基于语义角色分析，提出了一种三元组涉恐事件实体属性抽取方法，为网络空间涉恐活动的监测及预警提供技术支持。首先，基于西北政法大学“反恐怖主义信息网”文本语料数据进行数据采集和清洗等预处理工作，采用朴素贝叶斯文本分类算法识别涉恐事件文本，并采用关键词提取算法TF-IDF（Term frequency-inverse document frequency，词频-逆文档频率）构建涉恐专有词库，结合自然语言处理技术构建带词性的涉恐专有词库。然后通过语义角色分析、句法依存分析，提取了主语谓语宾语关系、定语后置动宾关系、人名//地名//机构和介宾关系主谓动补4类涉恐三元组结构。最后，利用正则表达式及带词性的涉恐专有名词分析，在4类三元组短文本中提取出恐怖事件发生时间、发生地点、伤亡情况、攻击方式、武器类型和恐怖组织6类实体属性。对采集的4221篇文章数据进行实验分析，6类实体属性抽取的测评结果F1值均超过80%，对网络空间的涉恐事件监测及预警，维护社会公共安全具有重要现实意义

高海拔寒区矿山岩质边坡变形破坏机制研究已取得一定的研究成果，但基于现行理论与技术还难以全面解决未来高寒边坡失稳机理和灾害防控的所有问题，至今尚未建立起完善的高寒边坡开采研究体系和边坡稳定性判别标准. 本文对高寒岩质边坡变形破坏的室内岩石力学试验、边坡物理相似模拟、多场多相耦合数值模拟、变形破坏原位监测、高海拔寒区岩质边坡失稳机理五个方面开展了大量的文献调研，总结高寒岩体变形破坏有关的研究成果，继而对存在的问题进行探讨并分析当前研究的不足，总结出高寒岩质边坡变形破坏研究领域亟待解决的关键问题：一是开采扰动条件下高海拔寒区矿山边坡岩体结构损伤劣化机制，二是冻融循环条件下流?固?气多相多场耦合边坡失稳时效特征与评价方法；并就未来高寒边坡变形和破坏研究方向及发展趋势予以分析，指出开展不同应力路径冻融循环耦合作用下岩体结构损伤劣化机理研究，开展爆破采动条件下高海拔寒区岩质边坡结构面致溃机制及边坡失稳破坏研究，开展地震荷载作用下高海拔寒区节理岩质边坡地震动力响应及致灾规律研究，研究多场多相耦合条件下节理岩体损伤劣化机理，开展高海拔寒区矿山边坡抗寒多参量实时安全监测及失稳预警技术研究五个方面是未来研究的趋势

以相变材料为核心的潜热储存技术，对加快新能源开发和提高能源利用率起着关键性作用。以油酸钙为前驱体，通过水热法合成了具有自支撑网络结构的羟基磷灰石（HAP）气凝胶，并采用浸渍法制备出自支撑羟基磷灰石复合相变材料。通过扫描电镜、傅里叶红外光谱、X射线衍射、热重法、差示扫描量热法等手段对所制备复合相变材料的形貌、稳定性、热性能等进行了表征及测试。实验结果表明，负载石蜡或十八醇的羟基磷灰石气凝胶复合相变材料均具有良好的热性能，质量分数60%石蜡@HAP气凝胶复合相变材料的熔融焓和凝固焓测量值分别为85.10和85.30 J·g?1，结晶度为81.50%；质量分数60%十八醇@HAP气凝胶复合相变材料的熔融焓和凝固焓测量值为113.78和112.25 J·g?1，结晶度为86.20%，且具有很好的热稳定性和化学稳定性。此外，羟基磷灰石气凝胶载体材料阻燃性好，无腐蚀且安全环保，有效拓展了相变材料在智能保温纺织物和建筑材料等领域的实际应用

浅层黄土滑坡是黄土高原广泛分布和频繁发生的地质灾害,造成了巨大的人员伤亡和财产损失.尽管二维确定性模型已被广泛用于浅层滑坡稳定性预测,但不能充分考虑岩土性质、地层结构、地下水等条件的三维空间变化,这可能与实际的斜坡稳定性不相符.因此,利用能考虑复杂斜坡环境的三维确定性模型评价滑坡稳定性,对获取更真实的评价结果以及指导滑坡防治工作具有重要意义.本文利用Scoops3D三维确定性模型评价了在浅层黄土滑坡稳定性预测中的适应性和可靠性.首先,模型计算参数敏感性的分析发现黏聚力、滑动视倾角和栅格单元重量对安全系数准确度影响较大,并用于指导获取详细的关键参数.然后,选取不同分辨率的数字高程模型(DEM)数据,利用Scoops3D模型对典型黄土沟壑中的浅层黄土滑坡稳定性进行预测,并通过详细的点状和面状滑坡分布图与预测结果的对比发现,该模型对黄土沟壑区的浅层滑坡稳定性预测准确度较高,且点状滑坡分布图可能更适合模型适应性的检验.最后,混淆矩阵法和成功率曲线法对不同分辨率数字高程模型预测结果可靠性的检验显示,该模型能够有效地预测黄土浅层滑坡的稳定性,且在高分辨率数字高程模型数据下可以获得可靠的预测精度

