科技监管更高效——大连市国有土地使用权交易中心改革纪实

大连市国有土地使用权交易中心自2002年成立,担负市内四区的土地交易职能。近年来,大连市高度重视国有土地市场建设工作并不断深化土地交易管理体制改革,     

九段沙湿地鱼类群落结构与管护现状分析

通过2008-2010年期间对上海市九段沙湿地自然保护区及周边水域的鱼类资源调查结果数据,分析了九段沙湿地鱼类的组成及主要经济鱼类的捕捞时间和捕捞方式.目前,九段沙湿地共记录到鱼类133种,隶属于18目49科,鱼类组成以鲈形目和鲤形目为主,生态类型以河口鱼类和近海鱼类最多.同时,分析了九段沙湿地渔业资源在管理和保护方面...     

淄博市人工影响天气作业决策指挥系统

根据当地地理和气候特点建立的人工影响天气作业指挥系统，体现了智能化、积累型的特点，使人工影响天气作业指挥向客观化、自动化迈进了一步，提高了人工影响天气的作业效果。     

一致边界的精度和离散化准则

本文推导出一致边界特征值与特征向量的显式解析表达式,从而进一步证明:一致边界并不是绝对精确的人工边界,它只能在一定的条件下方能给出满意的结果。文中在一维情形下证明了一致边界离散体系的最大特征频率在数学上等价于该体系的波动截止频率,从而从物理意义出发推导出一致边界的离散化准则,为一致边界的应用提供了理论指导。     

水声通信及组网的现状和展望

水声通信是海洋中无线信息传输的主要技术手段。水声通信技术在海洋环境监测、水下航行器/载人潜水器作业等方面有着广泛应用。同时,水声信道传输状态多变、海洋作业环境恶劣,对通信算法和设备可靠性有较高要求,水声通信及组网成为目前的研究热点。文中面向海洋环境监测领域,从水声通信物理层技术、网络技术及组网应用等方面进行介绍,并对未来技术趋势进行展望。     

基于卷积神经网络的地震震级快速估算方法

地震发生后震级的快速准确估算是确保地震预警减灾效果的最重要部分,而基于经验参数的传统方法在准确性和时效性方面各自存在局限性。通过建立多全连接层卷积神经网络模型,选用日本KiK-net和K-NET台网1997年至2019年记录到的3 065次地震的16万4 547条初至波在3—9 s不同时段的频域数据、对应地震事件的震源信息（震中距和震源深度）以及场地信息（v_S30）作为全数据集,对提出的模型进行训练并对估算效果予以评估。结果显示:当初至波截取时段为3 s时,模型震级预测的整体准确率为89.92%,并且随着初至波长度的增大,估算震级的准确率持续提高;当截取时段为9 s时,整体准确率达到96.08%。与传统P_d方法的预估结果相比,结果表明:基于本文提出的多全连接层卷积神经网络模型估算的震级精度有所改善,具有绝对误差标准差和均值更小、时效强等特性,实现了基于单台站记录的端到端震级持续快速估算,能更好地增强地震预警的减灾效果。      

考虑土-结构相互作用的框架结构抗震性能分析

目前结构的抗震分析主要是采用刚性地基假定,忽略了土-结构相互作用,而在实际情况中结构的地震破坏与刚性地基假定的预期结果并不相同。为了对比差异,本文以一6层混凝土框架结构为例,分别进行了Pushover分析和非线性时程分析。结果表明:当考虑土-结构相互作用时,结构的基底剪力减小,周期增大,顶点位移增大且结构的破坏主要集中在首层,柱端出现了塑性铰,更符合实际的震害情况。并将Pushover分析与非线性时程分析的结果进行对比,验证了Pushover分析的可靠性。     

中国志留纪兰多维列世特列奇早期下红层对比之古鱼类化石证据北大核心CSCD

本文依据近年来在江西武宁清水组及安徽宁国唐家坞组中新发现的含鱼层位,结合古鱼类形态学与系统学研究结果,对中国含志留纪早期鱼化石的主要层位进行梳理,认为:(1)浙西北地区产曙鱼科和修水鱼科化石的地层为唐家坞组,属于下红层,而非上红层茅山组;(2)皖东南地区产大庸鱼科化石的地层为唐家坞组,属于下红层;(3)依据所产的大庸鱼科、汉阳鱼科、古木鱼科等原始盔甲鱼类化石,苏皖地区侯家塘组属于下红层;(4)根据古鱼类化石,华南的溶溪组、清水组、唐家坞组、侯家塘组与新疆塔里木盆地的塔塔埃尔塔格组可以直接对比,时代为志留纪兰多维列世特列奇早期。基于古鱼类化石新认识,本文修订了产于湖南下红层中的温塘鱼类化石组合,该组合主要以盔甲鱼亚纲中的基干盔甲鱼类(汉阳鱼科、修水鱼科、大庸鱼科)、最原始的真盔甲鱼类(曙鱼科)、最原始的多鳃鱼类(古木鱼科)与软骨鱼类中的中华棘鱼类的出现与繁盛为特征。     

基于深度卷积神经网络和迁移学习的农村房屋洪涝灾害后受损等级分类

洪涝灾害对房屋等建筑物会造成巨大损害,灾后房屋破坏等级鉴定对保障人民生命安全至关重要,而传统的人工鉴定方法,消耗较多的人力、财力及时间等资源.为此,基于河南郑州“7·20”特大暴雨引发的农村房屋破坏数据,采用深度卷积神经网络（CNN）理论,得到灾后房屋危险等级智能分类模型.首先采用AlexNet、VGGNet、GoogleNet和ResNet四种经典的深度CNN架构,对数据集进行训练、验证和测试,得到4种灾后房屋危险等级智能分类模型,然后结合迁移学习方法训练CNN提高模型的泛化能力,并选择效果较优的ResNet-50为分类主模型,最后分析CNN架构中超参数的影响.结果表明：ResNet-50在学习率为0.000 5,epoch为50,batch＿size为16时网络训练结果最优,其测试集的预测准确率达到了95.5%;此外,房屋危险等级特征的可视化分析明确了模型分类的机理及准确性.试验表明基于迁移学习的识别模型准确率较高,为农村房屋洪涝灾害后受损等级分类模型提供参考.     

房屋震害预测数字化辅助方法

为提高房屋震害预测效率,将数字化技术应用于房屋震害预测分类工作中。利用航空摄影测量、遥感及地理信息系统技术,提出两种房屋震害预测分类数字化辅助方法。若预测区域有符合条件的遥感影像对,利用航空摄影测量技术可获得DSM及DEM模型,进一步从层数上对建筑物进行分类。另一种方法则是利用遥感技术提取有关建筑物阴影信息,由阴影计算建筑物层数,进而对建筑物进行分类。利用地理信息系统自动统计不同类建筑物总面积,画出不同类建筑的地理分布图。与传统方法相比,这种方法效率高,可以纵览全局,减少房屋震害预测现场调查工作量,提高震害预测工作效率。