郑州大学东校区场地地震地质条件及抗震设防应对措施

通过校区建筑场地钻孔岩土剖面与剪切波速测试结果以及地震地质背景条件，活动断裂及其影响和主要抗震设防参数的分析研究，作者认为建筑场地属中软土，但不存在液化可能性，建筑场地类别可定为Ⅱ类，并提出近场区存在6级及小于6的地震背景，其地震烈度可估评为7度。鉴于此，建议建筑场地可采用换土垫层法以加固地基，对高层建筑可采用大直径灌桩基础，框架柱可一柱一桩，剪力墙宜设基础梁并适当扩大桩距，建筑体适当埋深和调协地下室等纱列抗震设防措施。     

乡镇供水中地表水和地下水的联合运用

结合工程实例，对地表水水源及地下水水源进行了分析评价，认为在乡镇供水中。联合运用地表水和地下水，既充分发挥了现有水源工程(地表水水库)的作用，又开发利用了地下水资源。实现了开源的目的。提高了乡镇供水的保证率，为水行政主管部门发展乡镇供水提供了可靠的水源保障，达到了充分合理利用水资源的效果。     

物联网在城市精细化管理中的应用

针对目前"数字城市"向"智慧城市"迈进中物联网技术蓬勃发展,而原有数字化城市管理的方法和技术手段在许多方面都有待进一步完善的现状,该文探索利用物联网等高新科技手段,以全新的管理理念和管理模式来提升城市精细化管理水平。该文重点论述了如何综合运用物联网智能感知、无线传输、数据挖掘等技术,在车载感知定位技术及应用、城市安全传感器应用、水雨雪情实时监测及防汛应急、交通运行多源监测数据分析以及基于二维码的公众参与式城市管理等的典型应用实例。这些典型应用有效地解决城市运行管理中的实际问题,满足了物联网理念在城市管理中的拓展以及管理方式继续深入的需要,提升了城市运行管理的科学化、智能化水平。     

城市内部居住迁移对个体健康的影响——以广州市为例

居住迁移作为城市最重要的活动之一,对个体生理和心理健康的影响受到社会学和心理学的关注,但鲜有从迁移所涉及的居住环境、迁移方向、距离等地理角度展开系统研究。本文以广州市为例,利用2016年入户调研问卷数据,运用二项logistic回归分析方法,并结合深度访谈法,分析居住迁移的时间特征、空间特征等因素对个体自评生理健康与心理健康带来的影响。研究结果表明,居住迁移对个体健康的影响包括长期累积效应与短期效应。前者体现为个体18岁前频繁的居住迁移对生理和心理造成的负面影响;后者为短时间内居住迁移对心理健康造成较大的负面影响。此外,在最近一次居住迁移中,主动迁居对生理健康有显著正向影响,离心性迁移方向对心理健康亦有显著正向影响;长距离迁移对心理健康则为负向影响。研究结果对于个体择居、社区建设具有重要的意义。     

旅游集散地规划的地计算模型及案例

从地计算的角度出发,分析了地计算在旅游集散地规划中的问题,以江西上饶为例,运用可计算模型对旅游地域系统规划中的旅游中心集散地选择问题,旅游服务设施区位以及宾馆床位数的最优化问题进行了研究。这些问题的共同特征是它们是区域规划性质的、地理学的,而不是建筑学的景点景观设计。研究发现,地计算对于提高规划水平,是有效的,同时表明一般的空间分析问题,可以建立可计算模型。所有模型采用Visual Basic6.0(VB)编写程序实现计算,程序中调用了GIS软件中的MapObjects2.0控件实现地理显示、分析功能。这一工作显示VB与GIS软件结合,可以获取强大的空间分析功能。     

