基于S-LSTM模型利用‘槽值门’机制的说话人意图识别

对说话人意图的识别极大地推进了自然语言理解任务的发展.之前的工作大多采用Bi-LSTM即双向LSTM模型进行词汇特征与词汇之间语义关系的提取,但这并不能很好地使句子整体和构成句子的词汇个体之间的信息进行交流.而S-LSTM（Sentence-state LSTM）模型,即句子状态LSTM模型可以很好地将自然语言中句子整体与词汇个体的信息相结合,以便于我们挖掘与利用意图检测与槽值填充之间的关系成立联合模型来更好地理解应答系统中蕴含的语义.因此,本文引入了‘槽值门’机制解决S-LSTM应用于意图检测与槽填充的联合任务时最新迭代时刻的句子状态信息没有得到充分利用的问题.最终的实验结果在ATIS数据集和Snips数据集上均取得了优于目前最先进算法的结果.     

基于MODIS云产品的AIRS云相态的识别和云量产品的检验

选用中国中东部(95～130 °E, 20～60 °N)午后同一时刻相对应的AIRS与MODIS各15景样本数据,将MODIS在红外波段上四种基于亮温的云识别算法对AIRS晴空像元和云像元中不同的云相态进行区分,分别统计出AIRS不同类型像元中这四种云识别算法的亮温差异,根据AIRS在晴空、水云和冰云三种不同相态下亮温的差异,确定出其阈值,实现AIRS晴空和云相态识别。在此基础上,对AIRS不同云相态下反演的有效云量进行检验和改进。结果表明:运用亮温阈值法对AIRS进行云相态识别能够较好地反映AIRS的晴空和云相态特征,云相态分布与MODIS云相态产品对应效果较好,特别在云边缘区域。对AIRS不同云相态下反演的有效云量进行对比和误差分析后发现:当水云有效云量较高、冰云有效云量较低时,AIRS反演的有效云量误差较大。在误差分析的基础上,提出了AIRS有效云量的偏差订正算法,对AIRS反演的有效云量具有一定改进,为AIRS云产品的应用提供参考依据。      

我国无缝隙精细化网格天气预报技术进展与挑战

本文总结了2014年以来我国无缝隙精细化网格天气预报业务的技术进展,讨论了未来发展所面临的关键技术难点。无缝隙精细化网格预报技术的发展,得益于综合气象观测数据和多源资料融合分析网格实况产品的支撑,更依赖于多尺度数值预报模式和实时快速更新同化预报系统的快速发展。经过近5年的探索和努力,我国已经初步建立了针对不同预报时效的无缝隙精细化网格预报技术体系。对于0～4 h预报时效,主要基于全国雷达拼图和GRAPES-Meso模式预报,发展临近分钟级滚动外推预报技术;对于4 h到30 d预报时效,主要通过对区域或全球不同时空分辨率模式预报进行偏差订正、客观解释应用以及降尺度分析,提高预报的准确度和精细度。与此同时,研发了自动化、智能化的交互式预报制作平台,以满足客观高效制作与预报员对极端或高影响天气主观预报优势相结合的需求。发展了以格点实况分析场为参照的空间分析检验方法,初步实现了对高分辨率网格预报的质量跟踪和性能评估。未来的网格预报技术体系,需要吸纳前沿的技术研究成果,包括人工智能应用技术、高级多模式统计后处理技术和协调一致性关键技术等,并且建立统一完整的技术架构和开发标准等。     

T213 降水预报订正系统的建立与研究

目前T213降水预报存在一定程度上的系统性误差,为了更好地使用T213降水预报产品,减小系统性误差对主观预报的影响,利用一种统计学方法可以对T213降水预报进行订正,减小T213降水预报的系统性误差。通过对2004年6—11月订正前后的T213降水预报进行统计学和天气学检验分析,检验该订正系统的订正效果。结果表明,订正后的降水预报的预报偏差B值有了显著改善,其他统计检验量也有了不同程度的提高;订正后雨带的位置和轮廓更加接近降水实况。     

北半球大气环流的最佳相似识别

采用综合考虑形相似和值相似的相似指数法,通过建立最佳相似识别自动化系统,对1980～1991年共144个相似样本,在预报月雨量、梅雨量趋势中的可预报性进行了检验,结果表明:（1）环流形势相似方法作月降水量预报,以2月和5月关系较好,相似样本比预报月提前一个月;（2）环流形势相似作梅雨趋势预报时,以1月和5月关系较好;（3）环流相似的持续性一般较差,尤其是春、秋两季。     

