利用遥感技术进行地震短临预报

论述了地震成因的“红肿”学说；介绍了根据地震前地表红外辐射异常原理，利用气象卫星的红外遥感资料，进行三临地震预报研究工作的进展情况；对下一步的研究工作提出了具体的建议。     

人工智能技术在钢水温度预报中的应用

介绍国内钢水温度测量的传统方法。详细阐述软测量方法在安全性、操作控制及经济效益等方面所具有的优越性，指出该测量方法所具有的广阔前景。     

基于深度学习的高时空分辨率降水临近预报方法

降水临近预报在强对流天气监测预警中具有重要地位,对于防灾减灾至关重要。在气象业务中,主要采用雷达回波外推方法解决高时空分辨率的临近预报问题。针对传统雷达回波外推方法中普遍存在的资料信息利用率不足和预报准确率低的问题,利用上海地区多年的高时空分辨率天气雷达探测资料,基于数据驱动的深度学习方法进行雷达回波外推,提出了一种新的降水临近预报模型——SwinAt-UNet模型。该预报模型通过融合UNet模型和Swin Transformer结构捕捉历史天气雷达探测资料中的短期和长期动态变化特征,可以自适应地学习潜在的雷达回波生消演变规律。此外,为提高模型的泛化能力和预报准确率,引入深度可分离卷积和卷积块注意力模块。结果表明:在不同基本反射率阈值下,SwinAt-UNet模型的预报准确率均高于UNet、SmaAt-UNet、TransUNet和AA-TransUNet模型; 在45 dBZ的基本反射率阈值下,SwinAt-UNet模型临界成功指数提高了13%,同时在预报时效上具有一定的优越性; SwinAt-UNet模型外推图像具有更加清晰的边缘和细节性纹理,对降水范围、移动方向和强度变化的预测更为准确。     

神经网络在混合电力系统短期预报中应用

应用ＢＰ型即误差逆传播型人工神经网络对水火混合电力系统中的负荷及水库独立来水进行短期预报，结果表明该方法是有效可行的，对混合电力系统的最优经济调度具有积极作用。     

地震预报研究水平、预报方法及展望综述

目前由于人类对地震机理缺乏深一步的了解,地震预报尤其短临预报的研究成为世界性的难题,国际地震学界也对“地震能否预报”争论比较激烈.就科学意义上的地震预报,国内外研究水平,预报方法及展望作了综述.     

降水预报-观测概率匹配动态订正法在江西降水集中期的应用与检验

为提高数值预报降水预报的准确率,本文利用欧洲中期天气预报中心的高分辨率数值预报(ECMWF)降水预报资料和江西省国家级气象观测站实况降水资料进行概率匹配,选取Gamma累积概率分布函数用于拟合预报与观测的降水累积概率,通过在2017年江西省一次降水集中期的应用试验,得到以下结论:基于ECMWF的降水预报-观测概率匹配动...     

人工智能在高等教育中的场景应用

针对当前高等教育体系内存在的教育缺乏因材施教、优质网课教学缺少营销手段、课堂笔记记录降低听课效率、课堂教学质量评估体系不完善、教师因行政不堪重负等问题,本文提出了人工智能的解决方案。这些方案包括基于专家系统的方案及基于机器学习中的语音识别和图像识别的方案,并阐述了各方案的原理及其在具体教育场景下的系统建设步骤与工作流程,并对方案中的关键节点进行了技术分析与可行性验证,以保证整体方案可实施性。人工智能方案可以解决以上不足,赋能高等教育。     

应用模糊推理单要素预报法预测降水灌溉量的探讨

本文阐述了运用模糊推理单要素预报法预测降水灌溉量的原理,并通过预测实例分析,验证了应用模糊推理单要素预报法预测降水灌溉量的预测精度可以满足农业生产的需要。     

遗传神经网络在滑坡灾害预报中的应用研究

针对传统BP算法易收敛于局部最优以及网络结构难以确定等问题,引进遗传算法进行混合建模.采用遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,即先用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快并避免陷入局部极小.文中结合实例,对BP神经网络,遗传算法改进的神经网络进行了比较分析.实验表明,利用改进的混合模型可以提高预测精度,缩短收敛时间.     

