- 综合排序
- 最热优先
- 最新优先
- 来自专栏Java
解决Thymeleaf的地震震中距离展示]双引号报错的问题
言归正传，之前在博客中介绍了如何基于SpringBoot环境下进行地震影响范围的可视化展示，基于SpringBoot和PostGIS的震中影响范围可视化实践，在这个技术框架中，前端和后端暂时没有分离，采用的是传统的单体化架构 1、需求场景 在之前的博客中，我们已经将震中位置，以及震中5公里范围内的行政点位按照距离进行红色、黄色、绿色三色标记，在地方各应急部门进行应急救灾是可以有一个明显的参考。 根据不同级别进行抢险救灾，如下图所示：但是上图少年宫却存在一个明显的问题，即没有将震中与行政点位的距离进行直观的标注。应急管理部门需要将震中位置与行政村点位进行直线连接，以及直线距离的标注。 在之前的代码中，我们将所有的地震信息以及5公里范围的行政村点位信息进行了返回。 将震中位置和行政村位置进行展示。
9500编辑于 2026-05-30 - 来自专栏量子位
“地震波还有61秒到达”，08年筹建的技术，在这次四川地震中立功了
昨晚将近11点，地震频发的四川又发生了一场大地震，震中位于四川省宜宾市长宁县，震级达到6.0级，震源深度16千米。 当地震在震中发生时，地震波向周围蔓延，所到之地才开始震动，造成楼房倒塌破坏。 相对光速的电波来说，地震波的速度相对较慢，速度较快的纵波（P波）在地壳处的速度在每秒6千米以下。 ? 假设两座城市之间地震波的传递需要30秒，而在第一座城市作为震中发生地震时，通过电波将信息传递到第二座城市，第二座城市的居民就有将近30秒的时间可以避难。 这套在昨夜的地震中起到作用的预警系统，名叫ICL地震预警技术系统，ICL是英文Institute of Care-Life（关爱生命机构）的缩写，这套系统来自成都高新减灾研究所。 这个算法，模拟了一个网格，每一格包含了一次主震震中周围5公里的范围。 告诉神经网络，这里发生了一次主震，并把震中附近应力改变的数据也喂给网络。 就这样，训练AI预测每一格发生一次或多次余震的概率。
47840发布于 2019-06-20 - 来自专栏好好学java的技术栈
“地震波还有61秒到达”，08年筹建的技术，在这次四川地震中立功了
6月17日将近11点，地震频发的四川又发生了一场大地震，震中位于四川省宜宾市长宁县，震级达到6.0级，震源深度16千米。 当地震在震中发生时，地震波向周围蔓延，所到之地才开始震动，造成楼房倒塌破坏。 相对光速的电波来说，地震波的速度相对较慢，速度较快的纵波（P波）在地壳处的速度在每秒6千米以下。 ? 假设两座城市之间地震波的传递需要30秒，而在第一座城市作为震中发生地震时，通过电波将信息传递到第二座城市，第二座城市的居民就有将近30秒的时间可以避难。 这套在昨夜的地震中起到作用的预警系统，名叫ICL地震预警技术系统，ICL是英文Institute of Care-Life（关爱生命机构）的缩写，这套系统来自成都高新减灾研究所。 这个算法，模拟了一个网格，每一格包含了一次主震震中周围5公里的范围。 告诉神经网络，这里发生了一次主震，并把震中附近应力改变的数据也喂给网络。 就这样，训练AI预测每一格发生一次或多次余震的概率。
45030发布于 2019-07-01 - 来自专栏gis
基于SpringBoot和PostGIS的震中影响范围可视化实践
通常，在地震发生之后，应急救援部门会组织相应的救援，在救援的时候往往会根据震中位置以及地震的强度而不一样。这里不过多阐述如何进行灾害的应急救援。 这里根据全国的行政村级点位数据，通过根据地震的震中位置，根据距离震中的位置，比如1公里范围，1.0公里-3.5公里，3.5公里到5公里等（这里的距离区间设置只是一种参考，实际情况下肯定要考虑其它的因素） 本文将结合地震信息数据，基于SpringBoot框架开发，PostGis数据库作为空间数据库，Leaflet作为WebGIS可视化组件，重点讲解如何进行地震影响范围分析。 震中位置采用marker的方式进行标记，而影响范围则使用园来标识。 ，基于SpringBoot框架开发，PostGis数据库作为空间数据库，Leaflet作为WebGIS可视化组件，重点讲解如何进行地震影响范围分析。