地震滑坡高分辨率遥感影像识别

区域性地震滑坡信息获取目前主要通过遥感目视解译和计算机提取,存在主观性强、耗时费力、提取精度低等问题,导致难以满足灾后应急调查、灾情评估等方面的应用需求。采用资源三号、高分一号高分辨率遥感影像,以汶川震区为实验区,在地震滑坡灾害特征分析的基础上,通过多尺度最优分割方法构建多层次滑坡对象,融合光谱、纹理、几何等影像特征和地形特征信息建立多维滑坡识别规则集合,基于高分辨率影像认知模式与场景理解过程提出滑坡分层识别模型,从而实现地震滑坡空间分布及其滑源区、滑移区和堆积区的准确识别。实验区分析结果显示最低识别精度为81.89%,而滑坡的堆积区最容易被分辨,识别方法具有可推广性。研究成果可为灾后应急调查提供技术支撑,并促进国产高分辨率遥感卫星的地质灾害应用。     

X 波段双极化雷达对云中水凝物粒子的相态识别

人工影响天气研究需对云中降水粒子的相态和分布结构进行准确识别,以便提高人工影响天气作业效率.中国科学院大气物理研究所的车载X波段双极化雷达可提供与云中降水粒子大小、形状、相态等特征密切相关的4个极化参数:反射率因子、差分反射率、差分相移率、水平和垂直极化相关系数.利用这4个极化参数加上环境温度作为5个输入参量,建立了降水粒子相态模糊逻辑识别算法,识别的降水粒子有10种:毛毛雨、雨、湿霰、干霰、小雹、大雹、雨加雹、湿雪、干雪、冰晶.利用此雷达的实际观测资料,并与地面和飞机空中实测资料对照,对我国南、北方地区观测的降水天气过程进行分析,结果表明:建立的模糊逻辑算法对云内水凝物粒子的相态识别分类合理.     

相控阵馈源MVDR波束合成器缓解RFI仿真

相控阵馈源(Phased array feeds, PAFs)接收机作为下一代微波接收机, 为大口径射电天文望远镜的射电干扰(Radio Frequency Interference, RFI)缓解工作带来了新的解决方法. PAFs接收机对射电望远镜焦平面的电磁波进行空域采样, 返回时域阵列信号, 使用最小方差无失真响应(Minimum Variance Distortionless Response, MVDR)波束合成器可以自适应地识别RFI的方向, 同时抑制RFI在输出信号中的功率, 从而达到提升射电望远镜灵敏度的效果. 仿真结果表明MVDR波束合成器对有源高能量的射电干扰有很强的识别能力和一定程度的缓解能力, 同时, 该波束合成器对各阵元信道中加性噪声累积引起的无源干扰有很强的抑制能力, 因此, PAFs接收机的MVDR波束合成器可以增强日益复杂电磁波环境下射电望远镜的抗干扰能力.     

机载LiDAR与倾斜摄影测量在地质灾害中的应用

针对传统地质灾害调查易受天气、地形等外界限制,为实现地质灾害的快速调查与早期识别,利用无人机载雷达和无人机倾斜摄影技术,获取地表数字高程模型和数字正射影像。结合常规地质灾害调查技术,快速全面地获取详细的地质灾害信息,实现地质灾害安全评估。结果表明：测区三维模型平面和高程精度分别0.037m,0.042m,检核精度满足要求,成果数据可用于灾害体信息提取、特征参数计算以及辅助评估灾情。无人机载雷达和无人机倾斜摄影技术可为地质灾害识别和分析提供更加翔实的、准确可靠的灾害特征数据。     

基于自适应核密度的贝叶斯概率模型岩性识别方法研究

准确地刻画岩石类型及其结构关系可以为能源矿产勘探、深部结构与构造等研究提供重要信息.目前利用地球物理技术可以通过不同岩石对应的物性参数(如密度、磁化率、电阻率、速度等)之间的差异进行岩性识别,但是不同岩石物性往往存在一定程度的重合,利用单一物性进行岩性识别的结果不够准确,因此利用多源数据进行岩性识别具有重要的意义.贝叶斯方法属于统计分类方法,依靠概率进行分类,概率密度的计算依靠样本属性之间的相互联系.基于此,我们将基于自适应核密度估计的贝叶斯概率模型引入到岩性识别中.该方法对于多类不同物性参数具有良好的适应能力,预测的岩性分类结果带有概率参数,可以存在模糊区间,提供多种岩性分类结果.该方法具有较强可扩展性,可以同时处理参数和非参数信息,使得已知地质信息以及物性参数得到最大化的利用.实验证明该方法的岩性识别结果较好,相比于传统高斯算法和固定带宽核密度估计,自适应带宽的核密度估计获得的分类结果更稳定、更准确.