基于PS-InSAR技术的晋城矿区地表形变监测及地质灾害风险预警

地表形变是一种严重的地质灾害现象,不仅严重影响灾害区居民的日常生活,而且会造成巨大的社会经济危害,尤其在采煤区。针对传统地表沉陷监测方法费时费力、无法获取地表沉降面状信息、难以进行地表沉陷灾害评估的不足,基于高分辨率SAR卫星影像,利用永久散射体合成孔径雷达干涉测量(PS-InSAR)技术对山西省晋城市晋城矿区2018年1月至2018年12月期间地表沉陷进行监测,分析获取了该地区地表连续形变情况,并利用该技术获取的海量PS点建立支持向量机(SVM)地质灾害风险评估预警模型,对晋城矿区周边居民点地质灾害风险进行了识别和预测。结果表明：晋城矿区10个煤矿及其周边区域存在较大的地表形变;晋城矿区平均LOS向年平均地表形变速率范围为-37～30.3 mm/a; PS-InSAR技术在晋城矿区地表形变监测中具有可行性,且可以实现矿区地质灾害风险综合识别和预警。     

乌鲁木齐9、10号泉F~-映震特征的研究

从监测泉点的水文地质概况入手，结合近18年来的观测资料，分析并总结了9、 10号泉水中F-的映震特征： F-的地震前兆异常基本上都是正异常，且具有较好的重复性，即基本上遵循： 背景值-脉冲式突升-最高值-突降-恢复至背景值的规律。 而地震常常发生在F-含量恢复背景值后数天或数十天，仅有个别地震发生在F-含量达最高值时。 最后，初步认定了泉点较好的地震构造环境是造成该9、 10号泉F-具有映震灵敏性的原因。     

基于脆弱性理论的电梯安全风险预警与防范机制研究

现阶段,如何降低电梯安全风险,做好风险预警与防范工作已成为研究的重要主题。为探索全面、系统的电梯安全风险预警与防范机制,本研究在脆弱性理论指导下,探讨电梯安全风险形成、风险预警体系与风险防范机制,以期为电梯安全生产制造、安全使用、管理维护工作以及事故预防提供一定的参考。     

电力设备火灾危险性分析与防控技术

为研究电网及电力设备火灾危险性以及电力设备防火灭火技术,梳理归纳典型电力设备火灾机理与特性以及电力设备火灾风险、火灾相关的多灾种风险评估研究现状,介绍目前先进的电力设备火灾监控技术及典型电力设备防火灭火技术现状及发展趋势,并对电力设备火灾风险评估及防控未来发展趋势进行分析。研究结果表明：需进一步定量化和系统化进行风险分析与评估研究,智能化与全方位进行电力火灾监控,提高并完善灭火技术。研究结果可为电力设备火灾相关安全研究提供参考。     

我国喀斯特石漠化研究现状及未来趋势

喀斯特石漠化已成为人类面临的重大自然灾害,威胁着人类的生存,目前石漠化的扩展趋势并没有得到有效控制。文章较为详细地介绍了我国在喀斯特石漠化灾害基础理论研究以及实践应用上的一些问题,包括石漠化的成因、类型划分、预报与预警、以及综合治理方面的进展,阐述了未来可能的发展趋势。石漠化的综合治理工作不仅需要理论的支持,更存在实践中的困难,需要进行多学科的综合性研究,开展跨部门的联合防范与治理。加强石漠化灾害的理论研究,并有效应用于实际,是未来应继续努力的方向。     

环境污染公共预警机制探析

建立健全环境污染公共预警机制是地方政府和环保部门有效应对突发环境事件的时代要求和重要责任。本文首先就环境污染公共预警机制的涵义、存在的问题进行了论述,根据现有的实际情况,提出了环境污染公共预警机制建立健全的具体措施,即从完善环境污染公共预警机制的法规制度体系、建立完善环境预警信息系统网络等方面入手,加强环境应急指挥领导机构的职能作用,提高预警科技能力、组织开展环境污染公共预警机制研究、构建环境污染公共预警多元主体参与模式。     

