会下降近10亿吨，这激励人们思考气候和改善环境质量。

3） 退化：大数据的出现可能为生态破坏中越来越严重的问题提供帮助。例如，马里兰大学和谷歌根据美国国家航空和航天局拍摄的65万张图像，联合开发了一种高分辨率互动绘图工具，根据地图测量毁林的影响。美国宇航局）卫星在2000年至2012年之间。借助这些数据，可以量化我们在世界各地剩余的森林可能含有多少碳，而且可以理解，在出现进一步损失的最大风险在哪里。此外，谷歌地球引擎总结了公开提供的卫星图像，巴西科学家已经能够根据这些图像探测亚马逊地区的森林砍伐。

4） 浪费：废物问题总是在日常生活中发生，大数据技术可能对此有帮助。根据欧洲ICeWater项目[11]的数据，超市和杂货店是垃圾填埋场3400万吨食品垃圾的重要贡献者，这些垃圾将有害甲烷气体释放到环境中，而借助大气库，这些废物可能会减少。数据分析。加拿大维多利亚海洋网络大学最近承诺分享其现有海洋观测站网络中使用的仪器中的大数据流在海底。收集真正密集和实时的相关信息可以极大地帮助清洁水、管理废物和探测海啸。

5）资源：环境资源包括不可再生资源和可再生资源。现在，我们考虑大数据如何帮助解决以下两个部分的资源消耗问题。

1）不可再生资源：世界上最大、不可再生的煤层能源发电。为了使电网持续和清洁，必须高度减少用煤和天然气的利用，用太阳能等零碳源替代。这些替代过程不会那么简单和廉价。然而，借助大数据分析，更智能、更高效的网格可能有助于平滑这些过渡 [12]。

2）可再生资源：可再生自然资源，如树木和水，由于现有技术的局限性，其消耗速度超过了它们更新的速度。大数据分析可能支持减少资源消耗。近年来，欧盟发起了一个研究项目[13]，以改善供水管理。通过大数据分析，该项目强调使抽水站尽可能节能，减少供水网络中的泄漏数量。

B. 环境监测大数据挖掘

本部分分别从空气、水和土壤等方面讨论与环境监测相关的数据工作。

1）空气：实时监控空气质量，覆盖北京城市，并自动处理大数据，Maetal。[14]旨在通过分层部署终端传感器节点，在智能建筑、数据采集单元和智能建筑之间的路由器中分层部署原型系统，并将传感数据传输回用于实时观测的信息处理中心。利用JavaservletandJavaLiteastools，开发了一种基于网络的解决方案，空气污染开采框架，通过空间数据挖掘来探索气候元素对空气污染的影响。在[16]中，提出了一种插值方法，用于结合遥感多光谱和多传感器图像，以研究俄克拉荷马市地区空气污染特征。通过气象变量，通过数据输变电和神经网络，相关监测站设在墨西哥萨拉曼卡。[18] 引入了P-Sense（污染感知）来提供具有不同粒度的时间和空间维度的大量污染数据，从而可能让政府决策者、国际组织、社区和个人获得分析其相关问题和要求的污染数据。在[19]中，作者提出了一种有效的方法，自动识别来自带有传感器的车辆的空气污染和雾气，以便从摄像机获取主要数据，以及光检测和识别 （LIDAR） 仪器。表一总结了之前讨论的空气质量监测系统。不仅应用了直接来自空气质量传感器的数据，还可以探索RS图像。此外，还可以应用不同的方法，如数据融合、神经网络和空间数据挖掘，从收集的数据中获取更有见地的信息。

表一 空气质量监测系统的比较

2） 水：在[20]中，本梅切塔和兰萨里根据水采样和RS数据的物理和化学分析分析了海洋污染，这些数据通过地理信息系统（GIS）进行综合，以便实现所有数据来源的全球远景。在[21]中，陈至立介绍了大城市区不同的水功能和水文数据，以建立完整的水污染和水环境生态补偿自动水质监测评价体系，可覆盖水质监测、数据传输、数据处理、数据查询、趋势分析、GIS数据、室内与室外分界、价值分析等。Best等人[22]介绍了欧洲多学科海底和水柱观测站（EMSO，http://www.emso-eu.org），这是一个大型的欧洲研究分布式基础设施（RI），用于ESFRI路线图，包括定点、海底和水柱观测站，其基本科学动机为（近）实时、长期监测地球圈、生物圈和水圈的环境过程，其最显著天文台设计的特点，在时间和空间尺度上同时考虑跨学科目标。3） 土壤：Pan等人[23]在检测城市扩张（中国成都）时，基于EO数据（地球观测）的RS和GIS技术应用了RS和GIS技术，以及由于向不同方向扩张而导致的大规模城市扩张和城市土地利用变化造成的空间模式，在城市边缘比在市中心更清楚地观察到。

C. 用于环境建模、分析和开发的大数据

接下来我们将讨论环境建模、分析和开发的相关大数据工作。

1） 空气：在 [24]中，对与实际环境空气污染数据一致的空气污染模拟模型进行建模，提出了一种确定优先参数估计值的方法，并给出了方法'跟踪'参数变化和检测污染违规统计。Burke等人[25]提供了对卫星数字数据在视觉范围内的比较分析，基于低表面能见度和高硫酸盐水平的严重污染事件的地面气溶胶测量，相关的模型模拟显示了利用卫星监测其强度和实际程度的潜力。污染情节。Andria等人[26]研究了通过远程传感器测量的空气污染数据的空间和二维建模，并研究了高斯模型，通过数学参数降低了恢复误差的可能性。Filice等人[27]比较了两种解释环境污染数据的技术，在实际取样过程中获得的数据和采样手动添加气象分析和交通流量评估，以说明正确的空气通过智能数据采集进行质量控制。基于线性回归分析，华莱士和卡纳罗格卢[28]研究了MODIS气溶胶光学深度（AOD）和地面污染PM2.5（直径小于2.5mu;m的颗粒）之间的关系。[29] 利用从 GIS 获得的地形和气象条件数据，提出了一种综合计算机化方法，用于模拟中尺度中汽车尾气污染物的排放和分散情况，其中交通流量模型是根据高斯有限线源模型的已知安全距离Krauss模型和污染物浓度的计算得出。周和王[30]根据2003-2009年中国重庆市空气污染监测数据，讨论了污染事件的天气特点。Henriques

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[236332]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 基于关键词查询的聚焦网络爬虫外文翻译资料
• 移动社交媒体中网络舆论传播模型的构建、仿真与 实证研究外文翻译资料
• 钢铁工业共生网络的定量环境风险评估外文翻译资料
• 社交媒体网络中的知识扩散: 声誉机制和知识角色分配的影响外文翻译资料
• 基于情感分析的数字化内容平台用户行为研究外文翻译资料
• 知识管理在客户关系管理过程中的应用外文翻译资料
• 您如何定义和衡量研究生产力？外文翻译资料
• 对WEEE的再制造与回收的权衡以及中国基金政策下的环境影响外文翻译资料
• 数据库开发过程外文翻译资料
• 双边平台间的两部分关税竞争外文翻译资料