云岭隧道围岩监测免疫智能正演反分析

深埋长隧道中大变形、高应力、复杂的工程地质环境和长期使用需要使得对隧道围岩的稳定性分析成为决定深埋长大隧道工程成败的关键问题.利用位移反分析法分析确定围岩参数是目前研究的一个重点, 用以处理隧道围岩物理力学参数与量测信息之间的非线性关系, 对围岩二次支护方案进行判断、调整.而人工智能在识别、表达与处理这种复杂的非线性关系方面表现了极强的能力.通过对十漫高速公路云岭隧道围岩变形进行监控测量, 结合生物仿真系统和快速拉格朗日分析软件(FLAC) 进行正演分析, 利用神经网络的高度非线性、网络推理和网络耦合能力, 通过数值分析软件获得神经网络训练所需要的输出向量, 以可自适应调节的免疫算法为搜索工具对参数进行全局空间搜寻, 寻找最佳网络结构, 利用量测信息反分析寻找最佳参数, 得出结果再通过正向计算进行验证.通过智能反演分析, 改进了原勘测资料中的建议值, 调整了支护方案, 得到满意结论.表明本文所提反演分析对隧道围岩稳定性评价及信息化设计的实际意义.      

论万物互联时代的地球空间信息学

随着5G/6G、云计算、物联网和人工智能等新技术的发展,人类已经进入了万物互联时代。本文探讨万物互联时代地球空间信息技术的五大特点：定位技术从GNSS和地面测量走向无所不在的定位导航定时（PNT）服务体系;遥感技术从孤立的遥感卫星走向空天地传感网络;地理信息服务从地图数据库为主走向真三维实景和数字孪生;3S集成从移动测量发展到智能机器人服务;学科研究范围从对地观测走向物联监测和对人类活动的感知。笔者基于这些特点进一步剖析新时代面临的挑战,并提出新时代地球空间信息学发展亟待解决的三大科学技术问题：测绘学科如何服务人与机器人的共同需求？遥感影像解译的机理是什么和如何突破实现技术的瓶颈？如何利用时空大数据挖掘人与自然的关系,从空间感知走向空间认知？万物互联时代的地球空间信息学,必须且完全可能为万物互联的数字地球和智慧社会做出更大的贡献！     

基于卷积神经网的CCTV视频中排水管道缺陷的智能检测

作为地下空间信息测绘工作的一个重要部分,基于排水管道内部测绘信息的管道缺陷检测越来越受到人们的重视。CCTV技术是一种广泛使用的排水管道内部测绘与缺陷检测技术。近些年基于卷积神经网的人工智能技术在图像识别中取得了巨大成功,受此启发,提出了一种基于卷积神经网络的排水管道缺陷的检测方法,以提高CCTV视频中的管道缺陷检测的自动化和智能化。试验证明了该方法的有效性,其在缺陷识别的准确率和召回率及识别速度上均满足了排水管道缺陷智能检测的需要;同时该方法也已经在深圳市的排水管道检测中得到广泛的应用。     

铁路工程地质选线咨询系统

本文考虑了铁路线位选择的特点，从地质的角度出发，将铁路地质选线中涉及的主要问题（滑坡、泥石流、风沙、岩溶）归纳、总结建立知识库，通过推理为铁路总体选线提供地质依据，以减少工程失误，节约工程造价，保证工期。本文重点介绍该系统的组成部分及各个部分的具本设计思想和设计技巧。     

生油岩评价专家系统研究

生油岩评价专家系统(SREES)的建立是将有关地质学家的理论方法和经验知识进行系统总结,以先进的人工智能技术在计算机上实现,使生油评价分析工作达到专家水平,从而提高评价结果的置信度,更好地指导油气勘探工作。整个系统采用了自顶向下、面向目标的程序设计方法,使用C语言在Micro VAX机上实现,系统选择了民和盆地作为实验区,验证了系统的评价性能,在计算机系统支持下的陆相油气资源评价方法上作了一次偿试。     

宁波非气象雷达回波的人工智能识别及滤波

统计分析2003—2006年宁波雷达的非气象杂波, 影响杂波主要为地物杂波, 包括普通地物杂波 (NP杂波) 和异常地物杂波 (AP杂波) ; 并分析这些杂波在反射率因子、径向速度、谱宽产品上不连续的离散状分布等特征。基于以上特征及传统杂波识别的经验而设计出一种近似模拟人眼模糊识别的稳定安全的多维线性近似的杂波识别及其过滤算法, 在 190 个个例测试中大都效果较好, 尤其在 150 km 以内, 能够在确保降水数据完整、准确的基础上有效过滤非气象杂波。     

钻探参数数据智能采集系统的研制

详细介绍了最新研制成功的智能钻探测控数据采集系统的设计原则、技术特点、结构、参数设置方法以及测试应用情况.     

基于BP神经网络的智能入侵检测系统

介绍了BP神经网络的基本知识，设计了基于BP神经网络的智能入侵检测系统。并提出了根据不同的网络协议使用不同神经网络的思想，指出了每个神经网络需要的网络数据，并阐述了训练和测试神经网络的方法。     

Determination of the unit hydrograph of a typical urban basin using genetic programming and artificial neural networks

An application of genetic programming (GP) and artificial neural networks (ANNs) in hydrology is proposed, showing how these two techniques can work together to solve the problem of modelling the effect of rain on the runoff flow in a typical urban basin. The ability of GP to include the physical basis of a problem and even to analyse the results is discussed, and a case study is included as an example. We propose a solution to this problem by using an ANN for the prediction of the daily flow due to human activity of the citizens and the use of GP for the prediction of the flow rate resulting from the rain. Finally, it is shown that the methodology can be used to solve similar problems by combining both techniques. Copyright © 2006 John Wiley & Sons, Ltd.