专利名称：一种基于海计算的水环境参数预测装置及方法
技术领域：
本发明涉及水环境监测与水环境保护技术领域，尤其涉及一种基于海计算的水环境参数预测装置及方法。
背景技术：
水环境参数预测是通过对当前和历史的一种或多种水环境参数数据的分析，实现对未来某一时刻一种或多种水环境参数(称之为目标水环境参数)的预测。现有的水环境参数预测方法主要分为两类一类是基于与目标水环境参数紧密关联的其他参数建立预测模型；另一类是基于目标水环境参数的历史数据建立预测模型。目前，前端的水环境参数感知装置仅具备原始数据采集功能，需要将大量的原始数据传输到远程监测中心，由远程监测中心采用上述两类方法实现集中式数据处理、建模和预测。事实上，水环境参数具有很强的区域性和时效性。区域性是指对目标水环境参数产生重要影响的其他参数通常处于与其物理距离较近的范围之内，因此，完全可以通过局部区域的数据交互就获得进行目标水环境参数预测的必要数据；时效性是指测量得到的原始数据需要尽快地进行处理，否则将失去其本身的意义。综上所述，现在还没有一种能够在前端进行水环境参数预测的装置，现有水环境参数预测方法不仅丧失了数据的时效性，而且浪费了大量的通信资源。
发明内容
本发明解决的技术问题在于，在水环境参数的前端感知装置实现对原始数据的实时处理，以维护数据的时效性。更进一步的，有效地降低从前端水环境参数感知装置到远程监测中心之间的通信
数据量。本发明公开了一种基于海计算的水环境参数预测方法，包括步骤1、每个设置在目标水域的预测器分别采集至少一种水环境参数数据并广播给其他预测器；步骤2、将采集一目标水环境参数数据的一预测器作为控制预测器，该控制预测器基于接收到的广播数据和自身采集的数据进行判断，当只存在该目标水环境参数数据，或，不存在与该目标水环境参数紧密关联的其他水环境参数的数据时，根据该控制预测器所存储的目标水环境参数数据建立水环境参数预测模型，当存在与该目标水环境参数紧密关联的其他水环境参数的数据时，根据该控制预测器所存储的与该目标水环境参数紧密关联的其他水环境参数数据建立水环境参数预测模型；步骤3、该控制预测器根据建立的该水环境参数预测模型计算该目标水环境参数的预测值。该步骤1进一步包括每个该预测器分别采集至少一种水环境参数数据；每个该预测器广播其ID信息，如果可以收到其他预测器的ID信息，每个该预测器广播其所采集的水环境参数数据，并将接收到的该广播数据根据水环境参数的种类分别进行存储。
该水环境参数包括水面图像、水温、溶解氧、硝酸盐、叶绿素、总氮或总磷。该步骤2进一步包括该控制预测器基于接收到的广播数据和自身采集的数据进行判断，是否存在多种水环境参数，如果是，该控制预测器控制各该预测器计算各个水环境参数与该目标水环境参数之间的关联度，对于超过阈值的该关联度，视为该关联度所对应的水环境参数与该目标水环境参数紧密关联。该建立水环境参数预测模型的步骤采用支持向量基、神经网络或时间序列分析的建模方法。步骤3之后还包括该控制预测器将该目标水环境参数的预测值与真实采集到的目标水环境参数数值进行比较，以计算误差值，并将该误差值反馈到该水环境参数预测模型，以进行预测模型的修正。该控制预测器发送该目标水环境参数的预测值以及该控制预测器的位置信息至一远程监测中心。本发明还公开了一种基于海计算的水环境参数预测装置，包括至少一个预测器，设置在目标水域，每个预测器分别采集至少一种水环境参数数据，将采集一种目标水环境参数数据的一预测器作为控制预测器，该预测器包括传感单元、 通信单元、存储单元和处理单元；该传感单元用于采集水环境参数数据；该通信单元用于将该传感单元采集到的水环境参数数据广播给其他预测器，以及，接收其他预测器的广播数据；该存储单元存储该传感单元采集到水环境参数数据和其他预测器的广播数据；该控制预测器的处理单元基于该控制预测器的存储单元存储的数据进行判断，当其中只存在该目标水环境参数数据，或，不存在与该目标水环境参数紧密关联的其他水环境参数的数据时，根据该控制预测器的存储单元所存储的目标水环境参数数据建立水环境参数预测模型，当存在与该目标水环境参数紧密关联的其他水环境参数的数据时，根据该控制预测器的存储单元所存储的与该目标水环境参数紧密关联的其他水环境参数数据建立水环境参数预测模型，根据建立的该水环境参数预测模型计算该目标水环境参数的预测值。