基于FlowCam影像和YOLOv3深度学习模型的多纹膝沟藻检测

海洋中的有害藻华,包括微藻形成的赤潮和褐潮以及大型藻类形成的绿潮和金潮,已成为一类突出的海洋生态灾害问题。2021年11—12月,山东半岛东北部海域发生多纹膝沟藻(Gonyaulax polygramma)形成的大规模赤潮,导致海带养殖严重受损,亟待构建有针对性的赤潮监测预警体系。本文以多纹膝沟藻为对象,尝试应用流式影像仪(FlowCam)结合卷积神经网络模型YOLOv3,分别对含有多纹膝沟藻的浓缩海水样品、含有多纹膝沟藻和链状亚历山大藻(Alexandrium catenella)的浓缩海水样品,以及含有多纹膝沟藻活细胞及空壳的浓缩海水样品进行了检测实验,探究了基于藻种影像的深度学习模型在赤潮原因种检测方面的应用潜力。结果表明,在以FlowCam获取的影像数据集训练3万次后,YOLOv3对多纹膝沟藻表现出较好的识别能力,对浓缩海水样品中目标藻种识别的平均精度为88.2%;当样品中存在与多纹膝沟藻形态相似的链状亚历山大藻时,模型对多纹膝沟藻识别的平均精度下降为76.6%,对两种微藻同时进行训练和检测,可将对多纹膝沟藻识别的平均精度提高至84.6%。对于低温下出现脱壳现象的多纹膝沟藻,模型对海水中活细胞识别的平均精度为86.7%,对空壳识别的平均精度87.8%,将多纹膝沟藻活细胞与空壳分别识别的平均精度均值(87.3%)高于将两者统一作为多纹膝沟藻进行检测的识别精度(84.2%),整体识别精度提升3.1%。综合相关结果可以看出,FlowCam与深度学习模型相结合在赤潮监测和研究中具有重要应用潜力。     

基于数据分层分块的海量三维地形四叉树简化模型

在对比几种典型的地形简化算法的基础上,探索建立一种基于数据分块且适合海量三维地形的局部自适应最优化简化模型(LSOSTM模型).该简化模型以四又数模型为基础,针对海量地形进行分层分块组织,构造地形四叉树;根据视点以及局部地形粗糙程度动态地改变地形四叉树节点的分裂或合并状态,实时调整不同地形四叉树节点的显示层次;利用"包围盒"法来判断地形四叉树节点是否需要被绘制;使用广度优先遍历方法解决不同分辨率地形四叉树节点拼接造成的裂缝问题.基于LSOSTM模型构建一个演示系统,实现海量地形数据流畅漫游.     

基于机器学习的热带气旋灾害等级评估模型构建及其活动特征分析

在全球变暖的背景下,热带气旋（TC）作为影响我国最严重的自然灾害之一,其活动特征及灾害损失评估研究受到了广泛关注。采用组合赋权和k-means等方法,分析了2000年以来登陆我国的TC及灾害损失特征,并构建了基于机器学习的TC灾害等级评估模型。结果表明：从总体趋势来看,登陆我国的TC频数在逐年减少,但登陆风速的最大值却在缓慢增加;广东、浙江、福建、广西受灾较为严重,但整体上全国综合灾情指数呈下降趋势;与传统的随机森林、支持向量机、朴素贝叶斯算法相比,LightGBM（Light Gradient Boosting Machine）在TC灾害评估中效果最佳,准确率值为0.91,其中致灾因子是模型中最关键的因素,其次是防灾减灾能力、暴露度和脆弱性指标。     

斯堪的纳维亚遥相关对我国西南西部深秋降水的影响

使用中国台站降水数据和NCEP/NCAR再分析资料,分析了1961~2012年深秋斯堪的纳维亚遥相类型(SCA)与同期我国西南西部降水的关系,以及SCA型环流异常影响西南西部降水的具体物理过程。结果表明:SCA型遥相关与西南西部降水存在显著的负相关关系,且具有非对称性:SCA正位相时西南西部降水偏少,而SCA负位相与西南西部降水的关系不显著。SCA正位相年西南西部的降水偏少与该地区对流层中下层的异常下沉运动有关。垂直运动方程诊断结果表明该异常下沉运动主要是由冷平流异常维持。气候态风场对温度异常场的平流在西南西部的冷平流异常中起主要作用。SCA正位相时,西南西部地区的东侧有暖异常,而其西侧的印度半岛北部及伊朗高原地区为冷异常,在平均西风作用下,西南西部有冷平流异常,造成该地区的异常下沉运动,从而降水偏少。