【摘 要】
：
震相报告是地震预测的基础资料,在地震科学研究中具有重要的科学研究价值.由于震相数据块中包含了大量的数据信息,当按年月下载震相报告时,容易出现请求失败甚至网站崩溃的情况,使得业务人员无法及时有效的获取震相报告.为了提高震相报告的下载效率,利用Datist软件结合Python编程来构建实用化、可视化的软件系统,实现了震相报告自动下载、上传FTP以及邮件推送服务,具有效率高、使用方便、方法简单灵活等特点.
【机 构】
：
中国地震局第二监测中心,西安 710054
论文部分内容阅读
震相报告是地震预测的基础资料,在地震科学研究中具有重要的科学研究价值.由于震相数据块中包含了大量的数据信息,当按年月下载震相报告时,容易出现请求失败甚至网站崩溃的情况,使得业务人员无法及时有效的获取震相报告.为了提高震相报告的下载效率,利用Datist软件结合Python编程来构建实用化、可视化的软件系统,实现了震相报告自动下载、上传FTP以及邮件推送服务,具有效率高、使用方便、方法简单灵活等特点.
其他文献
熵值法作为一种较为客观的评价方法,对采集到的数据进行分析计算,根据异变程度来确定权数,不会因为人为因素而给最后的结果带来不可控性.本文对熵值法评价模型进行了研究,设计和开发用于收集评分的系统.在该系统中可以设置对应熵值法的评价指标.系统基于PHP开发,实现了权重指标设置、评教、评教结果查询的功能,同时收集了相关的评教数据.最后将熵值法与传统经验法收集的评教数据进行了对比分析,从而验证了熵值法在数据的可信度和科学性方面具有一定的优势.
本文设计一种适应电力行业的云平台一体化开发框架和资源调度模型算法,阐述了云平台开发生产一体化架构,给出了云平台网络和资源分配方法,结合云平台框架设计了通信流量资源调度算法,通过实验验证了模型方法额可行性和有效性.
本研究采用哈工大语言技术平台进行分句、分词和词性标注,结合知网情感词典进行情感词统计,情感副词、语气标点加权获得文本情感得分,构建了新的算法.该算法对传统的情感词典打分方法进行了延伸和拓展,加入了上下文语义要素,考虑了情感词前置副词的语义加强效果,增加了句子结尾标点语气效果的权重.经测算,算法效率较高(0.12秒/条),准确率可达96.7％.在旅游定性和定量研究中,对文本大数据进行分句、分词和情感分析的工作,采用本算法可极大提高研究工作的效率.
针对高斯-约当消元法高复杂度、高内存消耗问题,提出了一种基于滑动窗口和旋转向量的高斯-约当消元优化算法,算法首先通过滑动窗口识别和剔除矩阵运算中的无效数据,再利用旋转向量充分复用存储空间,以达到缩减约一半存储消耗和计算的目的.实验表明,相较于传统的高斯-约当消元法,本算法从存储空间和运行时间两方面提高了算法的执行效率,具有较好的性能优势和拓展性.
全球的投资市场高速发展,对投资策略的研究需求在增加.针对现有投资模型较为复杂,可解释性不够明确的问题,提出梯度提升树多因子分析模型,解决投资决策问题.首先对投资因子进行排序分析,通过梯度提升树模型对投资标的进行分类,设计出合理的交易策略.通过分析近期一年半的A股数据,提出的投资模型收益高出上证指数20％,可以有效提升投资收益.
为实现较小目标低分辨率的精确实时测量,提出了基于Faster-RCNN目标检测的改进算法,通过结合特征提取阶段的较浅层卷积神经网络的小感受野目标特征,实现目标检测的精细化.同时将模型的全连接层替换为卷积层,结合FPGA优良的并行处理性能,实现算法的加速处理,并在Small Object Dataset[13]数据集上进行实验验证,取得了较优的性能,与改进前的算法相比,准确度和速度都有较大提升,将提出的目标检测方法应用到实际的中小目标低分辨率识别定位场景是可行的.
传统的隧道裂缝检测一直以人工为主,无法对隧道结构安全风险密切相关的隧道壁表观病害区域进行自动化长期监测.本文设计了一种基于视觉的隧道裂缝检测技术,对于隧道裂缝检测构建起一套能够长期对隧道表观病害进行日常监测的隧道壁自动巡检系统.本文以YOLOV3为裂缝检测模块,并结合裂缝识别、提取、测量等相关部分,不但实现了对隧道的长期监视,并能判断隧道裂缝的危险情况.
针对金融业务场景下海量债券图表的人工处理效率低、处理容错性低、数据安全性高等问题,本文主要基于OCR技术设计了应用于中文债券图表数据检测和文本识别的解决方案,并且基于数据安全性及实际生产要求,采用离线安卓移动端作为算法使用平台.本文在原有的DBNet和CRNN网络的基础上对算法做出适应场景的改进,实验结果表明,本文所提算法在检测识别速度下降不明显和实现离线移动端部署的前提下检测识别效果更好,具有极大的工程应用价值.
车牌识别系统虽然已是一个常见的系统,但进一步的研究具有理论和现实意义.SVM算法是常见的一种基于二分类模型判别方法,它通过实例特征的线性组合给出判定分类结果,从而将实例区分成两类,进而达到识别的目的,这种算法在机器学习中是一种比较经典的算法.SVM算法在进行小样本实例分类问题上有着不俗的表现,并且有着良好的统计学习理论基础和优良的泛化能力,于是针对SVM算法提出了优化方案,使用网格搜索算法对核参数进行寻优,提升精度,使用密度裁剪算法对样本进行优化,降低计算量.并运用在车牌识别中,最后通过实验数据表明该优化
视网膜血管人工分割效率低,提出基于AFU-Net网络自动分割方法.首先,利用卷积替换最大池化,减少池化造成的细节丢失;其次,在上采样中加入密集连接,提高细节特征复用率;再次跳连中采用双向的互注意力机制,提高网络的非线性提取能力;最后,在上采样环节使用特征金字塔,使用额外的扩展路径来创建高分辨率的分割图.实验结果表明,该算法在数据集DRIVE上的准确度、灵敏度和特异性分别为95.67&、78.17％、98.22％.取得了较好的结果.