基于微博数据的西藏那曲比如县地震舆情分析

震后对网络舆情信息的监控与分析,对于相关部门开展震灾应急救援、掌握救灾动态、稳定民众情绪具有重要意义。本研究基于新浪微博数据,运用网络爬虫技术,获取西藏自治区那曲市比如县6.1级地震震后24小时及震后一周的相关微博及评论;利用Python中文分词组件“jieba”和ROST CM6软件,对数据进行分类、去重、分词等处理,得到结构化的分级、分类数据,并制成震后微博时间序列图、地理分布图、舆情热词词频表、情绪极性统计图等,实现微博舆情数据的可视化。研究结果表明,本次地震事件的微博舆情整体呈现积极情绪,微博活跃程度与当地经济发展程度密切相关。在本次地震舆情传播中,政府部门的舆情引导起到至关重要的作用,舆情传播中的防灾视频传播具有明确的正向引导作用。本研究对于中国西部欠发达少数民族地区的地震舆情分析及引导工作具有借鉴意义。     

基于新浪微博的四川芦山6.1级地震和马尔康6.0级震群舆情分析及灾情信息获取

震后对网络舆情信息的监控与分析,及灾情信息的快速获取、处理、分析和研判对于部署抗震救灾、掌握灾情舆情、稳定民众情绪具有重要意义。基于新浪微博数据,获取四川芦山6.1级地震和马尔康6.0级震群相关的微博和评论等信息,通过对信息进行充分挖掘、分析和表达,研究地震事件中微博舆情的演化、民众情绪反应特征、关注热点等,并在此基础上对房屋破坏、生命线工程破坏、人员伤亡等灾情信息分类提取,可为地震应急决策提供科技支撑。     

四川九寨沟7.0级地震微博灾情信息特征分析

通过调用新浪微博官方API的方式,获取了四川九寨沟7.0级地震震后微博信息,对获取到的数据进行了分类统计、微博词频统计与时空特征分析。统计分析结果表明:在分类统计方面,地震发生之后24h内,与地震相关微博中人的反应占比达到73%,救援行动占比达到11%,这时由于微博本身特点以及民众对救援的期望造成的。在词频统计方面,高频名词表明震后24h内微博上的热点事件,而高频动词与形容词表明民众会在震后变得焦虑和不安并通过在网上互相激励来缓解震后的不安和焦虑。时间特征表明震后0~4h内,有大量和地震相关的灾情信息会通过微博博文内容的方式发布,而随着应急救援行动的进行,在震后12h以后,民众的情绪会逐渐平复,社会及民众的关注度也随之降低。空间特征表明,由于震后通信中断与网络堵塞,微博灾情基本成点状分布,随后随着通信与网络的恢复、应急救援的进行微博灾情逐渐变为带状分布并进而趋向于形成一个面。     

基于微博数据挖掘的九寨沟7.0级地震灾情时空特征分析

2017年8月8日21时19分九寨沟发生7.0级地震,震后数小时里,大量与地震相关的信息广泛传播,互联网社交媒体高度关注,九寨沟地震成为最热议话题。本文以新浪微博为例,获取了距震中200km范围内震前、震后24h的微博数据,通过对数据清洗、分类和挖掘,分析了此次地震微博的数量、灾情分类、词频统计、时间序列和空间分布等特征,同时与实际灾评结果进行了对比分析。研究结果表明,对震后社交媒体数据进行充分挖掘,分析提取地震灾情关键信息,有助于对灾情的宏观把握,对救灾决策部署有一定的参考意义,是解决震后灾情获取难度大、覆盖小、时效性差等问题的一种有效的辅助手段。     

基于微博舆情数据的震后有感范围提取研究

提出了基于微博舆情信息的震后有感范围快速判定技术框架,构建了微博舆情数据的获取方法和技术流程。根据中国地震烈度表和地震现场工作调查规范,将微博特征词与地震灾情速判指标进行关联匹配,建立微博灾情信息分类指标体系,通过自然邻点空间插值方法将离散分布的微博灾情点转化为连续分布的灾情面,形成震后灾区有感范围的时空变化特征分布图,辅助灾情快速判定。以2014年景谷6.6级地震为例,进行探索和实践。结果表明:在震后1~2 h内,微博用户活跃度高,信息量大且丰富,对信息充分挖掘有助于对灾情的宏观把握,对救灾决策部署有一定的参考意义,弥补了传统获取技术时效性差、数据量少、覆盖面小等问题。     

基于新浪微博的2017年四川九寨沟7.0级地震舆情情感分析

地震等重大自然灾害发生后,越来越多的民众通过网络来获取和发布灾情信息、表达个人观点和情感等,产生了海量的地震灾害网络数据。首先简要综述了针对地震灾害网络数据的相关研究;然后以2017年四川九寨沟7.0级地震为例,基于新浪微博数据,分析了社会民众对于此次地震事件表现出的情感倾向特征,结果显示:75.30%的博文表现了积极情感倾向;最后通过对不同情感倾向博文的内容分析,总结了影响网民情感波动的主要因素。     

基于微博平台的地震灾害关注度与情感分析——以漾濞6.4级地震为例

为研究云南漾濞6.4级地震灾害关注度与情感极性特征,选取云南省地震局和中国地震台网速报两大微博平台,通过网络爬虫获取相关微博及评论,使用关注度分析方法与ROST CM情感分析方法得出微博相对关注度与评论情感极性。研究表明：漾濞地震后两大微博平台在震后2h关注度较高,且与发布量呈相关性。情感极性为中性,总体呈平稳态势。     

