南京，城墙保护中心三楼的技术攻坚办公室。
空气里弥漫着咖啡的苦涩气味，和主机散热风扇的低鸣。
窗帘紧闭，隔绝了外部光线，只余数块大小不一的屏幕散发出幽蓝的光，映照着周明远、夏金玉和几位核心技术人员的身影。
夏金玉眼睛熬得通红，但一种近乎亢奋的光芒却压过了疲惫。
骤然，她从椅子上站起来。
因动作太快，带起一阵轻微的眩晕。
但她毫不在意，指着中央主屏幕上不断滚动优化、最终趋于稳定的数据曲线和三维模型图，道：“成了！周老师，各位，关键点找到了！算法融合与动态阈值自适应调整！”
她快步走到大屏前，用激光笔圈出几个核心区域：“看这里，我们放弃了之前试图设定一个‘万能’固定阈值的思路。我们引入了中科院地球物理所最新发布的‘微震信号模式识别卷积神经网络算法’，结合我们自己构建的‘超大型城市复杂背景噪音深度学习模型’。”
她切换界面，展示出频谱分析图和多层神经网络结构图，接着说：“系统现在不再是‘笨拙’地检测有没有震动，震幅多大。而是像最精明的‘听诊者’，能实时‘学习’和‘理解’不同时段。比如白天游客密集期、深夜地铁停运后、凌晨环卫作业时。它会尝试录入，建立一个在不同天气条件、活动之下的‘正常’震动频谱特征库，并据此建立动态变化的基线。”
一个技术人员想了想，问：“意思就是，像风雨、雷暴、干燥的天气，不会产生误报现象？”
“是的。”
“邻近道路有重型卡车通过、节假日大型活动产生的特殊声波，也不会被误判，对吗？”
“没错。”
此时，周明远推了推滑到鼻梁的眼镜，脸上终于露出一丝欣慰笑容。
“录入震动频谱特征库，是很好的思路。我们不再是防御‘震动’本身，而是防御‘异常模式’。对于地下潜在的威胁，比如小规模定向爆破，或者机械挖掘地道，其产生的震动波形在频率、能量分布、持续时间、传播衰减特性上，与自然地质活动、常规城市施工有本质区别。我们的新算法，重点就是捕捉这些‘异常模式’。”
微小沉降、地下水渗流、打桩、盾构这类情况，不会被算作“异常模式”。
另一位技术
本章未完，请点击下一页继续阅读！