空间科学大数据的机遇与挑战

大数据技术和工具蓬勃发展

大数据分析技术、工具、算法和大数据系统平台是大数据研究和应用的关键环节，目前均有着长足的发展。

算法成熟可用。除了上述提及的大数据技术和算法，学界也发展了很多其他大数据分析与挖掘算法，比如决策树、贝叶斯、神经网络、支持向量机等分类算法，K-means 聚类、层次聚类、基于密度或基于网络的聚类等聚类算法，线性回归、逻辑回归等预测算法，以及卷积神经网络等适用于图像处理的机器学习模型等。这些算法在商业、城市治理等领域以及生物学、医药、地学等学科中均体现了巨大的潜力，同样也可被应用于空间科学研究领域。

工具套件化、便捷化。美国分析图形公司（Analytical Graphics, Inc.，AGI）开发了“系统工具套件”（system took kit，STK），可为工程师和科学家提供四维建模、仿真、分析、操作，能对地面、海洋、空气、空间中的物体展开复杂的分析，为未来运行在这些环境中的系统或载荷的性能提供模拟计算和实时评估（图3）。比利时联邦科学研究开发的空间环境信息系统（space environment information system，SPENVIS）是空间环境与载荷、宇航员相互作用评估综合软件，集成了丰富的模式计算、仿真模型以及配套的数据分析工具。用户可通过 Web 访问 SPENVIS 构造模型、定义参数和执行仿真，实现研发、优化、跟踪和检测空间飞行器与探测器的性能、工作状态、故障，预测空间环境及其影响。