随着矿产资源开采深度的不断增大，地应力、地温和孔隙水压随之显著增大，岩石的非线性力学行为更加凸显。针对高渗透压和不对称围压作用下深竖井围岩损伤破裂问题，构建了流固损伤耦合效应力学分析模型，分析了流固耦合条件下深竖井开挖围岩有效应力，探讨了孔隙水压及地应力场对围岩损伤破裂演化的作用机制。研究结果表明：孔隙水压及孔隙水压梯度越大围岩损伤破裂区面积越大，围岩损伤破裂区面积随围岩渗透率的减小逐渐增大并趋于稳定；地应力场对围岩破裂形态具有重要控制作用，最大水平主应力与最小水平主应力差异较小时，围岩损伤破裂区集中在最小水平主应力方向，以剪切损伤为主，最大水平主应力与最小水平主应力差异较大时，在最大水平主应力方向上会产生拉伸损伤破裂区。值得关注的是，由于孔隙水压的存在，最大有效水平主应力与最小有效水平主应力之间的比值增大，即围岩发生拉伸破坏的风险增大。本文研究表明，竖井选址和设计过程中应避开构造应力大、孔隙水压大的区域，从而保障井筒施工安全

岩石多场耦合作用的研究已经开展了数十年，包括岩石在单一物理场、两场耦合或三场耦合作用效应的研究。然而深部矿产资源开采和地下空间开发中岩体的赋存环境非常复杂，岩体在高温、高渗透压、高应力及复杂水化学环境中将发生温度–水流–应力–化学（THMC）多场耦合作用。综合分析岩石多场耦合作用下的裂隙演化、变形力学机制、力学本构和耦合模型构建等方面的研究，在分析岩石强度理论的基础上得出岩石多场耦合本构模型以及岩石蠕变本构模型。不同行业对岩石多场耦合作用的研究重点存在一定的差异，岩石多场耦合作用不仅涉及到矿产资源开发、油气田开采、地热资源开发等资源能源领域，其在水利水电工程、高寒工程、地下工程、地下核废料处置及深埋能源储库等领域也是研究的重点。岩石在高应力、水流、高温和化学作用下，不仅会发生耦合作用，而且会对岩石本身的物理力学性能产生影响。分析研究多场耦合作用下岩石的力学性能对于预防事故发生和保障工程安全开展具有重要的现实意义。最后探讨分析了岩石多场耦合研究的重点、难点和今后研究的方向，为工程实践和相关问题的解决提供参考

在输电场景中，吊车等大型机械的运作会威胁到输电线路的安全。针对此问题，从训练数据、网络结构和算法超参数的角度进行研究，设计了一种新的端到端的输电线路威胁检测网络结构TATLNet，其中包括可疑区域生成网络VRGNet和威胁判别网络VTCNet，VRGNet与VTCNet共享部分卷积网络以实现特征共享，并利用模型压缩的方式压缩模型体积，提升检测效率，从计算机视觉和系统工程的角度对入侵输电场景的大型机械进行精确预警。针对训练数据偏少的问题，利用多种数据增强技术相结合的方式对数据集进行扩充。通过充分的试验对本方法的多个超参数进行探究，综合检测准确率和推理速度来研究其最优配置。研究结果表明，随着网格数目的增加，准确率也随之增加，而召回率有先增加后降低的趋势，检测效率则随着网格的增加迅速降低。综合检测准确率与推理速度，确定9×9为最优网格划分方案；随着输入图像尺寸的增加，检测准确率稳步上升而检测效率逐渐下降，综合检测准确率和效率，选择480×480像素作为最终的图像输入尺寸。输入实验以及现场部署表明，相对于其他的轻量级目标检测算法，该方法对输电现场入侵的吊车等大型机械的检测具有更优秀的准确性和效率，满足实际应用的需要

以有效解决钾盐矿尾盐和尾液导致的环境污染、资源浪费、安全隐患等问题为出发点,以改善钾盐矿充填料流动度和强度为目的,利用钢渣水化反应缓慢持久的特点,制备了以钢渣为胶结剂的钾盐矿充填料,初步证明钢渣细度和养护温度对充填料的性能有较大影响.所制备的充填料8 h内流动度保持在200 mm以上,28 d抗压强度可达2 MPa,满足充填料的性能要求.本文着重从微观角度分析了其固化机理,X射线衍射技术、扫描电子显微镜、热重分析、红外分析等分析结果表明:钢渣粉与钾盐矿尾液水化反应的产物主要为C-S-H凝胶、水铝钙石(或称费里德尔盐)、类水滑石等,在水化反应过程中水化产物之间相互穿插包裹使体系结构的致密度和强度不断增长.在微观结构呈层状的水铝钙石和类水滑石中出现类质同象代替现象,Ca2+、Mg2+、Fe2+,Fe3+、Al3+和Si4+都可相互取代而使得OH-和Cl-参与其中,这对体系中的杂质离子起到固定作用,对充填料的稳定性有利.该研究结果初步表明钢渣具有充当钾盐矿充填料胶结剂的潜力

无人机遥感技术是融合无人机、遥感传感器、差分定位、通信等技术以实现地理环境信息快速采集处理与应用分析的新兴技术。本文介绍了无人机遥感平台构成、技术现状及工作流程，并通过大量国内外文献调研系统梳理其在矿业领域应用场景与实际案例，结合当前技术供给短板分析发展态势。研究表明：（1）无人机遥感技术具备成本低廉、机动性强、数据采集灵活、时效性强、可重复、高分辨率等无可比拟的优势；（2）当前矿业领域主要应用于露天矿生产管理、尾矿库安全监测、灾害应急救援、矿区环境监测、边坡灾害防治；（3）规范监管、简化操控方式、提升续航时间、改善成果精度、拓展应用场景是技术应用发展趋势。无人机遥感技术在矿业领域具备广阔应用前景，势必成为智慧矿山建设中不可缺少的重要组成部分

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