基于深度学习残差网络模型的地震和爆破识别

为加强对地震台网记录的天然地震与人工爆破事件进行准确的性质识别,本文基于深度学习技术中的残差网络模型,提出了一种新的爆破识别方法,并根据北京数字遥测地震台网及国家数字测震台网中心记录的波形数据及其发布的包含事件性质的地震报告,选取河北三河采石场的93次爆破事件和54次周边地震事件的波形功率谱,分别采用不同的训练样本比例进行了100次和1 000次独立的随机抽样子试验以及 “留一交叉验证法” 试验,对人工爆破与天然地震进行了识别研究。试验结果表明,深度学习残差网络模型在天然地震与爆破事件的性质识别中具有很高的识别率且效果稳定,具有较好的应用前景。      

基于区块链技术的不动产数据交易管理平台及数据共享策略

针对当前登记财产指标和数据要素市场建设存在的问题，在分析2015—2020年北京市提升登记财产指标经验做法及国内数据要素市场的基础上，通过构建基于区块链技术的北京市不动产数据交易管理平台，对不动产数据安全共享应用场景进行了分析，提出利用区块链技术提升登记财产指标和助力不动产数据要素市场建设的对策与建议。文章提出构建基于区块链技术的北京市不动产数据交易管理平台，并以银行二次抵押查询、中介机构房源信息查询与约号服务、存量房交易登记与水电气热同步过户、房源状态信息查询、房源信息分布统计分析为例，分析了具体的不动产数据安全共享应用场景，区块链技术保障不动产数据共享过程的安全可追溯，将对策建议进行落地实施。     

酒泉市大气边界层逆温特征及其与沙尘天气的关系

利用2009-2018年酒泉市逐日08时（北京时间，下同）和20时L波段雷达探空秒级数据资料，统计分析了近10a酒泉市大气边界层内（5 km以下）逆温变化规律特征及其与沙尘天气的关系。结果表明：1）酒泉市一年四季均有逆温出现，逆温日的出现频率高达84.1 %，其中接地逆温频率72.9 %，悬浮逆温频率29.5 %；08时逆温频率、逆温厚度高于20时，秋冬高于春夏；逆温强度08时和20时差异较小，但接地逆温平均逆温强度是悬浮逆温强度的2.2倍，5 ℃·hm-1以上的强逆温主要出现在秋季。2）酒泉市逆温（双层逆温）的出现频率呈增大趋势，逆温厚度呈减小趋势，逆温强度没有明显变化；3）沙尘天气发生时逆温层厚度增大，逆温强度减小，沙尘暴对逆温强度的削弱作用最为明显，沙尘暴发生前平均逆温强度为2.73℃·hm-1，发生时仅为0.67℃·hm-1。