Galactic gradients, postbiological evolution and the apparent failure of SETI

Motivated by recent developments impacting our view of Fermi’s Paradox (the absence of extraterrestrials and their manifestations from our past light cone), we suggest a reassessment of the problem itself, as well as of strategies employed by the various SETI projects so far. The need for such reassessment is fueled not only by the failure of SETI thus far, but also by great advances recently made in astrophysics, astrobiology, computer science and future studies. As a result, we consider the effects of the observed metallicity and temperature gradients in the Milky Way galaxy on the spatial distribution of hypothetical advanced extraterrestrial intelligent communities. While properties of such communities and their sociological and technological preferences are, obviously, unknown at present, we assume that (1) they operate in agreement with the known laws of physics and (2) at some point in their history they typically become motivated by a meta-principle embodying the central role of information-processing; a prototype of the latter is the recently suggested Intelligence Principle of Steven J. Dick. There are specific conclusions of practical interest to astrobiological and SETI endeavors to be drawn from the coupling of these reasonable assumptions with the astrophysical and astrochemical structure of the spiral disk of our galaxy. In particular, we suggest that the outer regions of the Galactic disk are the most likely locations for advanced SETI targets, and that sophisticated intelligent communities will tend to migrate outward through the Galaxy as their capacities of information-processing increase, for both thermodynamical and astrochemical reasons. However, the outward movement is limited by the decrease in matter density in the outer Milky Way. This can also be regarded as a possible generalization of the galactic habitable zone (GHZ), concept currently being investigated in astrobiology.     

桥基隧道明挖施工多元信息集成智能方法与应用

针对大连地铁香工街车站明挖施工邻接桥桩的问题,构建施工远程信息自动化监测体系,进行静力水准仪、电子测斜仪、电子轴力计等传感器布置,获得施工过程多元信息。基于Visual C#.Net平台自主开发了集成智能分析系统,引入支持向量机和差异进化算法,建立三维力学参数反分析和时间序列预测方法。该软件系统包括数据操作、反馈分析、数据报警和可视化输出的模块。将该方法系统应用于大连地铁香工街车站施工过程,进行多元信息采集,利用实际监测的信息数据,调用系统差异进化算法进行第2层和第3层岩石弹性参数搜索,反馈计算值与监测值的最大相对误差为8.23%,进而简化了倒换撑方案。然后通过对QCJ-13-01桥墩监测数据的DE-SVM非线性时间序列预测和超前报警,及时采取隔离桩措施,有效地控制了桥桩变形。该方法系统集自动化远程监测硬件技术和计算智能分析功能于一体,为类似复杂地下工程信息化施工提供先进有效的途径。     

人工智能技术气候预测应用简介

近年来,随着人工智能技术在多个领域大数据分析中的应用,许多研究工作者尝试将地学研究与人工智能跨学科结合,取得了很多新的进展,推动了地球科学的发展。其中气候预测与人类生活以及防灾减灾等息息相关,准确的气候预测至关重要。本文简要总结了人工智能技术在气候预测应用方面的研究进展,包括资料同化、模式参数化、求解偏微分方程、构建统计预测模型、改进数值模式产品释用等领域。这些研究证明了利用人工智能提高气候预测技巧的可能性和适用性,可以极大地节省计算成本和时间。然而人工智能应用也存在诸多挑战,例如数据集的构建、模型的适用性和物理可解释性等问题,对这些难点问题的研究和攻克,可以让人工智能在大数据时代中更好地补充传统地球科学方法,产生更多有益的效应,极大地改进气候预测水平。     

一种小型便携式高智能地面散射计系统──LS－X4陆基雷达散射计

本文介绍了一种低平台Ｘ波段陆基散射计──ＬＳ－Ｘ４型雷达散射计。小型化的思想，使本散射计具有轻便灵活、适于野外实验操作的特点。高智能的设计，则使整个数据采集与处理完全智能控制完成，十分方便可靠。通过实验证明，ＬＳ－Ｘ４型散射计十分适于室内及野外机动作业，其稳定可靠的性能，可为各领域微波遥感测量提供服务。     

