共查询到20条相似文献,搜索用时 500 毫秒
1.
2.
台风强度突变的趋势判别问题一直是台风预报中的难点。人工智能由于通过机器对大量样本进行分析和学习,能够隐式提取图像中深层抽象的复杂特征,而越来越多地被应用到气象领域中。以人工智能领域的深度残差网络(deep residual network)Resnet模型和基于时空关联深度学习模型LSTM (long short-term memory)为技术基础,通过标注、学习2005—2018年西北太平洋及南海台风的卫星云图数据中的关键信息,引入了生命周期指示,提出了一种自动、客观的台风快速增强趋势判别技术,可以有效地解决台风强度快速增强RI(rapid intensification)趋势预测和判别问题。通过对2019—2021年全年的业务台风云图和2022年多个强度突变的台风个例进行检验分析,结果表明基于人工智能的台风快速增强趋势判别技术优于传统主观的强度预报方法,具有一定的业务应用价值。 相似文献
3.
4.
5.
6.
基于Geodatabase的工程设施自然灾害案例库设计 总被引:1,自引:0,他引:1
工程设施自然灾害案例是工程设施在遭受自然灾害侵袭后造成的状态变化的真实记述。基于工程设施自然灾害案例的特征和计算机人工智能技术对案例的复用要求,构建了工程设施自然灾害案例的本体模型、元模型和案例库的组织模型,并基于GeoDataBase数据模型设计实现了该案例库,为自然灾害工程设施案例的存储和管理探索了新的方式。 相似文献
7.
2009年1月12日《南方日报》报道:站在世邦家居世界前的广场上,珠海市香洲区委书记尤镇城十分坚定地告诉记者,香洲区一直把保持青山绿水作为一条不可突破的底线。只要危及生态环境,不管能拉动多少GDP,能带来多少利润、税收和就业岗位,再大的项目也是“一票否决”。笔者认为,不操之过急,稳扎稳打,厚积薄发的绿色发展蕴含着更积极的发展智慧,这种“绿色财政”值得叫好! 相似文献
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
滑坡位移预测一直是滑坡研究的热点之一。近年来,随着计算机科学的发展,越来越多的人工智能技术模型被用于滑坡位移的预测。相较于常用的如LSTM神经网络等机器学习模型,集成算法中的XGBoost模型在滑坡位移预测领域尚不多见。由于其在滑坡位移预测中具有预测精度更高、运行速度更快等优点,目前在学术界已成为研究的热点领域。文中以泉州市安溪县尧山村滑坡地灾点监测数据为例,运用Python搭建XGBoost模型,并通过最大信息系数的比较来选定与位移高度相关的特征,输入至模型中对滑坡位移进行预测。结果表明,XGBoost模型因其在目标函数中引入正则项来控制模型过拟合、模型数据集划分采用前向验证方式等优点,相较于大多数机器学习模型,能更加准确地预测降雨诱发阶跃型滑坡位移。该模型对此类滑坡的位移预测及早期监测预警具有重要参考意义。 相似文献
18.
自然灾害多媒体地图传输功能研究 总被引:4,自引:1,他引:3
论述了自然灾害地图传输的传统模式与现代模式,通过基于计算机多媒体技术编制自然灾害地图的实践,给出了自然灾害多媒体地图语言系统,指出现代自然灾害多媒体地图具有导读传输,实景传输和动态变化传输输等特殊功能;多媒体地图符号与注记的动态设计与自然灾害地图可视化传输功能具有重要影响;多媒体皎互性与超媒体结构实现了人性化的自然灾害地图传输功能;自然灾害多媒体地图是一种更突出人工智能的加工产品和便于用户接受的实 相似文献