盘点抗震救灾新科技

来源 :红领巾·成长 | 被引量 : 0次 | 上传用户:dexter001
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  “5·12”汶川大地震已经过去整整10年。在这10年间,我国的经济水平不断提高,国力日益增强,科技水平得到了极大的发展,一系列抗震救灾的先进技术和设备不断涌现。
  全球领先的地震预警系统
  一直以来,地震预报是世界性的未解难题。地震预警不是预报,而是在地震发生后,利用地震波与电波在传播速度上的差异来打时间差。
  “ICL地震预警技术系统”(以下简称ICL)是我国首个通过科技成果鉴定的地震预警技术系统,其发出的预警信息还会实时通过微博、计算机网络、手机客户端、电视台和学校专用接收终端等同步发布。
  2013年4月20日8时2分,四川省雅安市芦山县发生7.0级地震。ICL发布的预警信息,给雅安主城区留出预警时间5秒,给成都主城区留出预警时间28秒。
  2017年8月8日21时19分46秒,四川省阿坝藏族羌族自治州九寨沟县发生7.0级地震。几乎同时,ICL通过其手机应用程序,在不到20秒的时间内连续推送了5条消息,提前71秒为成都市的用户提供了预警信息。
  从2013年2月到2017年8月,ICL连续预警了38次造成了破坏的地震,且无漏报、误报。目前,自主研发ICL的成都高新减灾研究所已建成世界最大的地震预警系统——延伸至31个省市区,覆盖面积达220万平方千米,覆盖人口6.6亿人,占我国地震预警一线区面积的90%。
  我国是继墨西哥、日本之后第三个具有地震预警技术能力的国家,虽然起步较晚,但ICL已处于全球领先地位。
  社交平台显威力
  “5·12”汶川大地震发生时,微博、微信等社交平台尚未诞生,人们对于灾情信息的获取主要来自于门户网站和传统媒体,方式既单一又被动。10年来,社交平台快速发展,开始在灾情播报、辅助救援和通信联络等方面发挥巨大作用,渐渐成为不可或缺的救灾力量。
  卫星遥感技术
  遥感技术是从远距离感知目标所发射或自身辐射的电磁波、可见光、红外线,进而对目标进行探测和识别的技术。人造地球卫星的出现,大大推动了遥感技术的发展。目前,卫星遥感技术已经应用于地震科学研究的各个领域,在灾害应急工作中具备巨大的优势,可以快速确定受灾地区的范围,监测受灾的具体情况,为灾后的救援工作提供相应的资料。
  “五花八门”的机器人
  各个地震灾区的地理环境各有不同,这就需要各种各样的救灾机器人,如灭火机器人、陆地救援机器人、水下救援机器人、空中机器人……
  地震往往来得十分突然,人们在慌乱中可能会忘记关掉电源、火源、天然气阀门等,造成巨大的安全隐患。此时,灭火机器人就派上用场了。它可以区分太阳光和火源,并在确认火源后将其熄灭。
  在地震救援中,陆地救援机器人被用于在地面建筑物或者地下建筑废墟中寻找幸存者。它配備了彩色摄像机、热成像仪和通信系统等技术设备,还可以运送水和食物,维持受困人员的生命。
  海底发生地震时,正在进行海下作业的人员很有可能受困。水下救援机器人是一种工作于水下的极限作业机器人,能够完成海下搜救等任务。
  空中机器人又叫无人机,是由无线电遥控设备和自备的程序控制装置操纵的不载人飞行器。在灾难发生时,无人机能在第一时间到达现场,进行勘察,及时提供受灾的信息,便于指挥中心规划最合适的救援路线,既减少了救援人员的工作量,又保障了他们的人身安全。我国制造的无人机在世界上处于先进水平。在九寨沟地震发生后,国内的无人机公司紧急协调人员和设备,及时到达灾区,参与救援工作,贡献了不小的力量。
  超级地震车
  “超级地震车”集卫星、短波、移动通信和光纤4种通信方式为一体,自带24小时发电“技能”,可为指挥平台周边的设备提供WIFI网络覆盖。在地震灾害发生后,“超级地震车”能够迅速到达地震现场,成为地震现场指挥部和现场应急工作队伍的临时办公场所,保证工作人员能够迅速传回音频、视频等资料,随时随地与抗震救灾指挥中心进行联系。同时,车内还安装了上下卧铺,有冰箱、饮水机、微波炉等设备,可以满足工作人员的野外生活需求。
