排序方式： 共有4条查询结果，搜索用时 74 毫秒
1
1.
从近几年发生的特大自然灾害事件中可以发现,社交媒体平台正日益成为普通公众及时发布和获取灾情信息的最主要、最便捷的新途径,在这类平台获取的数据中隐藏了大量记录灾情现状的文字、图片等信息。文中首先对海量的历史灾情数据进行统计分析,构建了面向地震应急的信息类别体系和危急度评价体系;基于此训练了用于信息分类的朴素贝叶斯模型,模型的准确率为73. 6%;同时采用机器学习模型和语义计算模型这种特征融合的分类方法,对灾情信息的危急度进行评价,评价模型的准确率为89. 2%。该模型能够在震后实时地对自媒体中出现的灾情信息进行爬取、分类和评价等操作,可从海量的自媒体信息中挖掘出少量危急又重要的信息,以辅助震后的灾情研判和精准救援。文中最后以2017年8月8日九寨沟地震事件为例,从地震烈度速报、震后精准救援2个角度对挖掘数据的可用性进行了研究分析。 相似文献
2.
地震宏观异常是指地震前后人的感觉能直接察觉到的自然界异常现象,本研究在芦山地震后,针对公众通过微博发布的异常信息进行搜集,提出从真实性、完整性、信誉度和关联度四方面对公众提供的微博宏观异常信息进行筛选的方法,并根据筛选后的信息从时间角度、空间分布等方面进行芦山地震前后宏观异常信息的分析研究.结果表明,芦山地震前后是有宏观异常出现的,公众关注的异常种类主要为动物异常与天气异常;震前发生宏观异常占宏观异常总数的67％,但仅有30％被发布;微博发布的宏观异常信息中,大多位于距离震中较远的成都市,而非震中地区.微博信息可以作为宏观异常信息的一个主要的及时信息来源,有助于发挥群测群防在防震减灾工作中的作用. 相似文献
3.
作者于2013年6月底,前往芦山、雅安和成都等在“4·20”芦山地震中震感强烈的村镇,对地震前宏观异常信息开展了采集与调研.通过设计宏观异常调研问卷,与当地居民进行了一对一的访谈、共收集134份问卷,其中含有地震前宏观异常信息88条,包括动物、气象、地声、地磁、地下流体、地雾、人体7种类型.通过调研以及对调研问卷的分析表明,芦山地震前确实存在着一定数量和范围的宏观异常现象,芦山地震和汶川地震前宏观异常特征具有较大相似性.调研中还发现与城市相比,农村因动植物资源丰富,自然景观与自然现象相对少受人为干扰,是地震前宏观异常的主要发生地,因此,应该加强广大农村地区地震的认知培训和宏观异常上报信息平台建设,发挥专群结合在地震预测预报中的作用. 相似文献
4.
微博平台有用户群大、公众参与性强、实时性等优点,同时微博平台信息又具有信息真伪难辨、地址信息模糊等缺点.本文以芦山地震为例,针对微博内容如何提取和地址如何定位两方面进行了分析研究,对于如何在网络微博平台中及时的提取地震宏观异常信息,提出了聚焦爬虫技术,并对微博地址进行了分类,同时将正向最大匹配和特征词地址分词的中文地址匹配模型应用于地址信息的提取和地址匹配中;最后将不同的地址类别定位为不同的行政级别,使微博平台和微博信息得到了充分的利用.通过研究认识到微博信息在反应震前异常的发生趋势方面有一定的参考价值（动物异常和气象异常所占比例较大）,是不能被忽略的：地址方面可以看出异常随着时间的逼近有向震中聚集的趋势,有一定的参考价值. 相似文献
1