该控制预测器的处理单元包括一关联度分析单元以及一任务分配单元，该任务分配单元控制各该预测器计算各个水环境参数与该目标水环境参数之间的关联度，该关联度分析单元判断该关联度是否超过阈值，将超过阈值的关联度所对应的水环境参数视为与该目标水环境参数紧密关联。该控制预测器的处理单元还包括一修正单元，用于该目标水环境参数的预测值与真实采集到的目标水环境参数数值进行比较，计算误差值，并将该误差值反馈到该水环境参数预测模型，以进行预测模型的修正。该控制预测器还包括一定位单元，用于提供该控制预测器的位置信息。该控制预测器包括一建模单元，用于采用支持向量基、神经网络或时间序列分析的建模方法，建立该水环境参数预测模型。本发明可以有效地降低从前端水环境参数感知装置到远程监测中心之间的通信数据量，实现对原始数据的实时处理，保证时效性和区域性。
图1所示本发明的水环境参数预测装置的系统结构示意图2A、2B所示为本发明的预测器的结构示意图；图3是本发明的传感单元的结构示意图；图4A、4B为本发明的处理单元的结构示意图；图5为本发明的供电单元的结构图；图6A、6B为本发明的基于海计算的水环境参数预测方法的流程图。
具体实施例方式本发明利用海计算方式，提出局部化、分布式的能够在前端进行水环境参数预测的装置和方法，实现水环境参数的及时、准确预测。海计算利用独立的感知装置之间局部的、即时的数据交互和分布式智能，使感知装置具备自组织、自计算、自反馈的功能。多个感知装置之间通过局部交互方式实现通信与互动，通过内嵌智能算法之间的交互作用产生有效的智能判断。如图1所示本发明的水环境参数预测装置的系统结构示意图。一个或多个预测器101分布部署在目标水域，S卩，处于同一个物理位置附近。特别是可以设置在水源地、入湖/海口等地方。每个预测器可以采集不同种类的水环境参数的数据，采集相关水环境参数的预测器组成一个局部网络104。局部网络104内的各个预测器除了采集不同的水环境参数外，在软、硬件的功能上完全相同。各个预测器均可通过网络与远程监测中心103连接并发送数据，远程监测中心103是本发明之外的一个辅助设备，其负责收集预测器101发送的数据，并进行数据显示。特别是，在多个预测器101中，根据需要预测的目标水环境参数的种类选举出一个控制预测器102，负责分配预测任务，建立预测模型，进行水环境参数预测，并将预测结果通过通信单元发送给远程监测中心。如图2A所示为本发明的预测器的结构示意图。控制预测器与预测器拥有相同的结构。该预测器101由以下几部分组成传感单元201、处理单元202、存储单元203、通信单元205、供电单元206。如图2B所示为本发明的预测器的结构示意图，在这一实施例中， 该预测器101在图2A的基础上进一步包括定位单元204。该传感单元201用于采集水环境参数，并将采集到的数据组织成特定的格式，传送到处理单元202。该水环境参数包括水面图像、水温、溶解氧、硝酸盐、叶绿素、总氮、总磷等多种水环境参数。该传感单元201与所述处理单元202通过电信号连接。该处理单元202可以是台式机处理器或嵌入式处理器或FPGA或DSP等具有运算能力和外部接口的器件。该处理单元202与所述传感单元201、所述存储单元203、所述定位单元204、所述通信单元205和所述供电单元206分别相互连接。该处理单元202接收来自所述传感单元201的水环境参数数据，并将其保存在所述存储单元203，通过所述水环境参数预测方法对未来水环境参数进行局部化、分布式地实时预测，将预测结果连同所述定位单元204提供的位置信息送往所述通信单元205。该存储单元203可以是硬盘、闪存芯片、SD卡、USB设备等存储介质；与处理单元 202通过电信号连接；负责存储传感单元所采集的水环境参数数据以及收到的其他预测器的广播数据，同时存储装置运行所需要的文件，包括操作系统、运行参数等，并为本发明的水环境参数预测方法提供必要的运行存储空间。