物联网技术在地震救灾中的应用

研究了物联网技术在地震救灾中的应用。在体系结构设计中主要针对无线传感器网络节点、自组网技术、数据采集与灾情分析软件、多源信息融合等几个方面开展研究,构造出基于物联网技术的信息处理平台,在此基础上组建一个地震监测、预警及救灾部署控制中心,并实现信息处理平台与城市基础设施的互连接口。最终,在地震救灾中能够利用多源信息融合技术为控制中心实现决策和指挥提供科学、高效的服务。     

驾驶员注意涣散检测技术研究

通过对注意涣散时驾驶员头部运动及面部表情变化特征的分析,系统实时监测驾驶员眼睛、嘴巴位置和运动状态信息,构建驾驶员注意涣散特征表征参量,实现对驾驶员注意涣散状态信息的检测与提取。驾驶员注意涣散表征量具有复杂的非线性特征,利用BP神经网络非线性识别的优势对驾驶员注意特征进行模式分类,实现驾驶员不同注意涣散状态下的特征捕捉。同时采用Dempster-Shafer证据推理技术,对驾驶注意涣散多源表征信息进行决策融合,实现对驾驶员注意涣散状态的判断。结果表明,BP神经网络与D-S规则多源信息决策融合技术的运用提高了驾驶员注意涣散特征检测的准确性和可靠性。     

多源信息融合技术在内陆湖库水华预警中的研究进展与展望

面对水体富营养化愈来愈严重，水华爆发越来越频繁的严峻形式；为减少水华发生频率及由此造成的损失，开展水华预警已成当务之急。水华爆发是水体中营养盐的累积、气候条件与水力条件等众多因素非线性共同作用的产物；为此，有必要在众多水华影响因素的动态监测信息的融合基础上，寻求水华爆发与这些影响因素间的影射关系，这就需要信息融合技术。通过归纳总结多源信息融合技术在内陆湖库水华预警中应用的研究进展，结合目前我国水华预警的具体需求，提出建立基于多源信息融合技术的水华预警决策支持系统的研究前景与初步设想。信息融合技术为水华预警提供了一个良好的平台，它将与水华相关的不同信息源（水文、气象、水环境质量与环境遥感）所提供的局部不完整的观测信息加以集成与互补，消除多源信息之间存在的冗余和矛盾，形成对水华爆发环境相对完整的感知与描述；从而提高水华预警与应急响应决策的效率，提高预警信息的时间与空间分辨率，扩展信息的时空监测范围。     

基于遥感监测的黄海绿潮漂移路径及分布面积特征分析

本文利用2008～2012年的多源卫星遥感序列图像,动态监测各年绿潮发生的漂移路径、影响海域面积,得到各年绿潮漂移趋势、分布面积和最大分布面积出现时间。根据监测结果,划分出影响绿潮漂移路径的关键区域,并分析了2008、2009和2010年关键区域内各年绿潮漂移方向和面积变化情况。     

2021年中国北方首次沙尘天气的多源遥感分析

利用多源遥感数据和NCEP再分析资料,从沙尘源区的地理环境和气候特征出发,对2021年中国北方首次沙尘天气事件每日的大气环流形势以及沙尘的水平,垂直分布特征进行深入的研究分析.结果表明:源区内异常增温,降水稀少的气候背景下致使大面积裸露松散的土壤含水量较低,为大范围,高强度沙尘天气的形成提供了物质基础;频繁活动的冷空气,是沙尘天气爆发的动力因子.沙尘在强风中沿东南方向向下游地区输送和扩散,中国西北,华北,黄淮,江淮,江汉地区和江南北部等地先后受到沙尘天气的影响,空气质量迅速恶化,首要污染物为PM₁₀.此外,沙尘气溶胶东移也波及朝鲜半岛,日本等下游地区.在输送过程中,内陆地区沙尘主要分布在1~6km,而下游地区的沙尘则集中分布在2km高度附近,粒径较大的沙尘出现在近地表的频率较高,较小的颗粒主要分布在对流层中下层.     

