排序方式： 共有4条查询结果，搜索用时 8 毫秒
1
1.
通过调用新浪微博官方API的方式,获取了四川九寨沟7.0级地震震后微博信息,对获取到的数据进行了分类统计、微博词频统计与时空特征分析。统计分析结果表明:在分类统计方面,地震发生之后24 h内,与地震相关微博中人的反应占比达到73%,救援行动占比达到11%,这时由于微博本身特点以及民众对救援的期望造成的。在词频统计方面,高频名词表明震后24 h内微博上的热点事件,而高频动词与形容词表明民众会在震后变得焦虑和不安并通过在网上互相激励来缓解震后的不安和焦虑。时间特征表明震后0～4 h内,有大量和地震相关的灾情信息会通过微博博文内容的方式发布,而随着应急救援行动的进行,在震后12 h以后,民众的情绪会逐渐平复,社会及民众的关注度也随之降低。空间特征表明,由于震后通信中断与网络堵塞,微博灾情基本成点状分布,随后随着通信与网络的恢复、应急救援的进行微博灾情逐渐变为带状分布并进而趋向于形成一个面。 相似文献
2.
2017年8月8日21时19分九寨沟发生7.0级地震,震后数小时里,大量与地震相关的信息广泛传播,互联网社交媒体高度关注,九寨沟地震成为最热议话题。本文以新浪微博为例,获取了距震中200km范围内震前、震后24h的微博数据,通过对数据清洗、分类和挖掘,分析了此次地震微博的数量、灾情分类、词频统计、时间序列和空间分布等特征,同时与实际灾评结果进行了对比分析。研究结果表明,对震后社交媒体数据进行充分挖掘,分析提取地震灾情关键信息,有助于对灾情的宏观把握,对救灾决策部署有一定的参考意义,是解决震后灾情获取难度大、覆盖小、时效性差等问题的一种有效的辅助手段。 相似文献
3.
云南省县（市）区应急备震能力评估方法研究及应用 总被引：1，自引：1，他引：0
震前做好应急备震工作是有效应对地震灾害风险、减轻灾害损失的重要手段。本文基于云南地区震害背景和区域特征，采用层次分析法构建了围绕1个目标层、4个准则层和23个指标层的应急备震能力评估指标体系的层次模型，对云南省129个县（市）区的应急综合备震能力进行了评估和分级。结果表明:从全省单项指标分析结果看，地震应急组织机构健全度和地震应急资源基础保障能力2项指标差距小，空间分布均匀，综合指数较高的区域集中在滇中的昆明和滇西的大理地区；地震应急灾情获取与评估能力2项指标综合指数较高的县分布于滇东和滇西地区的昆明、玉溪、大理、楚雄等地；昆明、大理地震紧急救援能力相对较高。从应急备震综合能力分析结果看，云南省17个县较高，8个县相对较弱，综合能力较强区域主要分布在滇中、滇西等地的昆明、玉溪、普洱等地，滇西北的怒江和滇东南的文山等地综合能力较低。 相似文献
1