中文摘要：

近年极端气候等突发事件的发生呈增多趋势，自然灾害以及其引发的一串连锁反应导致能源、交通、卫生等一系列问题，给国民经济和人民生命财产带来了巨大损失。由于自然环境数据往往具有来源多（多源）、种类不一样（异类）、信息量大（海量）、随时间变化（时变）的特点，传统的数据分析与决策支持系统面临新的挑战。本项目主要针对自然环境数据的特点，提出了多源海量数据的分层递阶图表示模型，系统研究了形式概念分析理论的原理和方法。构建了基于形式概念分析理论的多源海量数据分层递阶概念格模型，对多源海量数据分层递阶概念格模型进行优化；利用多源海量数据分层递阶概念格模型，研究了基于可视化分层递阶表示模型的社会和谐评价信息融合问题。该方法对复杂异类数据分层递阶化，可以有效的化繁为易、分析复杂数据间的结构关系；对海量数据进行融合并可视化，可以高带宽地处理数据和提取知识；采用机器学习和人机交互协作进行可视化模式识别和预警，可以有效地利用专家知识，提高对决策的信任度。进一步的研究有望本项目原创性的学术思想在自然灾害预警与决策支持、应急管理等领域做出特色性成果。