基于深度学习的建筑破坏状态智能评估研究

地震发生后需要对震害区域建筑物破坏等级进行快速评估，以便于震后辅助决策和应急救援。通过分析建筑物外立面震害照片数据，挖掘不同建筑破坏等级与其立面图像特征潜在的映射关系，建立基于震害图像数据的建筑破坏状态智能评估深度学习方法，并应用于都江堰的地震调查数据。首先，训练获得了DeeplabV3+图像语义分割深度神经网络模型，实现在震后复杂背景下的建筑物外观整体的分割提取。进一步，利用迁移学习进行ResNeXt网络参数训练用于图像分类，实现建筑物地震破坏等级的评估。分析了都江堰地震现场调查数据，实验结果表明，所提方法能够较精细地将建筑破坏划分为基本完好、损坏和倒塌三类，准确率达到90.33%。评估模型可直接应用于震后建筑状态的较精细评估，且对外立面图像拍摄角度无较高要求，对图像背景鲁棒，可避免环境因素影响。相较于人工判断，研究方法提高了工作效率，缓解了调查者主观性判断带来的离散性影响，具有良好的应用潜力。     

卫星云图样本集的FCM优化调整与云类判别

基于云类样本的红外-可见光二维灰度空间投影,采用模糊聚类方法调整优化云类样本特征区域,消除采样误差。针对常规模糊C均值聚类(FCM)方法在处理上述问题时表现出的局限性,提出用样本特征均值替代FCM中随机初始中心的改进办法,既避免了常规FCM方法对初始中心敏感的缺陷,又可纠正其聚类结果对云类样本特征结构的歪曲。改进后的聚类结果既消除了采样误差,又保持了云类样本的基本特征属性,基于该判据的分类结果可较为准确地分辨出陆地、水体、低云、中云、卷云和积雨云,分割判别效果符合客观实际。     

基于模糊聚类分析的综合管廊多灾种耦合预测模型

当下综合管廊灾害防护相关的研究十分匮乏，为此，该文设计基于模糊聚类分析的综合管廊多灾种耦合预测模型，先采用基于可变模糊聚类的综合管廊灾种样本聚类方法，将综合管廊中多个类型的灾种样本实施聚类；然后基于聚类后的灾种样本，通过基于模糊数学的多灾种耦合度模型，获取多个灾种之间的耦合关系；最后采用多灾耦合致灾风险预测方法实现综合管廊多灾种耦合预测。     

国家地震紧急救援训练基地可控地震废墟设计(Ⅰ)--结构地震破坏模式

我国是一个地震多发的国家，地震灾害给我国造成了巨大的经济损失和严重的生命伤亡。专业化的震后紧急搜索救援能够最大限度地减少人民生命财产的损失，是防震减灾体系不可或缺的组成部分。通过大量的地震灾害实例，并借鉴地震灾害评估方法和建筑物抗震设计，对危害人类生命财产的建筑物震害的特征按照结构类型进行了详细说明，通过对这些地震中常见震害的了解和认识，为国家地震紧急救援训练基地的规划设计和相应搜索救援训练科目的设置提供依据。     

基于WiFi-蓝牙混合定位技术的震后压埋人员手机定位方法

我国地震灾害频发，快速确定压埋人员的准确位置成为震后救援工作的一大难点。文中提出的基于WiFi-蓝牙混合定位技术的震后压埋人员手机定位方法，通过在模拟的震后压埋环境周边分别部署WiFi探针和蓝牙网关，采集压埋人员携带的智能设备发射的信号接收强度(received signal strength indication, RSSI)数据，利用高斯-卡尔曼混合滤波对RSSI数据进行预处理，建立基于震后压埋环境的无线信号距离损耗模型，采用改进的加权质心定位算法解算压埋智能设备的坐标，通过评估WiFi和蓝牙定位结果可信度确定最终的定位结果。实验结果表明：单一的WiFi定位技术和蓝牙定位技术的平均定位精度分别为0.917、0.867 m,而WiFi-蓝牙混合定位技术的定位精度为0.541 m,相对于单一的WiFi和蓝牙定位技术，定位精度分别提高了41%和37.6%。     

