人工智能与专家的故事

人工智能几起几落,一般认为这一轮热潮从2012年开始。这一年,Hinton和他的学生Alex Krizhevsky设计的Alex Net采用深度学习算法,在Image Net图像识别竞赛中获得冠军,图像错误识别率下降10多个百分比,同期的其他神经网络每次的成绩提升很少达到5%,立即引起业界对深度学习的极大关注。之后的两年时间,深度学习网络进一步把整体错误率下降至5%以内,达到了人眼的水平。随后,Google、Micro Soft、Facebook先后开源了自己的深度学习框架Tensorflow、CNTK和Caffe。一时间,国内外涌现了大量的人工智能创业公司。除了深度学习技术,GPU芯片、分布式计算、计算位数压缩等新的优化技术也加快了神经网络的训练和使用效率,人工智能应用从高性能数据中心向嵌入式设备发展。     

微观点

@人民日报:【大国粮仓长啥样】在广州市花都区有一座现代化仓库,目前储备粮食接近10万吨,可以保证100万人吃半年以上。仓库里6 000多个传感器和监控探头,观察粮食颗粒清晰可见,还可随时"感知"每一个角落的细微温度变化,发热、生霉等异常粮情的概率显著减少。     

城市生态防减灾中人工智能技术应用的进展与逻辑框架

在全球气候变化影响下,传统工程防灾难以解决自然灾害风险的不确定性问题。生态防减灾(Eco-DRR)作为国际韧性城市的前沿理论,对我国韧性城市发展有重要参考价值,人工智能(AI)技术可以很好地解决城市生态防减灾的不确定性问题,然而当前Eco-DRR理论研究与AI技术的实践应用存在断层。该文使用PRISMA2020框架调查城市Eco-DRR中AI技术应用的实践案例,通过质性研究总结城市Eco-DRR中AI技术的应用场景,从生态系统灾害调节服务评估、自然灾害风险评估、Eco-DRR方案决策以及Eco-DRR实施监测与后评估4个阶段剖析城市Eco-DRR中AI技术应用的典型案例。最后基于案例研究提出城市Eco-DRR领域AI技术应用的逻辑框架,总结其在应用过程中工具选择和数据准备的实践经验,探讨城市防灾中Eco-DRR的智能实现途径,为我国城市综合防灾和韧性城市建设提供借鉴。     

高层建筑防火与逃生救援一体化研究

结合物联网等技术,本文从高层建筑消防安全的角度出发,探讨了高层建筑融合现代高新科技的消防设备用途,分析了高层建筑消防安全隐患和高层建筑逃生策略,从点到面地阐述高层建筑消防设施的若干注意事项。     

扬尘污染精细化管控思路探讨

通过分析传统扬尘污染防治模式的弊端,提出了一种“精准监测、排量切入、总量考核、职责共担”的新模式。该模式在技术手段上使用以扬尘在线监测数据为基准的扬尘排放量计算模式,以及基于机器学习的扬尘源排放量计算方法,实现了扬尘排放量的自动、实时、在线计算;在管理手段上将传统的扬尘浓度点控制转变为易扬尘单位扬尘排量控制,通过总量控制、指标分解,增强了政府与企业对于环境效益的职责分工,有助于将扬尘防控责任有效落实,实现对扬尘污染的精细化、常态化管控。     

Improved source assessment of Si, Al and related mineral components to PM10 based on a daily sampling procedure

Samples obtained from an industrialized valley in the East Alpine region were collected daily for a half year and analyzed using X-ray fluorescence to examine the elements Si,Al,Fe,Ca,Mg,Na,K,Zn,P,S and Cl.Some factors affecting the changes of these elements were considered,including time,elemental correlations,weekday,weekend and seasonal changes.Diagnostic analysis provided an insight into a decoupling behavior that occursin siliceous and carbonates minerals.A decrease in Si and Al and an increase in carbonates,Na,K,Zn and P were observed during the cold season.However,a consistently high correlation of Si and Al was observed in all seasons.It was established that such high levels originated from street surface abrasion.The increase in variability and absolute levels of carbonates during the cold season was demonstrated by adding carbonates to the street surface as gritting material to increase the grip on snowy surfaces.A marked increase in Na and Cl was observed in winter which may have been caused by thaw salt that is widely used in winter in Austria.This was associated with a significant increase in K,Zn,and P in the cold season that was the result of domestic space heating with wood.PM10 levels in December were 12 μg/m3 and were higher than levels detected in July.It was established that such high levels originated from mineral oxides,wood smoke,and inorganic ionic material(s).     

基于神经网络的东北地区秸秆焚烧预测

选取农作物秸秆露天燃烧严重的东北地区,采用人工神经网络的方法,结合卫星火点和气象数据,开展秸秆露天燃烧预测研究.结果表明：人工神经网络预测模型成功验证了松嫩平原地区2015年10月25日~11月15日的秸秆露天燃烧情况,其准确度为67.1%,经过多次试验,在神经网络建模与验证数据配比为80：20时,预测准确度最高,可达69.7%,同时该模型的稳定性较好.而对不同区域,不同时间段的预测研究表明,人工神经网络较适用于长时间序列的预测.就影响因素而言,相对湿度是影响秸秆露天燃烧的最重要因素.本研究结果可为空气质量模式提供火点预测数据,提高其预报预警能力,为区域联防联控政策的制定提供科技支持.     

安徽：首位智能电梯安全员合肥“上岗”

一旦发生故障,不等搭乘人求助．智能电梯安全员“小AI”就会第一时间自动拨打救援电话,并推送救援信息——安徽首个AI（人工智能）电梯预警报警系统试点项目在合肥通过预审核,目前正在高新区59部电梯上率先试运行。     

信息技术在环境保护信息系统中的应用

本文论述了信息技术(3S技术、模型技术、多媒体技术、人工智能技术、仿真技术和互联网技术)在以环境在线监测数据为主要数据来源的环境保护信息系统的应用，提出了信息技术在环境保护信息系统中应用的关键问题。     

浅析安全生产监管中的信息化技术应用

随着现代工业的不断发展,安全生产成为各国政府和企业关注的焦点。信息化技术的快速发展为安全生产监管带来了新的机遇和挑战。本文通过分析安全生产监管中信息化技术的应用和案例分析,探讨了信息化技术在安全生产监管中的应用现状、存在的问题以及未来的发展趋势。