基于多源数据融合的煤矿工作面瓦斯浓度预测*

为了解决瓦斯浓度预测使用的单一数据在预测中影响还不够深入的问题,提出基于LSTM神经网络的多源数据融合瓦斯浓度预测模型。模型将上隅角瓦斯浓度、采煤机速度、工作面吨煤瓦斯涌出量等不同数据融合作为输入层参数,使用Adam优化算法更新LSTM网络层参数,利用Attention机制突出关键影响瓦斯浓度的因素,开展多源数据融合的瓦斯浓度预测,结合某矿1008工作面的实际数据,分析不同数据在瓦斯浓度预测中的作用。研究结果表明:单变量下的Attention-aLSTM预测效果相比LSTM提升14.2%;多源数据融合下的Attention-aLSTM相比自身提升了5%。     

作业场所职业危害信息系统共享数据元标准化初探

通过对国内外数据元标准化研究现状的分析,以探索实现作业场所职业危害信息系统相关数据元标准化为前提,实现作业场所职业危害信息系统数据共享及发布为目的,指出传统基于数据集共享模式存在的统一性共享性差的问题,研究建立基于数据元和数据集相结合的标准化技术路线,并结合作业场所职业危害用人单位相关数据元采集、提取及标准化过程进行应用和示范,实现不同作业场所职业危害信息系统间相关数据共享。     

2019年西安首场雾霾PM2.5关键特征的综合诊断

通过对WRF-Chem（Weather Research and Forecasting Model Coupled to Chemistry）环境模式模拟资料、HYSPLIT（HYbrid Single Particle Lagrangian Integrated Trajectory Model）前/后向气团轨迹资料、环境站监测资料，以及西安理工大学（Xi''an University of Technology，简称XUT）多波长激光雷达、米散射激光雷达、能见度仪、粒谱仪等观测资料的综合诊断，探讨了2019年1月初发生在西安的雾霾过程（记为首场雾霾）PM_2.5组分、分布及传输特征，旨在为雾霾气溶胶研究提供有益的个例积累.定性、定量双重检验表明，Chem模式较成功复制了此次雾霾气溶胶过程.利用这些可靠的模式数据分析表明，PM_2.5中碳气溶胶的主要组分为有机碳，约占85%，强盛期气溶胶各组分随高度增加均呈递减趋势，各组分近地面浓度最高.通过对两类不同方法获取的消光系数对比分析表明，相比于模式数据，激光雷达数据具有更高的垂直分辨率，因此，更善于描述消光廓线的细节特征.通过对多源资料的综合诊断最终揭示出，"北风涌"是雾霾消散的关键影响因子，沿铜川-西安-山阳一带存在着污染物传输的重要路径，雾霾由此体现出自北向南依次消散的特征.     

GPM卫星降水数据在天山山区的适用性分析

卫星降水产品在山区的适用性具有较高的不确定性。论文基于天山山区2014-2015年167个气象站点数据,应用较为广泛的两套卫星降水产品--TRMM与CMORPH,选用均方根误差（RMSE）、相关系数（R）、相对误差（PB）,以及分类统计分析指标（错报率FAR、探测率POD、公正先兆评分ETS、频率偏差BIAS）等,评估了新一代卫星降水产品--Global Precipitation Measurement（GPM）在天山山区的适用性。结果表明：相对于以上两种产品,GPM在山区的精度最高。具体表现在：1）3套产品在降水较多的夏秋季均表现较好,相对于TRMM与CMORPH,GPM与观测数据的相关系数最高（R≥0.6）,相对误差最小（PB≈10%）;2）在整个天山山区,GPM相对于其他两套产品表现出较低的误差范围（-55%~55%）;3）GPM在不同的高程带内,均表现出同观测站点较低的误差与较高的相关系数;4）3套降水产品均表现出对探测弱降水事件较高的准确性（POD≈0.58）和较低的错误率（FAR≈0.63）,但综合分析4种指数,GPM表现最佳,能够以较准确的精度和较低的误差估测降水系统。