时空预测预警及人工智能算法。主要从事基于时间序列、时空序列理论，考虑非线性特征、参数智能优化、融合神经网络、机器学习理论，建立组合时空模型、混合模型、集成模型、深度学习模型问题，及人工智能算法交叉学科应用中提高预测精度,提升模型鲁棒性和自适应性的问题.

数据科学与时空预测预警算法及应用研究，以数学和统计学为基础、计算机为工具，将人工智能、地理信息与交通运输、资源环境、经济等学科结合，突出人工智能算法及应用研究和“大数据”时代特点，为数学、统计、计算机专业从事人工智能开拓了通道。

应用统计科研实践联合培养基地将中科院海西研究院泉州装备所科研、项目、试验条件等优势和兰州交通大学应用统计的数理优势结合，使应用统计数据科学与时空预测预警方向研究生培养实现中国科学院大学式的培养。

1. 数据科学与时空智能预测预警

数据科学是一门以统计学、机器学习和领域知识为理论基础的交叉学科。数据科学主要研究内容包含基础理论、数据加工、数据计算、数据管理、数据分析和数据产品开发问题。数据科学未来发展的方向将从工程数据科学的技术研究逐渐向基础理论和具体应用领域研究深化发展。处理好交叉学科研究、辩证看待大数据、建立风险意识、处理好大数据与小数据的关系、构建新的研究技能与团队合作及促进政府数据开放和建设数据科学基础设施等问题。

时空智能预测预警是将经济统计学时域分析和地质统计学结合为时空统计，以时空数据为主要研究对象，以改进和构建新的人工智能算法为突破，运用非线性智能算法模拟预测时空变量的动态行为。主要依据时间序列分析理论、时空序列分析理论、时空插值以及人工智能算法、云计算技术、统计学习理论、深度学习和相关专业知识为支撑，以建立混合模型为主要手段，分析提高时空建模的时效性、分析结果的准确性、时空拓展性。

在数字孪生、元宇宙理论不断完善，智能感知技术日新月异的背景下，预测预警功能开发将会使元宇宙的多元虚拟空间增添智慧大脑，基于地理信息的多元时空智能预测算法将为数字孪生、元宇宙预测预警提供重要技术手段。

以多元非线性时空序列建模理论为基础，充分发挥数学与统计优势，追踪人工智能顶级刊物、顶级会议；重点关注黎曼几何优化；量子理论；张量理论；神经正切核；基于领域知识、尺度空间理论的多核技术等机器学习、深度学习前沿技术，结合地理信息系统，开展时空预测算法及其不确定性、模型选择，数据压缩、缺失值插补、可解释性人工智能等领域的研究。

2 基于物联网检测系统的预测预警

随着物联网技术的发展，智慧地球建设得到大力推动。地质灾害、矿山开发、道路桥梁检测、大坝形变、地面沉降等众多领域对预测预警有着迫切而广泛的需求，将人工智能前沿算法和时空预测预结合，具有广阔应用，对监测预警有颠覆性的推进。

3 数字孪生系统预测预警功能研发 

数字孪生系统是指通过将实际物理系统与数字模型相结合，实现对实际物理系统的仿真、监控、控制等功能的一种系统。数字孪生系统预测预警功能是指通过数字孪生系统对实际物理系统进行模拟和分析，从而提前发现可能出现的故障或问题，并预测可能的后果和风险，及时给出警报和建议。

数字孪生系统预测预警功能的研发需要以下步骤：

数据采集与建模：收集实际物理系统的相关数据，并建立数字模型。

模型验证与优化：通过对比实际物理系统和数字模型的数据，验证数字模型的准确性，并对数字模型进行优化。

预测分析与算法开发：基于数字模型，开发预测分析算法，识别可能出现的故障或问题，并预测可能的后果和风险。

预警系统设计与实现：根据预测结果，设计并实现相应的预警系统，及时发出警报和建议，帮助避免或减少可能的损失和风险。

在数字孪生系统预测预警功能的研发中，需要考虑多种因素，如实时性、准确性、可靠性、稳定性等，同时也需要结合实际应用场景进行优化和调整。

4 基于混合模型地下水埋深时空智能预测

主要从事基于混合模型的多元影响地下水埋深时空智能预测研究。