神经网络在混合电力系统短期预报中的应用

应用ＢＰ型即误差逆传播型人工神经网络对水火混合电力系统中的负荷及水库独立来水进行短期预报,结果表明该方法是有效可行的,对混合电力系统的最优经济调度具有积极作用．     

交叉熵神经网络及其在闽北大雨以上降水预报中的应用

基于误差平方和最小化准则的BP神经网络(ANN MSE)并不适合解决小概率天气事件的预报问题,引进一种改进的以交叉熵函数为目标函数的神经网络方法(ANN CE),该法是一个三层反向传播神经网络,其输出层只用一个节点.利用2003—2008年的ECMWF预报场资料,把该法用于福建省南平市4—6月部分大雨或以上降水96h预报中,分别用原始因子和PCA降维后的主因子建立了ANN CE预报模型和ANN MSE预报模型,用这些模型对2009—2010年独立样本进行了试报.测试结果显示主因子预报模型TS评分比原始因子预报模型高且漏报次数少,其中,主因子ANN CE预报模型的TS评分和漏报率分别是051和017,其性能是所有模型中最好且最为稳定的,是一种适合于小概率事件预报的方法     

BP神经网络在洪流预报中的应用

通过归纳分析,结合实际的采集数据,对降雨径流预报的人工神经网络模型进行了改进,并针对不同的预报系统,采用改进的自适应BP算法进行分析,指出了今后洪流预报发展的方向.     

超前地质预报在隧道施工中的应用

本文介绍了用地质雷达进行超前地质预报方法的基本原理,以坪子上隧道施工中超前地质预报为例,总结了超前地质预报的应用成果,为地质雷达在隧道超前地质预报中的应用积累了经验。     

超前地质预报在隧道施工中的应用

本文介绍了用地质雷达进行超前地质预报方法的基本原理,以坪子上隧道施工中超前地质预报为例,总结了超前地质预报的应用成果,为地质雷达在隧道超前地质预报中的应用积累了经验。     

人工智能算法在网络空间安全中的应用:技术与现状综述（英文）

网络空间安全急需解决的3个技术问题是：网络攻击检测的及时性和准确性、安全态势的可信评估和预测以及安全防御策略优化的有效性。人工智能算法已成为网络安全应用增加安全机会和提高对抗能力的核心手段。近年来,人工智能技术的突破和应用为提高网络防御能力提供了先进的技术支持。本综述对2017至2022年间人工智能技术在网络空间安全领域的最新应用进行了全面回顾。参考文献来源于各种期刊和会议,其中52.68%的论文来自Elsevier、Springer和IEEE期刊,25%来自国际学术会议。本综述重点介绍了机器学习、深度学习和一些流行的优化算法在该领域的最新应用进展,对算法模型的特点、性能结果、数据集、以及潜在的优点和局限性进行了分析,强调了现存的挑战。本工作旨在为想进一步挖掘人工智能技术在网络空间安全领域应用的潜力、解决特定网络空间安全问题的研究人员提供技术指导,掌握当前技术和应用的发展趋势以及网络安全领域的热点问题。同时,本综述对当前面临的挑战提供了有效应对策略和方向。     

人工智能CAD在摩擦学设计中的应用及发展

介绍了国内外人工智能CAD(AICAD)在机械行业的应用概况,对AICAD在摩擦学领域的最新研究成果和发展动向进行介绍,基本上囊括了目前国内AICAD摩擦学设计重要的最新成果,并对AICAD在摩擦学设计中的应用前景作了展望,全文共引用文献24篇.     

人工智能CAD在摩擦学设计中的应用及发展

介绍了国内外人工智能 CAD(AICAD)在机械行业的应用概况 ,对 AICAD在摩擦学领域的最新研究成果和发展动向进行介绍 ,基本上囊括了目前国内 AICAD摩擦学设计重要的最新成果 ,并对 AICAD在摩擦学设计中的应用前景作了展望 ,全文共引用文献 2 4篇 .     

人工智能在电力系统恢复中的应用综述

归纳总结专家系统、模糊数学、进化计算以及机器学习等人工智能方法应用于电力系统恢复的研究成果,指出现有研究仍以离线恢复方法为主,处于在线决策研究起步阶段,并展望人工智能技术在系统恢复中的应用潜力。     

人工智能在电力系统恢复中的应用综述

归纳总结专家系统、模糊数学、进化计算以及机器学习等人工智能方法应用于电力系统恢复的研究成果,指出现有研究仍以离线恢复方法为主,处于在线决策研究起步阶段,并展望人工智能技术在系统恢复中的应用潜力。     

神经网络模型在怀洪新河洪水预报中的应用

建立了基于神经网络的洪水预报模型.该模型根据历史洪水样本,将河道预测点上游参考点的水位、流量以及预测点的水位作为神经网络的输入,预测点的流量作为神经网络的输出.采用BP算法训练网络,并将训练成功的洪水预报神经网络模型分别按8,16,24 h等预见期对新胡洼闸、西坝口闸水位进行预报,取得了较高的预报精度,验证了模型的有效性.