  国产坦克式应急救援突击车
  它装有各种救援设备,采用坦克式履带,能够在崎岖不平的山区路面行驶,在地震发生后的较短时间内到达救援现场,第一时间展开救援工作。
  蟒式全地形两栖运输车
  它突破了冲锋舟依靠水体的限制,即使中途经过沼泽、雪地,其前进速度也不会受影响。它可以一次性运送30吨物资。以往,运用冲锋舟运送物资的时候,到达陆地后还需要人力进行搬运,效率不高。蟒式全地形两栖运输车可以直接从水里开上陆地,将大量物资一次性运送到地震救援现场。
  雷达生命探测仪
  雷达生命探测仪融雷达技术、生物医学工程技术于一体,是目前世界上最先进的生命探测仪之一。其中,最先进的超宽谱雷达生命探测仪具有穿透力强、作用距离精确、抗干扰能力强、多目标探测能力强、探测灵敏度高等优点,探测距离可达30米~50米,可穿透厚度超过2米的实体砖墙,可隔着几间房探测到被困人员,并具有自动识别人体的功能。
  “龙吸水”应急排水抢险车
  地震发生的时间若刚好在雨季,则地震造成的损失可能超过预估。特别是在城市里,由强降水导致的城市积水、内涝等问题可能加重建筑物的受损程度,从而导致各种次生灾害的发生。“龙吸水”应急排水抢险车是城市排水的重要装备,由于其工作范围大、流量大、机动灵活等特点,适用于各种排水抢险工作。传统的排水机器1小时只能排掉50多立方米的水,而大功率的“龙吸水”应急排水抢险车1小时可排掉3 000立方米的水,大大提升了抢险的速度和效率。
  双动力智能型双臂救援车
  该车通过两只机械臂的协调作业,能完成对坍塌物的剪切、分解和分离,最大限度地抢救人员和财物,被人们亲切地称为“小龙虾”。
  野战医疗方舱
  它是由集装箱连接组成的现代化野战医院,不仅拥有200多张床位,还能同时进行4台无菌条件下的手术,看起来,就像一个个摆放整齐的绿盒子。“绿盒子”按照救治流程和功能划分依次连接,急救、手术、检验、X光等多个系统一应俱全,无影灯、麻醉机、麻醉监护仪、高频电刀等应有尽有,还配备了中央空调、中心给氧、中心负压吸引等设施,且不受外部电力、水源等条件的制约。
  10年来,不断涌现的新技术和新设备见证了我国在地震监测
  预报、地震灾害防御和地震救援等领域的进步和发展。据了解,中国地震局等部门正计划深入探索和了解地壳的结构,以求逐步认识地震发生的规律。或许,在不远的将来,地震预报将不再是一个遥远的梦!
其他文献
传统视觉方案无法应对无人机降落过程中复杂的环境变化,难以实现在机载处理器上的实时图像处理。为此,提出一种适用于无人机板载端轻量高效的Onboard-YOLO算法,使用可分离卷积代替常规卷积核提升计算速度,通过注意力机制自动学习通道特征权重提高模型准确度。在运动模糊、遮挡、目标出视野、光照、尺度变化等5种干扰环境下进行降落测试,结果表明,Onboard-YOLO可以解决降落过程中的复杂环境问题,在板
相较于协同过滤,矩阵分解有着更好的拓展性和灵活性,但同样受到数据稀疏和冷启动的困扰。针对上述问题,提出一种融合GNN和PMF的推荐算法GNN_MF。该算法通过神经网络对社交网络图以及用户项目图进行建模,将两个图内在的联系起来,学习目标用户在社会空间以及项目空间上的特征向量。通过MLP将两个特征向量串联提取用户的潜在特征向量,集成在概率矩阵分解模型上,产生预测评分。在真实数据集Epinions、Ciao上的大量实验表明,GNN_MF算法的均方根误差和平均绝对误差较传统PMF分别降低了2.91%、3.10%和
