低空无人机飞行冲突分类探测与差异解脱方法研究

针对低空空域这一民用无人机当前的主要活动空间，为解决低空无人机飞行冲突问题，保证无人机飞行安全，提出了一种无人机飞行冲突分类探测与差异解脱方法。首先，在分析无人机低空运行模式的基础上，从对头、交叉和追赶等视角构建低空无人机异质飞行冲突场景，设计了基于安全间隔的无人机飞行保护区，建立了基于改进速度障碍法的无人机飞行冲突探测方法；然后，采用调整高度、航向和速度的飞行调配思路，设计了无人机飞行冲突解脱策略及其适用条件，构建了以最小化冲突解脱时间成本为导向的无人机飞行冲突解脱策略最优配置规则及实施流程；最后，设计多种典型冲突场景对所提方法进行了仿真验证，并分析了时间约束的敏感性。仿真结果表明，所提方法可对低空空域内潜在的无人机飞行冲突进行有效探测，并实现异质冲突场景下解脱策略优先级的科学配置，最优解脱策略的求解时间可控制在2.5 s以下。研究成果可为提升低空空域系统内无人机运行安全管理水平提供依据。     

2021年江苏盐城海域MS5.3地震震源机制中心解及基于震源机制的区域应力场反演∗

2021 年 11 月 17 日江苏盐城近海区域发生 M_S5.3 地震，该地震的发震机制及其原因引起地球科学家的广泛关注，为分析地震发生的原因，本次地震的震源机制解和区域应力场的精确确定是必要的。本研究综合多种机构的震源机制解数据确定了可信的震源机制中心解。为保证震源区域应力场求解的精度，本文搜集了地震周围 2016 年以前的历史震源机制解数据，并利用地震观测报告，得到 22 个 2016 年之后地震的震源机制解，使用结合后的震源机制解数据求解了江苏盐城海域 M_S5.3 地震周围的应力场。最终结果为：江苏盐城海域 M_S5.3 地震的震源机制中心解节面 I 走向 104.95°，倾角 70.91°，滑动角 26.45°，节面 II 走向 5.70°，倾角 65.11°，滑动角 158.86°；研究区域的主压应力呈 ENE‐WSW 向分布，主张应力呈 NWN‐SES 向分布。将应力场投影到震源机制中心解节面上，发现两个节面均处于相对剪应力很高的水平，说明此次地震是在构造应力场作用下发生在剪应力最大释放节面上的地震，是应力积累后的一次正常释放，周边再次发生大地震的可能性减小。考虑到应力场投影到节面 II 的相对剪切应力较节面 I大，并且节面 II与苏北—滨海断裂走向更为接近，确定节面 II为本次地震的发震断层面。     

我国新时代城镇化进程中环境“邻避”问题形势特征及应对对策——以南方某省为例

进入新时代，具有“邻避”效应的重大项目和基础设施建设仍然是我国城镇化发展的“刚需”和重要支撑，环境“邻避”问题必将是当前及今后一定时期内城镇化进程中面临的常态。本文选取南方某省作为典型对象进行深入研究，结果表明，环境“邻避”问题总体风险形势平稳可控，防控重点领域仍以传统领域为主，公众诉求反应和抗争表达方式由激烈转变为相对理性，城市规划与建设的矛盾风险问题增多，风险传播快传导性强。本文系统总结出明确组织领导统筹机制、强化联动发挥协作效能、建设项目高标准实施、惠民措施灵活有效、社会力量聚合治理等地方实践经验。建议重点着力防范化解好传统领域风险，常态化推动机制发挥作用，充分发挥共建共治共享作用，以环境社会治理共享发展成果，提升环境“邻避”问题系统应对能力。     

电力信息传输网络故障分析与控制研究

为提高电力信息传输网络运行的可靠性，预防和阻断安全隐患源，根据国家相关法律和电力行业技术标准，对某电力企业的信息网络故障进行收集和分析。根据企业的故障形态和故障特点，设计故障的三角控制模型，建立生态环境故障的防灾技术模块和预控策略，提出物理故障的诊断技术和有效控制方法，形成网络风险的安全防护屏障，这对促进数字电网安全、稳定、健康发展具有重要意义。     

中亚五国气溶胶光学厚度时空分布特征研究

气溶胶时空变化是影响气溶胶气候效应不确定性的主要因素之一.在生态环境脆弱的中亚五国(哈萨克斯坦、乌兹别克斯坦、土库曼斯坦、吉尔吉斯斯坦和塔吉克斯坦)研究气溶胶光学厚度(Aerosol Optical Depth,AOD)的时空变化对中亚地区及全球生态环境和气候变化具有重要意义.基于2002-2019年MODIS 04_...     

小型高效超临界机组在热电联产领域的节能减排效用分析

文章分析了高参数小型化的技术路线在机组高效化及节能减排方面的促进作用，针对当前小型低参数热电联产机组能耗较高以及大型燃煤热电联产机组热电负荷难以有效匹配的现状，探讨了小型超临界机组在热电联产领域的发展思路，并对小型超临界发电机组的各项性能指标进行了分析，结果表明小型超临界热电联产机组具有较好的节能减排效果及更好的适应性，未来应用及推广空间较大。     

大坝变形GA-LSTM组合预测模型研究

为监测大坝运行过程中的异常状态，防范化解大坝溃坝等重大风险，基于大坝变形大样本、非线性监测数据，引入长短期记忆(Long Short Term Memory, LSTM)神经网络模型对大坝变形趋势进行预测，以测试样本的均方根误差最小为适应度函数，采用遗传算法(Genetic Algorithm, GA)优化LSTM模型参数，建立大坝变形GA-LSTM组合预测模型。以福建水口水电站大坝为例进行验证分析，并与LSTM模型和门控循环神经网络(Gated Recurrent Unit, GRU)模型预测结果进行对比分析。分析结果表明，GA-LSTM模型的预测效果和性能更佳，且相较于LSTM模型和GRU模型各测点预测误差均有减小，平均绝对误差减小量最高达6.92%。