公共文化服务平台

单维锋: 作品数：37 被引量：89H指数：6; 供职机构：防灾科技学院更多>>; 发文基金：中央高校基本科研业务费专项资金地震科技星火计划项目中国地震局教师科研基金更多>>; 相关领域：自动化与计算机技术文化科学天文地球轻工技术与工程更多>>

合作作者

一种用于安全生产的平面线圈传感器: 本实用新型提供了一种用于安全生产的平面线圈传感器，包括柔性PCB基底、激励线圈和检测线圈，激励线圈和检测线圈分别设置在PCB基底的不同层；激励线圈和检测线圈均至少包括两层，各层的激励线圈通过PCB基底上的过孔连接，各层的...; 张瑞蕾刘海军单维锋李忠曲喆高峰葛超

应急信息技术人才培养方案探索:以防灾科技学院为例被引量：1: 2022年; 应急管理部成立后,应急管理事业迈入崭新阶段,应急管理事业对信息化、智能化人才需求紧迫,而我国应急管理人才培养却刚刚起步,人才培养方案亟待解决。本文以防灾科技学院为例,研究如何建设与应急管理事业发展相适应的我国应急信息技术人才培养方案。本文从“信息化应急、智慧化应急”角度,探索了应急信息技术人才培养方案,首先基于成果导向确定应急信息技术人才培养目标,接着确定应急信息技术方向毕业要求,围绕培养目标及毕业要求设置了应急信息技术人才培养课程体系,并详细介绍了课程体系中的集中实践教学环节,为应急管理学科人才培养提供一些参考。; 刘海军单维锋唐彦东李良超董昭锐; 关键词：应急管理

基于深度神经网络的地磁观测数据高压直流输电干扰事件识别被引量：3: 2023年; 随着越来越多高压直流输电线路的投入运行,地磁观测数据质量受到了严重影响.现有以人工或半人工方法识别高压直流输电干扰事件的工作量也随着受干扰范围的不断扩大和地磁观测仪器的增多而成倍增加.为了高效、准确地识别地磁观测数据中的高压直流干扰事件,本文基于卷积神经网络和长短期记忆神经网络,提出了一种高压直流输电干扰事件自动识别深度学习模型.利用2012年1月1日至2014年12月31日地磁台站原始观测数据,结合专家标注的持续时间在2 h内的高压直流输电干扰事件记录,制作高压直流输电干扰样本34360条,正常样本34360条.模型在训练集上的准确率达到了94.12%,验证集上的准确率达到了92.94%,测试集上的准确率达到了92.86%.初步研究表明深度学习方法在识别地磁观测数据中的高压直流输电干扰事件中具有较高的准确率,为下一步自动识别地磁观测数据中的车辆干扰、基建工程干扰、轻轨干扰等其他干扰事件提供了一种新的思路.; 单维锋闫非石刘海军李志扬刘高川陈俊; 关键词：高压直流输电卷积神经网络

一种基于K-Means均值聚类算法的大地测量数据粗差探测方法被引量：2: 2021年; 粗差探测是大地测量数据处理过程中的重要环节。通过实验模拟生成一类典型大地测量观测数据的粗差,将生成含有白噪声和粗差的观测数据作为数据集,通过K-Means均值聚类算法对数据进行聚类,依据粗差数量约占观测值总数的1%,实验中选取参数5作为该算法的聚类中心个数,远离聚类中心的数据可被认为是粗差,因此粗差的探测成为研究重点。研究结果显示,该粗差探测方法的准确率为88.17%,对海量大地测量观测数据的预处理具有应用价值和科学意义。; 杨玉吴云龙吴云龙单维锋; 关键词：卫星重力粗差探测

地磁时变观测数据中高压直流输电干扰事件多尺度表示及识别方法: 2024年; 高效准确地识别地磁时变观测数据中受高压直流输电干扰的波形对于提高地磁时变观测数据质量具有重要意义.然而,由于高压直流输电干扰事件持续时间长短不一、干扰程度变化多样,给识别任务带来巨大困难.为了能自动识别长短不同的高压直流输电干扰事件,本文提出一种高压输电干扰事件的多尺度表示及识别方法:利用小波技术具有多尺度的特性,卷积神经网络具有自动特征提取的特性,将二者结合,设计了一个多输入卷积神经网络模型来识别地磁中的高压直流输电干扰事件.首先使用离散小波技术将地磁时变观测样本进行多尺度分解,得到原始样本的多尺度表示,再将分解后的多尺度地磁时变观测样本分别输入到含有多个输入分支的卷积神经网络中,每个分支分别自动提取不同尺度的特征,然后将多个尺度的特征融合,并加入注意力机制来自适应计算每个尺度特征的权重,对多尺度特征进行加权处理,再采用全连接层和SoftMax层进行分类,本文将该模型命名为CBAM-MCNN.在中国地震前兆台网中心提供的高压直流输电干扰样本上进行试验,并将本文所提出模型的识别效果与现有的全卷积网络、残差神经网络、多输入卷积神经网络、IICM-HVDCT-CNN-LSTM进行了对比,在5271条测试样本集上,本文所提出的CBAM-MCNN模型识别准确率达到了97.14%,F_1值达到了97.12%,远远高于其他4种对比模型.; 李良超刘海军单维锋雷东兴袁静陈俊王浩然袁国铭; 关键词：小波分解