该定位单元204可以采用GPS技术或其他定位技术，可以是GPS设备或器件，也可以是固化了其他定位技术的设备或器件，与处理单元202通过电信号连接，负责提供所述水环境参数预测装置自身的位置信息。该通信单元205可以采用有线(包括网线、电话线等)或无线(包括GPRS，3G，WIFI 等)的方式，可以是货架通信设备或器件，也可以是固化了通信技术的设备或器件，该通信单元205与处理单元202通过电信号连接；负责向远程监测中心103传输预测数据并接收来自远程监测中心的指令。供电单元206负责能量采集并为其它各单元提供适当的电压。图3是本发明的传感单元201的结构示意图。该传感单元201由以下几部分组成至少一个水环境参数传感器301和传感控制器302。每个水环境参数传感器检测不同的种类的水环境参数。水环境参数传感器301与传感控制器302通过电信号连接，接收来自传感控制器 302的参数配置命令，配置运行参数，接收来自传感控制器302的数据采集命令，采集一种或多种水环境参数，包括水面图像、水温、溶解氧、硝酸盐、叶绿素、总氮、总磷等。水环境参数传感器301可以安装在河流入海口、河流断面、湖泊、水源地等监测地点的水中或水面上方。传感控制器302与水环境参数传感器301通过电信号连接，传感控制器302向水环境参数传感器301传输配置命令和数据采集命令，接收水环境参数传感器301采集到的水环境参数数据并组织成特定的格式，传送到处理单元202。图4A为本发明的处理单元202的结构示意图，可以用于实现控制预测器或预测器的功能。该处理单元202由以下几部分组成任务分配单元402、关联分析单元403、建模单元404、预测单元401。在另一实施例中，如图4B所示，在图4A的基础上，该处理单元202 还可进一步包括一修正单元405。该任务分配单元402根据从局部网络内交互得到的水环境参数的种类和预测器的数目，将相关水环境参数和目标水环境参数之间的关联度分析的任务分配给合适的预测
ο预测器的该关联分析单元403计算指定的一种或多种相关水环境参数与目标水环境参数之间的关联度，并将计算结果通过通信单元发送给控制预测器，或者，控制预测器的该关联分析单元403判断该关联度是否超过阈值，将超过阈值的关联度所对应的水环境参数视为与该目标水环境参数紧密关联。该建模单元404根据水环境参数的种类和预测器的数目确定合适的预测模型建模方法和采用的数据源，建立水环境参数预测模型。特别是采用支持向量基、神经网络或时间序列分析的建模方法，建立该水环境参数预测模型。该预测单元401利用所建立的预测模型，对目标水环境参数进行预测。该修正单元405用于该目标水环境参数的预测值与真实采集到的目标水环境参数数值进行比较，计算误差值，并将该误差值反馈到该水环境参数预测模型，以进行预测模型的修正。图5为本发明的供电单元的结构图，由以下几部分组成太阳能电池板501、太阳能充电控制器502和蓄电池503。太阳能电池板501可以安装在用于放置传感单元的金属支架上，负责太阳能的采集与太阳能到电能的转换，与太阳能充电控制器502连接。太阳能充电控制器502分别与太阳能电池板501和蓄电池503连接，负责控制充、放电进程，并监控蓄电池503充电状态。蓄电池503与太阳能充电控制器502连接，负责将电能转换为化学能进行存储，并在必要的时候讲化学能转换为电能。如图6A为本发明的基于海计算的水环境参数预测方法的流程图。步骤1、每个设置在目标水域的预测器分别采集至少一种水环境参数数据并广播给其他预测器；步骤2、将采集一目标水环境参数数据的一预测器作为控制预测器，该控制预测器基于接收到的广播数据和自身采集的数据进行判断，当只存在该目标水环境参数数据，或， 不存在与该目标水环境参数紧密关联的其他水环境参数的数据时，根据该控制预测器所存储的目标水环境参数数据建立水环境参数预测模型，当存在与该目标水环境参数紧密关联的其他水环境参数的数据时，根据该控制预测器所存储的与该目标水环境参数紧密关联的其他水环境参数数据建立水环境参数预测模型；步骤3、该控制预测器根据建立的该水环境参数预测模型计算该目标水环境参数的预测值。