10100编辑于 2026-05-30 - 来自专栏AI科技大本营的专栏
快讯 | 写稿机器人25秒报道九寨沟地震
8 月 8日 21 时 19 分，四川阿坝州九寨沟县发生7.0级地震。 21 时 37 分 15 秒，中国地震台网用机器人自动编写稿件，文章内容包括速报参数、震中地形、热力人口、周边村镇/县区、历史地震、震中简介+震中天气，500 多字加 4 张配图，仅耗时 25 秒。 根据成都商报的报道，写稿机器人的地震参数，如震级、震源深度等信息来自地震台网。其他背景数据来源不一样，如震中的简介、震中所在地周边乡镇、村落等情况，有些是检索的，有些是储存在机器人系统里的。 中国地震台网表示，他们给“机器人”设定了一些“工作流程”： 第一，取标题； 第二，发布两张震中地图，一张是地理位置图，一张是地形图，方便后期救援决策； 第三，写地震参数，包括时间地点震级以及震源深度等信息 第七，列出震中县城的基本情况，包括地理位置、气候特征以及行政信息等。第八，写震中的天气情况，天气状况是否适合救援； 第九，震中的人口情况，数量多少，人员是否集中等。 当然，这并不是唯一的写稿机器人。
72680发布于 2018-04-26 日本突发7.6级地震，对半导体产业影响几何？
△日本7.6级地震影响区域 △日本7.6级地震影响区域局部放大，可见受灾最严重的是青森县、岩手县及北海道南部 据报道，岩手县随后出现高达 70 厘米的海浪，北海道出现高达 50 厘米的海浪，青森县出现高达 在日本1至7级地震烈度等级中，此次地震在青森县被评为“上六级”——震感强烈，以至于人们无法站立或移动，只能匍匐前进。在这种程度的地震中，大多数重型家具都会倒塌，许多建筑物的墙砖和窗玻璃也会受损。 但东北电力公司也表示，地震导致青森县约2700户家庭停电。 由于日本是全球半导体制造重镇，因此外界也关心此次7.6级地震是否会影响到日本乃至全球半导体产业。 从相关报道来看，此次受地震影响较大的区域主要是北海道南部沿海，以及本州岛东北区靠近震源的青森县和岩手县。 截至发稿时，上述相关企业尚未披露自家工厂是否有受到此次地震影响。不过，从现有信息来看，预计对于少数靠近震源的半导体企业会造成一些影响，但对于全球半导体供应链影响不大。
1.7K40编辑于 2026-03-20- 来自专栏新智元
四川泸定6.8级地震，能用AI预测吗？
---- 新智元报道 编辑：Aeneas 好困 【新智元导读】四川泸定的6.8级地震中，地震预警系统起到了大作用。不过，为什么现在的人工智能还不能预测地震呢？ 而昨天，泸定又遭遇了地震，现在伤亡人数还在不断统计中。 来源：中国消防 20秒，拯救127个孩子 在位于震中的海螺沟，有两个酒店楼体全塌了。 来源：荔枝新闻 酒店老板徐先生称，自己到现在仍心有余悸，「从未见过这么凶的地震」「我现在手都在抖」。 在这场地震中，有很多令人动容的画面。 在心痛之余，很多人发出了这样的疑问：为什么现在技术这么发达了，还是无法通过地震预警，避免人员的伤亡呢？ 其实，这次地震中，地震预警已经发挥了很大的作用。 地震预警的基本原理，就是利用两者的时间差发出警报。离震源较近的地震观测仪器接收到地震纵波后，实时并持续估计地震参数及其影响，并向地震横波尚未到达的可能受灾区域，提前数秒至几十秒发出警报信息。
58630编辑于 2022-09-22 - 来自专栏大数据文摘
IEEE: 地震预警众包，手机GPS可救命