基于时差相关分析和模糊神经网络的白洋淀流域水环境承载力评价预警

为实现水环境承载力评价和预警,运用耦合DPSR模型和时差分析方法构建了白洋淀流域水环境承载力监测预警指标体系,并结合神经网络与模糊数学构建了T-S模糊神经网络模型,根据控制图法确定了监测预警指标阈值,解决了水环境系统的随机性和模糊性问题,最终实现了白洋淀流域水环境承载力的有效评价和预警。结果表明:1)白洋淀流域水环境承载力在2012-2015年处于较弱承载状态,在2016,2017年处于中等承载状态,现状评价等级由Ⅳ级(橙色警灯)转变为Ⅲ级(黄色警灯);2)在现状发展趋势下,2018-2035年白洋淀流域水环境承载力整体呈先上升后下降趋势,自2026年以后流域水环境整体呈恶化状态,水环境承载力逐渐从中等承载(黄色警灯)向较弱承载(橙色警灯)和弱承载状态(红色警灯)转变;3)未来区域人口的增长和雄安新区的快速发展会给白洋淀流域水环境带来巨大压力,因此可加大区域水环境保护力度,实施基于空间单元的精细化环境管控方案,推动区域经济绿色转型,促进区域水环境质量全面改善和良性发展,以提高区域可持续发展水平。     

过去300a长江中下游异常丰梅事件变化与洪涝灾害

2016年6—7月,长江流域发生重大洪涝灾害,给社会生产和人民生活带来严重损失。而该时段内梅雨因其强降水过程频繁、持续时间长、雨量集中等特点成为主要致灾因子。论文利用历史文献和观测资料,构建了1736年以来异常丰梅事件年表,分析了其长期变化特征及与El Ni?o事件的统计关系,并诊断了El Ni?o造成异常丰梅事件的大气环流背景。结果表明:1736—2016年间共发生44次异常丰梅事件(含21次特大梅雨事件),其中1900年代、1910年代、1990年代是异常丰梅事件最为频繁的3个时段;与2016年梅雨特征相近的特大梅雨事件有21次。过去300 a间,异常丰梅事件与El Ni?o存在较好的对应关系,44次异常丰梅事件中37次发生在El Ni?o的当年或次年;在21次特大梅雨事件中16次伴随El Ni?o出现。伴随El Ni?o事件而发生的异常丰梅事件环流特点是中高纬经向环流偏强,我国境内水汽输送通道偏西、偏北,大量水汽滞留在长江流域,并与南下的冷空气交汇,从而形成持续性降水;而在El Ni?o次年,低纬存在较强且稳定的副热带高压,水汽输送路径偏北,长江中下游水汽输送通量显著增强,更容易导致异常丰梅事件的发生。     

基于BP神经网络的作业场所风险预警模型研究

在全面分析作业场所职业危害风险影响因素的基础上,从人、物、环境、管理、安全技术、法制监管和社会经济利益等方面进行分析,建立了作业场所风险预警指标体系,建立了作业场所风险预警的BP神经网络模型.应用该模型分析多个企业作业场所职业危害的样本,对作业场所风险预警进行实证研究.结果表明,该模型精度较高,具有实用性和可行性,可用于作业场所职业危害风险预警.     

基于卷积神经网络的冲击地压预警方法研究*

为探究深度学习在冲击地压预警方面的应用前景,以新疆某冲击地压矿井为研究背景,将深度学习和专家评判运用到微震数据分析中,基于卷积神经网络构建冲击地压预警模型。充分利用一维卷积神经网络对时序数据有较强特征提取能力的优势,以微震数据及其特征参数作为输入,以专家评判值作为标签,借助Python-Keras框架实现冲击地压预警模型的构建和训练。研究结果表明:模型预警效果并不随着训练迭代次数的增加而逐渐最优,存在最优迭代次数,对于所建模型当迭代次数为30时测试集的冲击危险预测结果与专家评判结果基本吻合,同时说明模型可以较好地学习专家评判经验实现冲击地压预警。研究表明所建模型对研究时段内发生的5次大能量矿震事件均进行预警,其准确度较高,具有现场实际应用价值。