如图6B为本发明的基于海计算的水环境参数预测方法的详细流程图。步骤601 每个预测器的传感单元采集一种或多种水环境参数。步骤602 每个预测器广播自身的ID信息，并根据接收到的ID信息判断局部区域内是否有多个预测器，如果是，执行步骤603，如果否，执行步骤604。步骤603 在各个预测器之间组成局部网络，每个预测器广播自身采集到的所有种类的水环境参数数据，每个预测器将接收到的水环境参数数据根据种类分别进行融合， 并保存到存储单元。该水环境参数数据包括水环境参数种类和具体的数据。收到水环境参数数据的预测器判断自身是否也采集了同样种类的水环境参数数据，如果是，则进行数据融合，否则分别进行存储。该融合步骤包括对不同预测器采集的同类的各个时刻的水环境参数数据取平均值。其中，当一个预测器采集的某一时刻的数据有遗漏，用另外的预测器对应时刻的数据进行弥补，执行该融合步骤。或者，当明显对比发现有某一预测器采集的某一时刻的数据有错误时，丢弃该数据，仅使用其他预测器采集的对应时刻的数据进行上述融合步骤。之后，将融合后的各个种类的数据分别进行存储。各个预测器之间实现局部的、即时的数据交互和分布式智能。步骤604:选举采集目标水环境参数的预测器作为控制预测器，控制预测器根据交互得到的水环境参数数据和自身采集的数据判断是否存在多种水环境参数，如果是，执行步骤605，如果否，执行步骤609。该远程监测中心103将当前监测的目标水环境参数发送给各个预测器，所有预测器从采集该目标水环境参数数据的预测器中选定一个作为控制预测器，选定方式可为随机或特定算法。如果只有一个预测器，该预测器作为控制预测器，执行执行步骤609。步骤605 控制预测器的任务分配单元402根据其他预测器采集的水环境参数的种类，分别指定各个预测器计算一种或多种水环境参数与目标水环境参数之间的关联度， 并向其发送任务分配消息。控制预测器可以控制各该预测器计算自身所采集的水环境参数与该目标水环境参数之间的关联度，或者是随机分配各该预测器计算若干水环境参数与该目标水环境参数之间的关联度。总之，所采集到的所有水环境参数与该目标水环境参数之间的关联度都被计算得到。步骤606 各个接收到任务的预测器的该关联分析单元403计算指定的水环境参数与目标水环境参数之间的关联度，并将分析得到的关联度发送给控制预测器。步骤607 控制预测器的该关联分析单元403收集各个预测器发送的关联度，判断是否有与目标水环境参数紧密关联的水环境参数，如果是，执行步骤608，如果否，执行步骤 609。对于超过阈值的该关联度，控制预测器视为该关联度所对应的水环境参数与该目标水环境参数紧密关联。步骤608 控制预测器的建模单元404基于这些与该目标水环境参数紧密关联的水环境参数数据建立预测模型。该控制预测器根据其存储单元所存储的与该目标水环境参数紧密关联的其他水环境参数数据建立水环境参数预测模型。该控制预测器可以采用支持向量基、神经网络或时间序列分析等建模方法建立该预测模型。通过步骤603的数据交互，控制预测器已经可以获得进行目标水环境参数预测的必要数据，即，处于与目标水环境参数的物理距离较近的范围之内的、对目标水环境参数产生重要影响的其他参数，保证了水环境参数计算的区域性。步骤609 该控制预测器的建模单元404根据其存储单元中所存储的目标水环境参数数据建立水环境参数预测模型。也就是说，控制预测器基于目标水环境参数的历史数据建立预测模型，控制预测器可以采用支持向量基、神经网络或时间序列分析等建模方法建立该预测模型。步骤610 控制预测器的预测单元401根据预测模型的类型，从其存储单元读取对应的水环境参数，代入建立的该水环境参数预测模型，计算未来时刻的目标水环境参数的预测值，执行步骤611和/或步骤612。其中，如果是步骤608中建立的预测模型，读取与该目标水环境参数紧密关联的水环境参数数据代入该水环境参数预测模型。如果是步骤609中建立的预测模型，读取目标水环境参数数据代入该水环境参数预测模型。本发明在采集到第一手数据后，立即在前端的控制预测器进行预测值的计算，保证了水环境参数数值计算的时效性。步骤611 控制预测器的修正单元405将目标水环境参数的预测值与真实采集到的目标水环境参数数值进行比较，计算误差值，将该误差值反馈到该预测模型，以进行预测模型的修正。步骤612 控制预测器通过通信单元将目标水环境参数的预测值连同定位单元提供的预测器的位置信息，传输到远程监测中心103。以下说明建立水环境参数预测模型的方法。以支持向量基方法建立预测模型为例1、根据目标水环境参数数据建立水环境参数预测模型