，却将一个紧迫的问题推到我们面前：地震高发，人口集中，却无法承担早期地震预警系统的高额费用，这样的地区如何能将灾难的损失降到最低？ 这种众包系统，可以迅速检测到地震的发生，且几秒钟内，在地震波或海啸波到达人们之前给出预警。 基于震中周围的人口普查数据，他们模拟了智能手机的响应。他们假定，如果一个智能手机本身及其相邻最近的4部（共5部）手机测量到大于5厘米度的移动，这部智能手机就被触发。 手机数据也足以用来定位震中位置，精度在5公里以内，并且实时计算地震强度的演进。 对于日本地震，由于其震中在海上，检测到地震花费了80多秒，这对于海岸边上最近的镇子来说太慢，但有足够的时间给东京发出警报。研究人员将这些结果发表在了《Science Advances》期刊上。
1.1K60发布于 2018-05-21 - 来自专栏数值分析与有限元编程
简单悬臂梁的弹塑性分析
历史上的多次震害也证明了弹塑性分析的必要性：1968年日本的十橳冲地震中不少按等效静力方法进行抗震设防的多层钢筋混凝土结构遭到了严重破坏，1971年美国San Fernando地震、1975年日本大分地震也出现了类似的情况 相反，1957年墨西哥城地震中11～16层的许多建筑物遭到破坏，而首次采用了动力弹塑性分析的一座44层建筑物却安然无恙，1985年该建筑又经历了一次8.1级地震依然完好无损。
1.2K10编辑于 2022-04-14 - 来自专栏华章科技
汶川地震10周年：大数据正在攻克地震预测这个“不可能任务”
汶川地震共造成69227人死亡，374643人受伤，17923人失踪，是新中国成立以来破坏力最大的地震，也是唐山大地震后伤亡最严重的一次地震。 ? ——Google 数据回顾汶川地震： 时间：2008年5月12日14时28分04秒 持续时间：约为2分钟 地理位置：四川省阿坝藏族羌族自治州汶川县 震中经纬度：北纬31.01度，东经103.42度 震源深度 ：14千米 震级：里氏震级8.0级，矩震级8.3级 震中烈度：11度 地震类型：构造地震 伤亡人数：69227人遇难，374643人受伤，17923人失踪 极重灾区：汶川、北川、绵竹等10市县 直接经济损失 在已发生的大地震中，Terra Seismic成功预测的占比又是多少？ 2. 地震速报的新方式 如果不能提前几天预测地震，那么提前几秒是否有可能？ 在2013年4月20日的雅安地震中，几乎与震中芦山发生地震的同时，成都高新减灾研究所就在手机客户端、专用预警接收服务器、电视台、微博等平台上都同步发出了地震预警。
1.2K20发布于 2018-08-16 全球最新地震信息（震情速报）免费API接口使用指南
一、接口概述该API接口提供国内及全球主要地震的最新震情信息，数据同步自国家地震局，具有以下特点：时效性强：国内地震5-20分钟发布，国外地震30分钟左右发布数据类型：提供震情速报信息（非正式测定 ，无法精确到秒）数据全面：包含震中位置、经纬度、震级、震源深度等关键信息免费使用：个人和企业均可免费调用高可用性：每日调用无上限（建议使用自己的ID和KEY）注：如需更精确的正式测定数据，可配合全球最新地址信息 data.msg地震信息文本描述标题data.title地震标题发布时间data.fabutime信息发布时间地震时间data.time地震发生时间地震位置data.dizhi地震位置描述纬度data.weidu 震中纬度纬度方向data.weidu2北纬或南纬经度data.jingdu震中经度经度方向data.jingdu2东经或西经地震等级data.leve里氏震级地震深度data.shendu震源深度（千米 开发者可基于此构建地震预警系统、灾害应急响应平台等应用，帮助公众及时获取地震信息，减少灾害损失。
1.3K10编辑于 2025-07-02启信慧眼AI驱动供应链风险决策，助力中国半导体企业安全出海