国家地震紧急救援训练基地可控地震废墟设计(I)——结构地震破坏模式

我国是一个地震多发的国家,地震灾害给我国造成了巨大的经济损失和严重的生命伤亡。专业化的震后紧急搜索救援能够最大限度地减少人民生命财产的损失,是防震减灾体系不可或缺的组成部分。通过大量的地震灾害实例,并借鉴地震灾害评估方法和建筑物抗震设计,对危害人类生命财产的建筑物震害的特征按照结构类型进行了详细说明,通过对这些地震中常见震害的了解和认识,为国家地震紧急救援训练基地的规划设计和相应搜索救援训练科目的设置提供依据。     

基于系统动力学的震后救援药品动态需求研究

地震灾害严重威胁社会经济发展和人民生命财产安全,震后救援药品动态需求研究对提高救援效率,挽救人民生命至关重要。建筑物倒塌压埋是造成震后人员受伤的主要原因,因此从震后建筑物倒塌救援过程入手,运用系统动力学方法建立了震后建筑物倒塌救援因果关系模型与震后建筑物倒塌救援流量存量图,主要考虑了建筑物倒塌压埋、地震救援投入、医疗投入等因素对伤员人数的影响。运用Vensim软件对流图进行编程仿真,得出伤员随时间的数量变化,根据救援药品日剂量得到各救援药品的需求量,从而辅助震后救援药品的动态需求决策。     

基于智能图像的大气污染灾害等级判定研究

针对当前大气污染灾害等级评价方法存在准确性和实时性差等问题,提出了基于智能图像的大气污染灾害等级鉴定方法。给出含噪大气污染图像,依据图像自身信号强度与噪声信号强度的差异性,利用噪声极值检测出图像中的噪声点。基于图像受到的噪声污染程度自适应选取不同尺寸图像滤波窗口,利用自适应中值滤波方式增强大气污染图像。将增强后的图像引入至大气污染灾害等级鉴定中,分别计算标准差、平均梯度、熵以及空间频率等能够反映大气污染图像变化的参数,并结合图像特征相似度衡量标准Canberra距离定义,构建大气污染灾害等级鉴定模型。将待鉴定大气污染图像代入模型中,并融合我国大气污染灾害等级判定标准,输出最终污染等级鉴定结果。实验结果表明,该方法污染等级鉴定准确率高,且具有较强地实时性。     

基于遥感影像的城市震害模拟

探讨了基于遥感影像图进行城市地震灾害模拟的可行性，提出了一套利用GIS栅格分析功能进行城市地震灾害模拟的方法。详细论述了一种从TM／ETM＋遥感影像图提取群体建筑物专题信息并创建群体建筑物栅格的方法，以及场地地震动峰值加速度（PGA）衰减栅格、工程场地条件栅格的创建方法。结合调查资料，对某市群体建筑物进行了基于栅格的地震破坏模拟，得到了可信的地震灾害模拟结果，说明基于栅格分析城市地震灾害具有可行性。     

珊溪水库地震震后趋势的快速判定

2002年7月28日珊溪水库库区发生了M_L3.5地震,之后记录到M)L≥1.0地震50余次,最大地震是9月5日M_L3.9地震。7月28日M_L3.5地震发生后,应用“跟踪式后续地震的模糊预测方法”进行了震后趋势跟踪预测。首先,选用多个地震序列资料作为样本,按预测要求,确定震级大小的分类标准,构成分类矩阵,然后,计算每个序列的6项地震活动性指标构成样本矩阵,而用刚刚发生的地震序列构成待判矩阵,应用一种模糊软聚类方法进行判断,得到未来某一时间段内将发生的地震震级属于哪一类。如果使用几个时间段资料、对不同预报期分别建立几组样本矩阵和分类矩阵,则可实现跟踪式震后趋势快速预测。对9月5日M_l3.9地震和震后趋势预测比较准确。本文简单介绍了预测方法和预测效果。