网络舆情监控系统在芦山地震应急中的应用

破坏性地震发生后,灾情信息在不同的抗震救灾阶段会呈现不同的需求特点。使用网络舆情监控系统快速准确地获取网络舆情信息、掌握舆情热点,对于震后信息发布、舆论正确引导和应急指挥具有重要意义。本文详细介绍了舆情监控系统的框架体系、功能构成以及在"4.20"芦山地震应急处置中的应用。     

云南通海、巧家M_S 5.0地震在网络舆情引导中的思考与建议

列举2018年云南通海2次M_S 5.0、2020年云南巧家M_S 5.0地震中网络舆情引导与应对实例,总结思考地震网络舆情引导与应对的有效做法,从迅速抢占第一阵地回应公众关切、完善地震网络舆情监控手段、加强震前震后科普宣传、强化横向纵向信息沟通渠道4个方面,提出地震舆情引导与应对中可操作性的意见和建议。     

广西北流—广东化州5.2级地震的网络舆情分析及引导

近年来网络新媒体的蓬勃快速发展给震后科普宣传、应急救援等工作带来了巨大的压力和挑战。如何正面引导震后的网络舆情,成为地震应急期必须正视和解决的问题。拟通过对2019年广西北流5.2级地震震后的各类舆情信息分析研究,总结当时的舆情引导处置工作,以期给今后的工作一些启示和思考。     

基于微博的芦山地震前后宏观异常信息筛选与分析

地震宏观异常是指地震前后人的感觉能直接察觉到的自然界异常现象,本研究在芦山地震后,针对公众通过微博发布的异常信息进行搜集,提出从真实性、完整性、信誉度和关联度四方面对公众提供的微博宏观异常信息进行筛选的方法,并根据筛选后的信息从时间角度、空间分布等方面进行芦山地震前后宏观异常信息的分析研究.结果表明,芦山地震前后是有宏观异常出现的,公众关注的异常种类主要为动物异常与天气异常;震前发生宏观异常占宏观异常总数的67％,但仅有30％被发布;微博发布的宏观异常信息中,大多位于距离震中较远的成都市,而非震中地区.微博信息可以作为宏观异常信息的一个主要的及时信息来源,有助于发挥群测群防在防震减灾工作中的作用.     

地震突发事件的话语构建与舆论引导研究

网络舆情作为社会舆情的一种表现形式,社会关注度高、传播速度快、影响范围广,往往突然爆发让人措手不及。因地震灾害与人民群众生命财产直接相关,地震突发事件极易引发网络舆情,其中不乏各类谣言,若不及时处置或处置不当,必将带来较为严重的社会影响。本文以“三亚地震”话题为例,分析了“三亚地震”话题的构建主体类型,并对其舆情产生的主要内容、公众情感及传播区域进行了解析,探讨了地震突发事件舆情的应急管理及舆论引导的意见和建议。      

地震信息传播平台综合服务分析

随着网络技术的飞速发展,已经形成了微博、微信等新兴的信息传播方式,因其传播快速和便捷的特点已成为传递信息的重要渠道。本文基于地震信息传播的特点和新兴媒介平台的优势,通过对地震信息资源的分析,提出了建立以地震监测、震害防御、应急救援为主体的地震信息发布构架。同时,借助大众新媒体传播及时快捷、立体多元、全面覆盖的信息平台,可为公众提供丰富多彩的地震信息服务。     

2022年9月5日四川泸定MS6.8地震舆情分析

2022年9月5日12时52分,四川省甘孜州泸定县发生 M_S6.8地震,造成重大人员伤亡,引起社会公众的广泛关注。突发事件的信息发布和舆情引导越来越受到党和政府的高度重视,相关信息公开效率的影响甚至决定了事件处置的舆情发展。本研究以中国地震台网中心为舆情引导主体,对四川泸定 M_S6.8地震舆情进行分析研究,总结舆情引导经验,探讨突发地震舆情引导对地震部门有效开展震后应急的促进作用,以期为今后的防震减灾新闻宣传工作带来启示和思考。     

Continuous Hidden Markov Models: Application to automatic earthquake detection and classification at Las Canãdas caldera,Tenerife

A possible interaction of (volcano-) tectonic earthquakes with the continuous seismic noise recorded in the volcanic island of Tenerife was recently suggested. Also recently the zone close to Las Canadas caldera shows unusual high number of near (< 25 km), possibly volcano-tectonic, earthquakes indicating signs of reawakening of the volcano putting high pressure on the risk analyst. Certainly for both tasks consistent earthquake catalogues provide valuable information and thus there is a strong demand for automatic detection and classification methodologies generating such catalogues. Therefore we adopt methodologies of speech recognition where statistical models, called Hidden Markov Models (HMMs), are widely used for spotting words in continuous audio data. In this study HMMs are used to detect and classify volcano-tectonic and/or tectonic earthquakes in continuous seismic data. Further the HMM detection and classification is evaluated and discussed for a one month period of continuous seismic data at a single seismic station. Being a stochastic process, HMMs provide the possibility to add a confidence measure to each classification made, basically evaluating how “sure” the algorithm is when classifying a certain earthquake. Moreover, this provides helpful information for the seismological analyst when cataloguing earthquakes. Combined with the confidence measure the HMM detection and classification can provide precise enough earthquake statistics, both for further evidence on the interaction between seismic noise and (volcano-) tectonic earthquakes as well as for incorporation in an automatic early warning system.     

2019年6月17日四川长宁MS6.0地震的网络舆情特点研究

2019年6月17日22时55分在四川省宜宾市长宁县发生6.0级地震,震源深度16 km。地震发生后在网络上引起了广泛热议,迅速成为热点事件。本文主要分析在震后24小时内的网络舆情趋势、关注热点、谣言类型、舆情特点等方面,仅对突发类地震舆情事件的掌控提供参考。