合合信息数据事业部副总经理沈东辉举例，2011年日本供应着全球约20%的重要电子产品，当年“3·11”大地震使得零部件供应出现问题，导致全球电子产业供应链面临中断危机。 其中“世界风险地图”作为全天候智能预警平台，可将风险事件与供应商的地理位置实时关联，自动生成动态全球风险热力图，直观呈现不同区域内的风险分布情况及受影响的供应商数量。 该功能通过大模型深度分析风险可能产生的影响，提供可落地的决策建议，帮助企业告别知道有风险，不知怎么办的困境。 以地震风险为例，启信慧眼能够实时推送震中、震级、受影响供应商等关键信息，标出预计影响时长，并结合历史地震数据与专业评估模型，预测对供应链的潜在冲击，给出具体决策建议。 比如某地发生3.8级地震，AI会综合多维度信息进行风险评级，明确标注出“两家供应商受影响、预计影响时间3天”等重要信息，同时给出企业应立即核查当地供应商生产及物流路线、启动备货计划以缓冲价格上涨风险、对震中
21610编辑于 2025-10-15- 来自专栏量子位
新模拟算法揭秘加州地震史：更准确有效
为此，来自南加州地震中心、哥伦比亚大学、加州大学等的研究人员决心，用计算机模拟加州80万年来的地震情况。 最新的进展是，他们提供了一套全新的模拟算法，并且更加准确，还可以和过往数据对应。 ? △ 加州地区的地震模拟 (来源：YouTube) 通俗地讲，多少年才地震一次？况且地震的地区分布那么散，这么点数据，凭什么说服我们你们算出来个地震就是准的？ △ 论文一作兼通讯作者 (来源作者个人网站) 这篇论文的通讯作者和一作共属一人，就是目前在南加州地震中心工作的计算科学家Kevin Milner。 让人感觉神秘难懂的地震预测模拟在数据公开化的今天都可以被你我简单下载安装。 论文中一作所在的南加州地震中心（SCEC）就开源了他们的地震模拟系统代码：SCEC宽带平台。 △ 地震模拟开源系统SCEC示意图 (来源官网) 南加州地震中心宽带平台：https://github.com/SCECcode/bbp 开源地震数据分析库：https://github.com/opensha
51520发布于 2021-02-26 - 来自专栏AI算法与图像处理
最近地震也太太太频繁了吧？！ | 数据会说话
可见， 2008年的4.5级以上地震发生次数为6309次，比平均次数少455次，并不存在所谓的地震受太阳黑子爆发的周期性（11年）影响。 地震主要包括天然地震和人工地震，天然地震中，绝大部份是由于板块碰撞挤压、地下岩石破裂、错动导致的构造地震。 现在某个地方发生一个4.5级的地震，朋友圈里面的震感可能比震中还要强烈。而以前某个地方发生地震，离得稍远的地方有人可以感受到地震，但不会产生大的讨论； 3. 由于2008年汶川地震的影响，现在地震越来越被大家所关注。 同样，我们把这份数据以圆点的形式投射在了地图上。 它告诉我们要敬畏自然、理解自然，并且要通过学习掌握自然规律，来减少灾害造成的影响。我们来看一看2000年以来引发全世界关注的8大地震。
1K10发布于 2019-07-16 台湾6.6级地震，力积电两座晶圆厂受损
根据中国台湾气象署发布的报告显示，此次地震规模为里氏7.0地震，震源深度72.8公里，震中位于宜兰县政府东方32.3公里，最大震度为4级。 台湾电力公司台电表示，本次地震不影响各水火力及核电厂运作，配电系统部分，地震造成宜兰东澳变电所跳脱，影响周边3465户停电，已于12月27日23时15分全数复电。 此外，从事逻辑与存储晶圆代工服务的力积电则于12月28日对外表示，力积电竹科与竹南的8英寸和12英寸晶圆厂产线均受地震影响，主要为石英相关设备与材料，相关损害仍在评估与盘点，受损细节尚未完全明朗。 目前影响范围涵盖产线设备与关键材料，待盘点结果出炉后，才能更精准量化对财务与产能的冲击。 虽然去年4月3日地震后已增加石英材料库存，仍需评估可用性与匹配度，若有破碎需更换，将延长装机与校准的时间，进而影响后续晶圆交期。
10910编辑于 2026-03-20- 来自专栏CDA数据分析师
最近地震也太太太频繁了吧？！我们分析了13万条地震数据后发现...
