利用地理挖掘概念推动地理知识获取的可行性研究:第一篇

总结了近阶段一系列的多媒体用于检索各种为空间信息提供图形接口的方式。在20世纪 80年代这种方法导致产生了交互式的原型激光碟,用于评价媒体在信息发布上的有效性,随后提出并发展了地理挖掘概念。地理挖掘概念是     

如何快速设置BD2600系列路由器

1前言 我省气象网络系统升级之后，省地之间为2M速率带宽，地县之间为64KDDN专线，所有的县级路由器全是BD2621，所有地级路由器全是BD2641。本文所述的方法能够快速对其进行配置以及修改配置，将会对路由器的维护有很大帮助。     

关于气象信息网络安全维护

随着气象业务现代化、办公自动化程度的加快。气象系统内部以及与外界的信息交流量和交流面的不断扩大，给网络设计和管理者提出了如何解决在网络上的各种交流和日常工作中的安全问题。黑客的攻击愈来愈严重，资料信息的安全性也就受到威胁。     

CorelDRAW矢量地图高保真Web发布方法研究

基于CorelDRAW矢量地图产品,提出一种基于分层可缩放矢量图形（scalable vector graphics,SVG）组织、集成表达的技术方法,解决了高保真地图发布的问题。首先将CorelDRAW矢量地图高保真分层转换为多个SVG格式文件;然后对SVG文件中符号化信息进行批量处理;最后使用WebGIS框架库将各SVG地图加载到Web平台,实现CorelDRAW矢量地图的展示与交互。实验结果表明,该方法能将CorelDRAW矢量地图高效、高质量地发布到Web平台。     

基于多模态感知的水下目标检测应用构想

水下目标检测在海洋生物研究、考古探索、军事防御等多领域广泛应用,随着人工智能快速发展,水下目标检测也朝着无人化、智能化发展。深度学习采用神经网络挖掘信息特征,在速度和精度上均表现出优异的性能,成为了计算机视觉技术的主流算法,然而水下环境复杂,将其应用于水下图像目标检测仍存在较大的挑战。水下目标各模态信息互补,特征丰富,有利于目标检测识别,因此结合应用场景调研现有技术,然后设计基于深度学习的多模态水下目标检测系统,同时对比分析了现有关键技术的优缺点,最后对多模态目标检测系统未来发展进行总结与展望,具有重要意义。     

预测有效波高的深度学习模型研究

研究基于RNN、LSTM、GRU深度学习模型,针对NOAA浮标数据集中的44013、44014、44017浮标的数据,通过斯皮尔曼相关性分析提高模型预测效果。实验结果表明,在进行相关性分析后,S-RNN、S-LSTM、 S-GRU的预测效果均比原始RNN、LSTM、GRU模型预测效果好。此外,提出一种基于LSTM的LSTM-Attention 波高预测模型,并进行相关实验,量化LSTM-Attention模型的预测效果,实验结果表明LSTM-Attention模型有更好的预测效果。为评估模型的泛化能力,研究还提出了一种采用邻近浮标数据进行学习,预测浮标缺失数据的方 法。实验结果表明,该方法的预测精度可以达到97.93%。本研究为海浪预测提供了新的方法和思路,也为未来深 度学习模型在海浪预测中的应用提供了参考。     

可解释性长短期记忆模型用于预测湖泊总磷浓度变化

对湖泊总磷的变化预测和来源识别对水资源调度和流域生态治理有着重要的意义,然而复杂的生化反应和水动力条件导致的非平稳性给湖泊总磷浓度的准确预测带来极大的困难。为克服这一挑战,本文引入了基于加权回归的季节趋势分解(seasonal and trend decomposition using Loess,STL)技术和夏普利加法(SHapley additive exPlanations,SHAP)结合长短期记忆网络(long short-term memory neural network,LSTM)和门控循环单元(gated recurrent unit,GRU)构建了一个可解释的预测框架,以增强对湖泊总磷浓度演变的预测并提高其可解释性。研究表明:(1)在骆马湖总磷浓度的预测中,该框架拥有较好的预报精度(R²=0.878),优于LSTM和卷积长短期记忆模型(convolutional neural networks and long short term memory network,CNN-LSTM)。当预测时间步长增加到8 h时,该框架有效提高了总磷浓度的预测精度,平均相对误差和均方根误差分别降低了47.1%和33.3%。从预测趋势来看,骆马湖在汛期的总磷平均浓度为0.158 mg/L,相较于非汛期的平均浓度,增加了202.1%。(2)运河来水是骆马湖总磷浓度最重要的影响因素,贡献权重为60.0%,并且不同断面(三湾、三场)的污染源受水动力、气象等因素的影响存在显著的时空差异。本文凸显了神经网络模型在预警水体污染方面的可实施性,并且为提高传统神经网络的学习能力和可解释性的开发与验证提供了重要方向。     

煤层气压裂微震监测数据高级属性解释技术研究

为了提高煤层气压裂微震监测的精度,对压裂诱发裂缝进行精细刻画,利用淮南潘谢区块PX2-1井煤层气压裂地面微震监测数据,在微震事件定位等基础研究的基础上,研究了震源机制反演、地应力反演、水力裂缝渗透率等高级属性解释技术,结合数据特点,深入研究了基于震源机制的连续水力裂缝网络建模技术、水力裂缝渗透率反演技术,充分挖掘了煤层气压裂地面微震监测数据的丰富信息,精确描述了地下压裂裂缝的三维空间展布,为准确评价压裂效果提供了技术支撑。研究结果表明：微震高级属性解释技术在煤层气压裂监测领域有广泛的应用前景。     

山洪灾害预警系统投入使用

由中国水利水电科学研究院研制的山洪灾害预警系统投入使用,主要包括山洪及地质灾害易发区雨量、水位自动采集等自然灾害防御应急通信网络、基于GIS的山洪灾害预报预警与决策支持系统预警发布平台等。系统可以清晰显示水库水位变化情况、水库实时库容,以及是否需要采取开闸泄洪等措施降低水位等。