方向：“时空网格AI技术框架及产品” 

时空网格AI技术是一种结合了时空数据分析和AI技术的网格计算方法。研究首 次提出时空网格AI（深度学习）总体框架，主要包含三个层次：数据组织层，数据 分析层和结果应用层。该技术可以应用于多个领域，包括地质灾害预测、遥感识 别、犯罪预测、污染预测、人口流动预测等。

面向时空网格数据进行改进后形成的3D-GridResNet-18模型

“时空知识图谱技术框架及产品”

“时空交互计算”的理论模型可概括为如下4层：①网格层（网格建模+数据组织）；②图谱层（把业务 规则/相关关系表达出来）；③计算层（实时进行时空交互计算）；④应用层（输出计算分析结构支撑应 用）。网格框架相对稳定不变，底层业务数据动态更新，针对不同业务场景，减轻了知识图谱构建压力，非 常有利于不同场景业务、流程和作业的快速复制和工程化实现。

“基于时空网格AI的地震预报系统等”

利用日本的数据进行了多源时空数据（大气异常和地震历史数据）与地震时空相关性的深度学习验证 实验。 主要创新包括： 1）建立了基于网格的数据组织模型，使得“数据切片”可以形成“数据块”，即不同的单层空间数据 类型可以形成具有一致数据结构的高维数据向量。这有助于统一多源空间信息的深度学习； 2）基于组卷积方法，提出了3DGCNN-SGM，降低了多源空间信息深度学习模型的设计和计算成本； 3）实验结果表明，所提出的 SGMG-EEW模型可以提高时空关联的深度学习效果。