基于GIS的城市道路全生命周期管理系统的研究

对城市道路管理现状进行研究,提出利用地理信息技术(GIS)、商业智能技术(BI)和测绘技术管理城市道路信息,采用内外业相结合的方式,探讨以地形图道路要素为基础建立道路地理信息数据库,开发实现自前期立项到施工建设、竣工备案、道路移交、道路养护直至拆迁灭失的城市道路全生命周期管理软件。结果表明利用GIS技术开发的城市道路全生命周期管理软件能够克服传统管理模式的缺点,有效地支持道路投资、建设、接养等工作机制的完善;对城市道路的数据挖掘,为断堵头路治理、打通道路微循环和缓解交通拥堵工作提供科学的决策支持。     

Location approximation for local search services using natural language hints

Local search services allow a user to search for businesses that satisfy a given geographical constraint. In contrast to traditional web search engines, current local search services rely heavily on static, structured data. Although this yields very accurate systems, it also implies a limited coverage, and limited support for using landmarks and neighborhood names in queries. To overcome these limitations, we propose to augment the structured information available to a local search service, based on the vast amount of unstructured and semi‐structured data available on the web. This requires a computational framework to represent vague natural language information about the nearness of places, as well as the spatial extent of vague neighborhoods. In this paper, we propose such a framework based on fuzzy set theory, and show how natural language information can be translated into this framework. We provide experimental results that show the effectiveness of the proposed techniques, and demonstrate that local search based on natural language hints about the location of places with an unknown address, is feasible.     

地磁观测中干扰抑制方法的发展及展望

地磁观测数据不仅具有学术研究意义,也是不可或缺的国家基础战略资源.但是,目前我国地磁台网中近1/3地磁台站正日益受到由外界人工电磁干扰源的干扰,产出的地磁观测数据质量下降.如何选用合适的技术方法对干扰进行辨识是目前地磁台网运行中数据处理的热点和难点.基于此本文从地磁观测数据中分析及抑制方法中遇到的主要问题入手,对现代信号处理技术在地磁数据分析及干扰抑制方面的应用进行归纳总结,作为现代信号处理的演化的新方向,介绍了智能信息处理理论中数据融合、数据挖掘等技术在地磁数据分析方法的发展及展望中谈及.研究发现,智能信息处理是地磁数据中干扰辨识及抑制领域有效技术和今后发展趋势,也是地磁观测数据综合处理中值得借鉴和学习的有效技术之一.     

基于人工智能(AI)的地质灾害防控体系建设

近年来,人工智能(AI)技术得到快速发展,并日益融入到经济社会各个领域,成为当代创新发展的新标志,智能防灾减灾将成为未来发展的趋势和研究的热点。在回顾AI发展现状与趋势的基础上,系统梳理出以往地质灾害风险防控的数据依据和传统技术方法,分析了可能采用的潜在AI方法,初步搭建了基于AI的地质灾害风险防控体系建设方案。研究表明,AI技术为地质灾害风险防控提供了新的技术途径,但目前尚无可照搬或可移植的成熟技术或解决方案。智能防灾减灾体系包括早期识别、风险评估、风险防控等3个主要环节,其中最重要的环节是早期识别,传统方法与AI技术融合的关键参数为斜坡失稳概率或泥石流发生概率;根据所依据的数据资料将早期识别方法归纳为图像识别、形变识别、位移识别、内因识别、诱因识别和综合识别等6种方法;提出了从数据层、方法层和应用层3个层次构建基于大数据智能混合优化的地质灾害风险防控平台。认为数据驱动的智能模型与理论驱动的物理模型融合是地质灾害风险防控发展的趋势。     

基于布谷鸟算法的遥感影像智能分类

提出了一种新的基于布谷鸟算法的智能式遥感分类方法。采用布谷鸟智能优化算法,自动搜索遥感影像各波段的最优阈值分割点,并定义各波段最优阈值分割点和影像分类目标类别的连线为布谷鸟的最佳解,构造以If-Then形式表达的遥感分类规则。将所提的基于布谷鸟算法的影像分类方法应用于ALOS影像分类中,并与蜂群智能遥感分类方法和See5.0决策树方法进行了对比分析。结果表明,布谷鸟智能遥感分类的总体精度和Kappa系数均比蜂群智能遥感分类和See5.0决策树方法更高,该智能遥感分类方法具有更好的分类效果。