数字化地震前兆资料的管理和初步应用

介绍了吉林省地震局前兆台网中心的软硬件构成、数据库设计、前兆台网中心的运行以及数字化前兆资料的管理，并对数字化前兆资料在地震预报中的应用进行了初步探讨。     

社会工作对留守儿童成长问题介入的模式探索——在农村建立留守儿童服务中心

通过对实地调查问卷掌握的第一手资料进行定性和定量分析,揭示出留守儿童成长面临的负面环境.在探索解决策略上,创造性地提出建立一个规范的制度化模式的构想,在农村建立留守儿童服务中心;并论证其必.要性、紧迫性、可行性.将社会工作的价值理念与专业手法融人服务中,在满足留守儿童的生理需求的同时,为其提供一个心灵归属的港湾.培养和增强留守儿童适应新环境的能力和克服成长中的问题,让留守儿童能同非留守.儿童一样茁壮成长.     

平凡未必不英雄

说起来惭愧,在我没有踏入测绘局大门之前,测绘在我看来无非是丈量个土地、绘制个机械图什么的,全然没有和高科技以及轰轰烈烈的事业联系在一起.等到进入门里,哇!眼前是一个耀眼的世界,这看吸引我为之奋斗了近30年,亲眼见证了改革开放以来测绘事业的发展与变迁,见证了测绘人为测绘事业付出的艰辛和得到的喜悦欢欣.     

龙岗火山区早更新世玄武质熔岩成因及其构造意义——来自Rb-Sr同位素定年、元素地球化学及Pb同位素证据

龙岗火山区位于吉林省东部辉南县与靖宇县境内,是我国东北部陆缘第四纪陆相火山岩区的重要组成部分。为了深入探讨研究区玄武质熔岩成因及其构造意义,在野外地质调查基础上,开展了岩体的Rb-Sr同位素测年、元素地球化学和全岩Pb同位素测定。结果表明：1)粗面玄武质熔岩中7件全岩、斜长石和角闪石Rb-Sr等时线年龄为(1.81±0.34)Ma(MSWD=0.17,n=7);2)粗面玄武质熔岩中w(Na₂O+K₂O)值范围为6.44%～6.65%,具有偏高的A/CNK(1.24～1.27)和Mg^#(39.09～39.81)值,与原始地幔相比,明显富集Li、Cs、Be、Rb、Ba、Sr等大离子亲石元素(LILE),富集轻稀土元素(LREE),弱富集Nb、Ta、Zr、Hf、U、Th等高场强元素(HFSE),亏损重稀土元素(HREE),具有弱的Eu异常(δEu=0.95～1.07)和弱Pb元素富集,与长白山玄武质岩石具有相似的元素地球化学特征;3)岩石中的(⁸⁷Sr/⁸⁶Sr)_i     

应用气体扩散和氡蜕变理论讨论水氡异常的形成

应用气体扩散理论,给出水氡异常变民体积应变的近式关系式,式中证明由于气体的扩散效应,水氡异常变化对体积应变量相 放大作用。这有是形成异常的主要原因,同时结合丰水氡异常对其进行了探讨。     

松原市城市设定地震浅析

通过对吉林省松原市及附近(50km范围)历史地震、地震构造、现代小地震活动分析及地震危险性概率分析,综合确定了松原市城市设定地震,其结果可以为松原市制定大震应急预案、建立大震快速反应系统提供参考。     

东北地震区b值和地震年平均发生率的统计分析

震级和频度关系式中的b值和地震年平均发生率是表征一个地区地震活动性的重要参数，也是地震危险性概率分析中不可缺少的计算参数。本文根据当前的地震目录，利用数理统计的方法给出了东北地震区的b值和地震的年平均发生率。该研究成果对在本区开展地震安全性评价和地震预报具有重要的参考价值。     

基于MATLAB工具箱的神经网络在地震预报中的应用

概述了人工神经网络的原理及MATLAB语言神经网络工具箱。编写了BP神经网络训练程序，并用两个实际例子进行验算。结果表明，网络经训练后具有较高的识别能力，在地震预报中有一定的应用价值；同时也表明利用MATLAB工具箱进行神经网络的设计和应用，可以极大地提高解决问题的效率和质量。     

联合Bi-LSTM和注意力加强多尺度卷积的黄河三角洲湿地高光谱图像分类方法研究

近年来,面向黄河口的监测需求日益增大,如黄河入海流路改道至清水沟路以来,在新老河道的交汇处存在着丰富的地物类别,对于这些地物类别的检测识别研究有助于掌握生态环境状态,对于黄河口的湿地保护以及国家改善环境的战略支持具有重要意义。因此,本文提出一种新的湿地高光谱图像分类方法,分双路分别提取图像的空谱特征并融合分类。光谱维采用分组预处理的双向长短期记忆网络(Bi-LSTM)有效学习光谱特征;空间维采用注意力加强的多尺度卷积网络有效增强所提取的空谱特征,使得分类结果更具准确性。本文实验应用覆盖黄河入海口新老河道交界处的成像光谱仪(Compact High Resolution Imaging Spectrometer,CHRIS)所采集的数据和黄河三角洲自然保护区滨海湿地高分5号传感器(GF-5)所采集的高光谱图像开展。结果表明:分组与双向长短期记忆网络(Bi-LSTM)的有效结合显著提升了网络性能,同其他监督分类方法相比提升约3%~8%,此外注意力机制的加入同比增加约3%,在使用1%的极少训练集下数据集CHRIS和GF-5的总体分类精度分别达到92.3%和86.11%。     

基于双路图卷积的黄河三角洲湿地地物分类研究

黄河三角洲湿地地物精确分类对湿地资源的保护、开发和利用具有重要意义。目前的湿地分类算法大多存在着全局信息利用不足,地物类型边界不易区分等问题,导致分类精度不高。针对此问题,本文提出了基于双路图卷积的黄河三角洲湿地地物分类算法,包括图结构数据构建模块、特征提取与融合模块两部分。图结构数据构建模块,设计欧式图表示光谱值之间的绝对差异,衡量不同地物类型,设计余弦图表达不同像素光谱波形之间的差异,用以区分不同的地物边界;特征提取与融合模块,利用图卷积聚合全局信息,对欧式图利用双层图卷积进行特征提取,对余弦图使用图U-Net网络进行特征提取,之后将两个特征融合,得到同时具有光谱值绝对差异和光谱波形差异的融合特征,最后进行分类。在CHRIS和GF5两个数据集的实验结果表明,本文所提算法在黄河三角洲湿地地物分类中取得了具有竞争力的分类结果。