支持资源分类授权的通用权限管理模型研究被引量：1: 2010年; 针对当前Web应用程序中存在的安全性问题,概要介绍了现有的权限管理模型;在详细分析Web应用程序自身权限管理的特点基础上,基于RBAC模型提出了一种支持资源分类授权的通用权限管理模型;在该模型中,管理员首先对WEB应用程序中的资源进行分类,然后定义每类资源的具体操作种类,随后定义每个角色对某一资源的操作权限,最后为用户分配合适的角色;基于.NET平台和SQL SERVER数据库设计和开发了一套支持资源分类授权的通用权限管理系统,并给出了一个具体应用实例;实践表明,该模型能够非常有效地解决Web应用程序中的权限授权和权限管理问题,增强了系统安全性。; 单维锋田力孙旭光; 关键词：访问控制权限管理 WEB应用程序

地震前兆观测设备模拟通信软件关键技术研究被引量：1: 2010年; 遵循"中国数字地震观测网络技术规程"相关标准,设计了一套基于Java语言的前兆观测设备模拟通信软件。介绍了通信指令原语、数据包格式定义以及模拟通信软件的总体设计,详述了模拟通信软件中的几个关键技术,包括如何同时模拟多个前兆设备,应用观察者设计模式实时更新设备状态信息,使用套接字技术和多线程技术启动或停止模拟设备,通过"心跳"线确认远端Socket是否关闭等。该软件可以模拟大多数"十五"前兆观测设备的通信原语,一方面为台站技术人员以及地震专业学生了解前兆设备的功能、通信指令、以及数据包的数据格式提供了一个模拟环境,有效地提高了教学效果和培训质量,另一方面也为开发前兆设备相关软件提供了模拟支撑环境。; 单维锋李军; 关键词：套接字多线程

采用长短时记忆网络训练的卫星重力数据粗差探测方法与应用被引量：2: 2021年; 粗差探测是卫星重力数据预处理环节的关键步骤。针对海量观测数据如卫星重力梯度数据,原有的粗差探测方法存在时间消耗长、准确率较低等不足。文中基于长短时记忆(LSTM)网络方法,提出了可用于重力梯度数据粗差探测的机器学习方法,实现了对长时间序列观测数据的粗差识别问题,避免了粗差对观测数据的影响。计算结果显示,LSTM训练模型的预测精度达99.4%,在预测过程中,扩大训练数据量或增加LSTM神经元的个数都可提高预测效果,且损失函数、学习率、迭代次数等是影响预测效果的主要模型参数。训练模型识别粗差实验结果表明:LSTM模型能够很好地应用于卫星重力梯度测量观测数据的粗差探测。; 杨玉吴云龙吴云龙单维锋; 关键词：卫星重力梯度粗差探测模型参数

分布式地震前兆数据交换系统: 2012年; 针对现有地震前兆台网数据交换系统存在的安全性低、数据交换失效等问题,基于多线程、断点续传技术、压缩技术以及用户自定义操作日志技术,提出了一种分布式地震前兆台网数据交换系统.整个数据交换过程分为预处理阶段、数据导出、数据传输和数据导入4个阶段,其中预处理阶段完成交换任务的定制及调度等工作.若一个交换任务的4个阶段都成功,则视为交换成功,否则重试或标记为失败.测试结果表明,该系统实现了地震前兆观测数据在台站节点、区域节点、国家节点和学科节点间的高效、灵活、快捷的交换.; 李军单维锋杨秋格李晓丽; 关键词：地震前兆台网数据交换分布式多线程断点续传

基于注意力机制LSTM的电离层TEC预测被引量：4: 2024年; 电离层总电子含量(Total Electron Content,TEC)的监测与预报是空间环境研究的重要内容,对卫星通讯和导航定位等有重要意义.TEC值影响因素较多,很难确定精确物理模型来对其进行预测.本文设计了基于注意力机制的LSTM模型(Att-LSTM),采用过去24小时TEC观测数据对未来TEC进行预测.选择北半球东经100°上,每2.5°纬度选择一个位置,共计36个位置来验证本文提出模型的性能,并与主流的深度学习模型如DNN、RNN、LSTM进行对比实验.取得了如下成果:(1)在选定的36个地区未来2小时单点预测上,基于本文的Att-LSTM模型的TEC预测性能明显优于其他对比模型;(2)讨论了纬度对Att-LSTM预测未来2小时TEC值时性能的影响,发现在北纬0°到60°之间,Att-LSTM预测性能随着纬度的升高而略有降低,在北纬62.5°~87.5°之间,模型预测性能出现扰动,预测效果略差;(3)讨论了磁暴期和磁静期模型的预测性能,发现无论是磁暴期还是磁静期,本文模型预测性能均较好;(4)还讨论了对未来多时点预测效果,实验结果表明,本文所提出的模型对未来2、4个小时的预测拟合度R-Square均超过0.95,预测结果比较可靠,对未来6、8、10个小时预测拟合度最高为0.7934,预测拟合度R-Square下降迅速,预测结果不可靠.; 刘海军雷东兴袁静乐会军单维锋李良超王浩然李忠袁国铭; 关键词：电离层总电子含量

单维锋

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

单维锋

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