大多数社会化推荐算法仅考虑约束用户的特征向量并未限制物品的特征向量对推荐系统性能的影响,针对这一问题,提出了一种融合物品信息的社会化推荐算法。该算法先通过用户与物品的交互图构建物品相似性网络,在此基础上采用随机游走和SkipGram的方法构造出隐性物品相似性网络,再通过图神经网络的方法学习物品隐性相似性网络、社交网络和用户物品交互图,得到用户和物品编码的特征向量,最后在矩阵分解的基础上同时对用户和物品的特征向量做进一步约束,采用迭代更新的方式获取用户和物体最终的特征向量。为验证推荐算法的性能,在FilmT
说起火山,很多人的第一印象都是巖浆喷发的恐怖场景,但位于意大利的布斯卡火山却让人们觉得十分可爱。原来,这座意大利最小的火山仅有1.2米高,看起来就好像一个火堆。但是,布斯卡火山是一个天然的气体排放口,地下涌出的氢气与氧气、火源接触后会燃烧,导致即使风吹雨打,火焰都不会熄灭。因此,这座迷你火山被人们戏称为“最适合去烧烤的地方”。
生成对抗网络的理论研究与应用不断获得成功,已经成为当前深度学习领域研究的热点之一。对生成对抗网络理论及其应用从模型的类型、评价标准和理论研究进展等方面进行系统的综述:分别分析基于显式密度和基于隐式密度的生成模型的优缺点;总结生成对抗网络的评价标准,解读各标准之间的关系,并从应用层面介绍生成对抗网络在图像及其他领域中的研究进展,即通过图像转换、图像生成、图像修复、视频生成、文本生成及图像超分辨率等的
具有高性能以及非易失特性的SCM(Storage Class Memory,存储级内存)技术逐渐成熟并开始运用到存储系统设计中,而传统的SSD仍然在存储容量上具有优势,为键值存储系统提供大容量存储的支持。现有键值存储系统不能充分发挥SCM与SSD混合存储架构的优势,需要对数据布局以及系统结构进行重新设计。针对SCM和SSD的特点,设计了基于SCM与SSD的混合式高效键值存储系统(SCM and SSD Hybrid Key-Valuestore,SSHKV)。SSHKV通过将键值存储中元数据信息存储到SC
针对显著性区域突出不均匀和边缘不清晰导致显著性检测鲁棒性差等问题,提出了一种通道-空间联合注意力机制的显著性检测模型。改进了一种通道注意力机制,将特征图中的像素概率值逐像素相加以更好的获取通道中层间信息的关联性;在通道注意力机制的基础上并行融入了空间注意力机制,对特征图的空间信息进行加权获得目标突出的显著性区域;将通道注意力机制与空间注意力机制输出的两个特征图加权融合反馈至通道-空间联合注意力机制
近年来,深度学习被广泛应用于文本情感分析。其中文本卷积神经网络(TextCNN)最具代表性,但是TxetCNN的语义特征提取存在词嵌入维度语义特征丢失、最大池化算法特征提取不足和文本长期依赖关系丢失的问题。针对以上问题,提出多特征混合模型(BiLSTM-MFCNN)的文本情感分析方法。该方法使用双向长短记忆网络(BiLSTM)学习文本的长期依赖关系;改进TextCNN的卷积层和池化层提出多特征卷积神经网络(MFCNN),卷积层利用五种不同的卷积算法,分别从句子维度、整个词嵌入维度、单个词嵌入维度、相邻词向
深度神经网络在有着大量标注数据的图像识别任务上已经占据了统治地位,但是在只有少量标注数据的数据集上训练一个好的网络仍然是一个据有挑战性的任务。如何从有限的标注数据中学习已经成为了一个有着很多应用场景的热点问题。目前有很多解决小样本分类任务的方法,但是仍然存在识别准确率低的问题,根本原因是在小样本学习中,神经网络只能接收少量有标签的数据,导致神经网络不能获取足够的用来识别的信息。因此,提出了一种基于
越来越多的行业开始利用云以降低成本提高生产力,支撑多样化的服务对数据中心的网络性能提出了更高的要求,如何高负载下优先保证各项服务的质量变得至关重要,云服务提供商同时也关注如何提高数据中心的网络资源利用率并降低能耗。结合上述问题,提出一种基于服务满足度对非服务网络流进行调度的方法。引入服务满足度这一概念,评估网络状态能否满足服务需要,然后依据网络流所支撑的不同服务将其分类,网络负载激增时基于服务满足度调整非用户服务依赖的网络流,降低网络负载缓解拥塞。仿真结果表明,主动避让方法在网络高负载时能优先保证服务的质