可视化灾害数字仿真重构理论及实证研究(Ⅱ)--理论框架与概念化范式

可视化灾害数字仿真重构理论研究,不仅可以实现对灾害空间数据进行有效的集成管理和时空分析,而且为灾害的防治、应急管理和工程论证等提供可靠的依据,是解决灾害实验的危险性和不可重复性的最佳途径.本文提出可视化灾害数字仿真重构理论的概念、研究对象和方法,综述该理论所需要涉及多种跨学科的技术支持,提出灾害数字仿真重构理论的实施流程,按照致灾因子孕育、发生以及作用于承灾体形成灾害的过程为线索,建立灾害数字仿真模型的概念化范式.上述工作共同构成灾害数字仿真重构的完整理论体系.     

新型纤维滤料的研究及应用

随着我国油田相继进入开发后期,传统的滤料及设备过滤精度已不能满足注水的要求。因此,研究并开发了具有一定抗油污能力的新型过滤材料,设计了新型的超精细过滤器系列产品。对滤料进行的室内实验结果表明,在开始过滤的近10h内,过滤后的水中含油量基本上满足注水的水质要求。在开始过滤的近20h内,滤层的水头损失随时间的变化较为平缓;随着过滤时间的延长,水头损失变化加剧。从现场实验可以看出,所设计的过滤器有良好的过滤性能和抗冲击能力。新型过滤材料的研究成功解决了油田含油污水精细过滤的问题,新型过滤器也是含油污水超精细过滤的理想产品。     

炼油污水的深度处理

对炼油污水深度处理常用技术——过滤、膜分离、化学氧化技术进行了详细的论述，并结合中试试验，对动态砂滤系统、PAN膜处理系统和高级氧化系统处理炼油厂二级排放水的适用性进行了论证。     

小城镇地震数字仿真与应急调度系统的研究

以地理信息系统为平台进行地震灾害研究,建立具有强大空间分析功能的信息系统,将发挥快速、准确的辅助决策作用.本文剖析了小城镇地震应急反应模式存在的弊端,明确了灾害空间的概念,并提出小城镇空间数据库的建库及三维可视化的技术方案.在基础信息数字化和可视化的基础上,开发了小城镇地震数字仿真与应急调度系统,实现了基于地震数字仿真结果,在相关数据库支持下进行地震应急调度决策.实践证明:该系统的运行,有利于小城镇抗震减灾的迅速决策;小城镇空间数据库的建库技术,贴合我国小城镇信息化的现状,技术可行、经济合理.     

数字消防--消防信息化的开放模式

针对当前消防信息化建设中存在的开放性不足的问题,提出了一种开放的建设模式--数字消防.在探讨数字消防的性质和特点的基础上,对我国数字消防的功能需求进行了系统分析,并对实践中出现的"由总队主导的数字消防模式"和"由民防主导的数字消防模式"进行了探讨分析.最后,针对需要进一步解决的问题提出了相应的建议.     

数字城市中的气象灾害预警对策

提出数字城市中有效的气象灾害预警是:在恰当的时机,以有效的方式,向处于风险之中的人群或单位提供有针对性的预警信息;判断的原则是:气象灾害的有效预报时间要大于预警系统的响应时间.数字城市中气象灾害预警的基本对策是:天气监测实时化、预警预报精细化、传播渠道多样化和信息服务个性化.     

人工神经网络在水环境质量评价中的应用

为了将人工神经网络应用于水环境质量评价,应用了人工神经网络Ｂ—Ｐ算法,构造了水环境质量评价模型,该模型应用于实例评价结果表明,人工神经网络用于环境质量评价具有客观性,通用性和实用性。     

基于Landsat数据的关中盆地腹地AOD时空格局及城市化对其影响

气溶胶光学厚度(aerosol optical depth,AOD)是气溶胶最基本的光学特性之一,表征气溶胶对光的消减作用,对区域大气污染有一定的指示作用.首先,以2000 ～ 2019年长时间序列MOD09A1产品数据为基础,利用ASTER波谱数据库,构建了Landsat TM/OLI蓝光波段地表反射率数据集,利用深...     

基于多目标遗传算法的层级生态节点识别与优化——以常州市金坛区为例

有效生态网络构建可保障区域生态安全,是实现区域可持续发展的重要路径。基于生态节点的内涵解析,建立了"资源型战略点—结构型战略点—结构型薄弱点"的多层级生态节点识别体系,利用金坛区2015年的遥感影像、土地利用数据、POI数据等,通过多目标遗传算法、最小阻力模型等方法,构建了金坛区层级生态网络,并采用表征网络拓扑结构和节点效用性等指标,定量评价生态节点优化前后的生态网络性能,取得以下主要研究结论:(1)多层级生态网络在节点效用、网络整体性能上显著优于一般网络,且在复杂生态水网区域具有较强适用性;(2)金坛区现状生态网络分布不均匀,生态节点布局亟待优化,经优化节点覆盖率提升了17.70%,节点分布均匀度降低45.45%,平均聚类系数提升了87.36%;(3)多层级生态节点体系具有实践应用性,应针对不同类型生态节点采取差别化管理策略。     

基于机器学习分类算法解析EIS数据的有机涂层性能评价方法

目的 基于机器学习分类算法快速评估有机涂层的防腐性能。方法 通过实验室加速试验模拟涂层真实的退化过程,并根据测得的电化学数据,分析不同退化阶段的等效电路元件参数。随后,采用随机抽样方法获取大量数据,用于机器学习模型训练。通过对比支持向量机(SVM)、k最近邻(k-NN)和随机森林(RF)3种不同的机器学习算法,以及多种输入特征集训练的涂层性能分类器模型的准确率,分析最适合用于涂层性能快速评估的机器学习算法和电化学特征。结果 根据不同输入特征训练的k-NN和RF模型均表现出良好的预测效果,而SVM模型的预测效果相对较差。根据不同频率范围训练的分类器模型中,在低频区表现最佳,而在高频区表现较差。结论 基于阻抗虚部、虚部+实部和阻抗模值3种输入特征训练的RF分类器模型的预测效果最准确。不同频率区间内,低频区的阻抗特征更能准确表征涂层性能。