对于目标水环境参数数据
t2, ... ,tn其中，η为数据的序号，序号η对应于当前时刻采集的数据。建立如下格式的训练数据集合tn :tn_1 tn_2,…，tn_kV1 :tn_2，tn_2，...，tn-H......tn-m tn-m-l ‘ tn-m-2，...，tn-m-k其中，冒号前面的数据对于预测模型来说是因变量，冒号后面的数据对于预测模型来说是自变量(也可以成为属性)，k为每一条训练数据的自变量的数目，m为训练数据的条数。利用上述训练数据集合训练支持向量机，得到预测模型。如果对n+1时刻的数据tn+1进行预测，则将如下数据代入预测模型tn, V1,…，tn_k+12、根据与该目标水环境参数紧密关联的其他水环境参数数据建立水环境参数预测模型对于目标水环境参数数据t0，t1; · · ·，tn,其中，η为数据的序号，序号η对应于当前时刻采集的数据，以及与目标水环境参数紧密关联的其他水环境参数数据r\, T12, ···, T1nr\, T22,r2n......rc1 rc2,…，rcn其中，c为与目标水环境参数紧密关联的其他水环境参数的种类的数目。建立如下格式的训练数据集合tnr2n_i,…，！"V1V1 J1lrf，r2n_2，…，rcn_2......tn-m :Τ η-ιιι-1' T n-m-1 ‘ ...，r n-m-l其中，冒号前面的数据对于预测模型来说是因变量，冒号后面的数据对于预测模型来说是自变量(也可以成为属性)，c为每一条训练数据的自变量的数目，m为训练数据的条数。利用上述训练数据集合训练支持向量机，得到预测模型。如果对n+1时刻的数据tn+1进行预测，则将如下数据代入预测模型rJn, r2n,…，rcn本发明由于前端的预测器仅将最终计算得到的预测值，而非采集的原始数据传输至远程监测中心103，大量节约了通信资源。通过上述方案，实现了基于海计算的局部的、即时的数据交互和分布式智能，使感知装置具备自组织、自计算、自反馈的功能。多个感知装置之间通过局部交互方式实现通信与互动，通过内嵌智能算法之间的交互作用产生有效的智能判断。 综上所述，本发明相对于现有的水环境参数预测方法，基于海计算的水环境参数预测方法可以有效地降低从前端水环境参数感知装置到远程监测中心之间的通信数据量， 实现对原始数据的实时处理，保证时效性和区域性。
权利要求
1.一种基于海计算的水环境参数预测方法，其特征在于，包括步骤1、每个设置在目标水域的预测器分别采集至少一种水环境参数数据并广播给其他预测器；步骤2、将采集一目标水环境参数数据的一预测器作为控制预测器，该控制预测器基于接收到的广播数据和自身采集的数据进行判断，当只存在该目标水环境参数数据，或，不存在与该目标水环境参数紧密关联的其他水环境参数的数据时，根据该控制预测器所存储的目标水环境参数数据建立水环境参数预测模型，当存在与该目标水环境参数紧密关联的其他水环境参数的数据时，根据该控制预测器所存储的与该目标水环境参数紧密关联的其他水环境参数数据建立水环境参数预测模型；步骤3、该控制预测器根据建立的该水环境参数预测模型计算该目标水环境参数的预测值。
2.如权利要求1所述的方法，其特征在于，步骤1进一步包括每个该预测器分别采集至少一种水环境参数数据；每个该预测器广播其ID信息，如果可以收到其他预测器的ID信息，每个该预测器广播其所采集的水环境参数数据，并将接收到的该广播数据根据水环境参数的种类分别进行存储。
3.如权利要求1所述的方法，其特征在于，该水环境参数包括水面图像、水温、溶解氧、 硝酸盐、叶绿素、总氮或总磷。