可见， 2008年的4.5级以上地震发生次数为6309次，比平均次数少455次，并不存在所谓的地震受太阳黑子爆发的周期性（11年）影响。 地震主要包括天然地震和人工地震，天然地震中，绝大部份是由于板块碰撞挤压、地下岩石破裂、错动导致的构造地震。 现在某个地方发生一个4.5级的地震，朋友圈里面的震感可能比震中还要强烈。而以前某个地方发生地震，离得稍远的地方有人可以感受到地震，但不会产生大的讨论； 3. 由于2008年汶川地震的影响，现在地震越来越被大家所关注。 同样，我们把这份数据以圆点的形式投射在了地图上。 它告诉我们要敬畏自然、理解自然，并且要通过学习掌握自然规律，来减少灾害造成的影响。我们来看一看2000年以来引发全世界关注的8大地震。
1.7K00发布于 2019-07-11 - 来自专栏AI研习社
破译地震的密码？——机器学习算法有望实现地震的精确预测
2004年，苏门答腊岛海岸有超过230,000人在九级地震引起的海啸中丧生；2010年，超过200,000人死于海地七级地震；1556年，中国超过800,000人在一次地震中死亡。 这样的预测有利于各种事项的实施，比如在地震多发区建立地震指标；但在地震发生时预防死亡是基本不可能的。因此，预测的时间跨度需要以天为单位，以达到更精准的预测。 Rouet-Leduc假设地震前体可以比之前预想的要小很多，所以在现实生活中通常不会被记录下来。机器似乎已经发现了一个全新的信号，这一信号之前被地质学家们误认为是在实验室地震中产生的杂音。 但是，在一些其他的层面上，实验室地震跟现实中的地震还是很相似的。所以，这个团队的下一个目标就是将这个相同的分析，应用到那些与实验室地震相似度最高的现实地震中去。 帕克菲尔德地震就是其中一个这样的现实地震，帕克菲尔德在较短的时间内经历过多次重复地震。团队表示：“这些断裂层可能会像在实验室一样，发出‘地震低语’。”
82460发布于 2018-03-29 - 来自专栏Leaflet
基于SpringBoot和Leaflet的地震台网信息预警可视化
在地震可视化中，需要扩展的方法是需要提供按照震中位置和震级进行模糊 查询，同时提供按照地震主键查询地震详情的接口。在进行地震预警时，通过ajax获取详情实现地震位置的可视化。 根据震中位置和震级模糊查询的核心方法如下：@Overridepublic List<CeicEarthquake> getList(CeicEarthquake earthquake) {QueryWrapper ，主要实现以下三个方法：序号方法说明1public String index()跳转到首页2public TableDataInfo list(CeicEarthquake earthquake)根据震中位置和震级查询信息 visible: false }, { field: 'locationC', title: '震中位置 var eqInfo = result.data; var content = "发震时间:"+eqInfo.otime + "
震中位置7900编辑于 2026-06-12 - 来自专栏AI科技评论
学界 | 联合哈佛大学，Google 要用人工智能来预测地震余震
用于训练神经网络的余震数据集来自距离每个地震震中垂直延伸 50 公里、水平延伸 100 公里的周边地区。 用于训练该模型的数据来自知名的大地震，例如 2004 年苏门答腊地震、2011 年日本地震、1989 年旧金山湾区的洛马普里塔地震和 1994 年洛杉矶附近的北岭地震。 虽然 DeVries 和 Meade 认为他们自己是地球计算科学家，但是目前没有实际的地震学家参与这项研究。 另外，AI 模型在训练过程中的经验将被用来探索一个更大的问题：究竟是什么引发地震？ Meade 说，该模型无法对由火山爆发等其他重大自然灾害所产生的地震产生影响。 Meade 补充道，这个模型是利用过去几年大地震的历史数据来训练的，但接下来，会加入将来的地震数据。 Via Venturebeat，雷锋网编译。
43920发布于 2018-09-21 - 来自专栏大数据文摘
专家解析尼泊尔地震：称全球进入强震活跃期
尼泊尔地震：每80年一次大地震 “平均每80年一次大地震。” 中国地震台网中心地震预报部主任蒋海昆表示，尼泊尔地处全球著名的地中海—喜马拉雅地震带上，本次8.1级地震从板块运动轨迹看，是印度洋板块和欧亚板块碰撞的结果。 根据中国地震局地球物理研究所给出的地震动预测图，显示极震区烈度可达X度以上，预计影响范围近20万平方千米。 值得注意的是，尼泊尔首都位于加德满都河谷中心地带，这里由河水湖水的沉淀物沉积而成。 本次5.9级地震距离尼泊尔8.1级震中约有290千米，发生时间在其三小时后。“这不是尼泊尔8.1级地震的余震，而是另外一次地震。” 前四次分别是2001年中国昆仑山西口8.1级地震、2005年智利8.1级地震、2008年中国汶川8.0级地震及2010年智利8.8级地震。
55830发布于 2018-05-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号