4.如权利要求1或2所述的方法，其特征在于，该步骤2进一步包括该控制预测器基于接收到的广播数据和自身采集的数据进行判断，是否存在多种水环境参数，如果是，该控制预测器控制各该预测器计算各个水环境参数与该目标水环境参数之间的关联度，对于超过阈值的该关联度，视为该关联度所对应的水环境参数与该目标水环境参数紧密关联。
5.如权利要求1所述的方法，其特征在于，该建立水环境参数预测模型的步骤采用支持向量基、神经网络或时间序列分析的建模方法。
6.如权利要求4所述的方法，其特征在于，步骤3之后还包括该控制预测器将该目标水环境参数的预测值与真实采集到的目标水环境参数数值进行比较，以计算误差值，并将该误差值反馈到该水环境参数预测模型，以进行预测模型的修正。
7.如权利要求1所述的方法，其特征在于，该控制预测器发送该目标水环境参数的预测值以及该控制预测器的位置信息至一远程监测中心。
8.一种基于海计算的水环境参数预测装置，其特征在于，包括至少一个预测器，设置在目标水域，每个预测器分别采集至少一种水环境参数数据，将采集一种目标水环境参数数据的一预测器作为控制预测器，该预测器包括传感单元、通信单元、存储单元和处理单元；该传感单元用于采集水环境参数数据；该通信单元用于将该传感单元采集到的水环境参数数据广播给其他预测器，以及，接收其他预测器的广播数据；该存储单元存储该传感单元采集到水环境参数数据和其他预测器的广播数据；该控制预测器的处理单元基于该控制预测器的存储单元存储的数据进行判断，当其中只存在该目标水环境参数数据，或，不存在与该目标水环境参数紧密关联的其他水环境参数的数据时，根据该控制预测器的存储单元所存储的目标水环境参数数据建立水环境参数预测模型，当存在与该目标水环境参数紧密关联的其他水环境参数的数据时，根据该控制预测器的存储单元所存储的与该目标水环境参数紧密关联的其他水环境参数数据建立水环境参数预测模型，根据建立的该水环境参数预测模型计算该目标水环境参数的预测值。
9.如权利要求8所述的装置，其特征在于，该控制预测器的处理单元包括一关联度分析单元以及一任务分配单元，该任务分配单元控制各该预测器计算各个水环境参数与该目标水环境参数之间的关联度，该关联度分析单元判断该关联度是否超过阈值，将超过阈值的关联度所对应的水环境参数视为与该目标水环境参数紧密关联。
10.如权利要求8或9所述的装置，其特征在于，该控制预测器的处理单元还包括一修正单元，用于该目标水环境参数的预测值与真实采集到的目标水环境参数数值进行比较， 计算误差值，并将该误差值反馈到该水环境参数预测模型，以进行预测模型的修正。
11.如权利要求8所述的装置，其特征在于，该控制预测器还包括一定位单元，用于提供该控制预测器的位置信息。
12.如权利要求8所述的装置，其特征在于，该水环境参数包括水面图像、水温、溶解氧、硝酸盐、叶绿素、总氮或总磷。
13.如权利要求8或9所述的装置，其特征在于，该控制预测器包括一建模单元，用于采用支持向量基、神经网络或时间序列分析的建模方法，建立该水环境参数预测模型。
全文摘要
本发明公开了一种基于海计算的水环境参数预测装置及方法，该方法包括每个设置在目标水域的预测器分别采集至少一种水环境参数数据并广播给其他预测器；将采集一目标水环境参数数据的一预测器作为控制预测器，控制预测器基于接收到的广播数据和自身采集的数据进行判断，当只存在该目标水环境参数数据，或，不存在与该目标水环境参数紧密关联的其他水环境参数的数据时，根据目标水环境参数数据建立水环境参数预测模型，当存在与该目标水环境参数紧密关联的其他水环境参数的数据时，根据与该目标水环境参数紧密关联的其他水环境参数数据建立水环境参数预测模型；根据建立的该水环境参数预测模型计算该目标水环境参数的预测值。
文档编号G06F19/00GK102306231SQ20111014981
公开日2012年1月4日 申请日期2011年6月3日 优先权日2011年6月3日
发明者崔莉, 张乐, 张招亮, 李栋, 王子健, 祝贺, 赵泽 申请人:中国科学院计算技术研究所