滑坡实时自动识别技术研究对于保护人民生命财产和生态安全都具有极其重要的意义，可以解决现阶段缺乏对滑坡进行及时识别而导致滑坡风险的排查与防治时效性差的问题。考虑植被覆盖指数（NDVI）的变化可作为滑坡检测的重要依据之一，文章模型结合NDVI变化检测技术、自动阈值选取算法和形态学技术实现滑坡的实时、自动识别。与现阶段已有研究算法相比，增加了滑坡自动识别过程中一些重要参数（如：NDVI、山体阴影等）。自适应设置的自动阈值选取算法，减少了人工参与，在保证较高识别准确率的同时显著增强其时效性。文章基于两幅光学影像，以北京市门头沟区某块区域为研究区，对该地区2021年9月7日—2022年9月7日的滑坡进行实时、自动识别，以人工目视解译的结果作为正确标准，将文章的识别结果与其进行精度验证，滑坡检测率达到92.31%，证明了该方法用于检测滑坡的准确性和高效性。最后将该方法应用于都江堰市中部，进一步证明了该方法的有效性和泛化能力。

随着移动通信、物联网、车联网、工业互联网等网络的发展，电磁环境日益复杂，非法电子设备也日渐增多，各类信号耦合互调现象严重，这给泄漏信号类型识别带来了难题。提出基于融合特征的泄漏信号分类识别方法，综合运用高维度特征提取方法和图形化降维表征方法，结合残差网络等深度学习模型与特征融合分析方法，能够更综合地区分多类电磁泄漏信号，特征抗噪声鲁棒性高，方法可解释性好，可支撑基于电磁信号类型识别的辐射源智能检测工程应用。

光纤通信与大容量高频无线通信深度融合是未来第六代移动通信（6G）的核心技术底座，对于构建“沉浸式通信、泛在连接、通信人工智能（AI）一体化”等6G典型场景具有重要意义。文章梳理了优化光纤无线融合传输系统架构和提升频谱效率的主流技术及其实现方案，对研发团队在这些方面取得的部分进展进行了总结。首先，面向新一代沉浸式通信的大容量需求，借助商用数字相干光模块（DCO），提出了一种“光纤－无线－光纤”一体融合传输系统新型架构，率先完成了光子太赫兹100/200/400 GbE实时无线传输通信实验，最高实现了2×240.558 Gbit/s的线路速率；其次，面向覆盖范围广和灵活部署的应用场景，将数字副载波复用（DSCM）技术引入光纤无线融合接入系统，文章设计并搭建出同时支持最多32路固定宽带接入和32路W波段毫米波无线接入的点对多点（P2MP）100 Gbit/s相干无源光网络（PON），能够灵活调整速率且便于后续迭代升级；最后，面向通信AI一体化需求，提出了一种基于似然感知的矢量量化（VQ）变分自编码器（VAE），基于AI技术对光纤无线融合通信系统进行端到端优化，在无需太赫兹功率放大器的情况下，成功演示了净速率为366.4 Gbit/s的双偏振（DP）2×2多输入多输出（MIMO）太赫兹信号6.5 m无线传输和20 km标准单模光纤（SSMF）传输。上述技术在未来6G典型场景中具有巨大的应用潜力，此外，文章还从大容量、长距离、集成化和智能化等方向对超100 Gbit/s光纤无线融合传输技术进行了展望。

针对燃气企业人才职业能力培养与新工科背景下燃气输配课程教学改革的需要，实施行业指导、校企共建，设计建设了燃气输配智慧化实验平台，开发出多种类型的实验项目，构建了多层次实验教学项目体系并进行了实验教学方法的探索。该平台运用各种信息化先进技术，可模拟燃气输配管网工艺系统及运行工况、燃气管网智能化控制系统运行、燃气管网事故应急处理等任务，具有丰富多样的实验与工程实训功能，有利于实施理实一体化教学，锻炼和提高学生的工程实践能力、智能化能力和创新意识，加强培养学生解决城市燃气输配复杂工程问题的能力和素质。

为响应创新驱动发展、“交通强国”等一系列国家战略号召，实现新工科、双一流教学改革目标，交通运输领域亟须培养一批实践与创新兼优、具备国际竞争力的高素质复合型新工科人才，交通运输专业传统课程体系亟待调整。以新型交通类通识课程“大数据与智能交通”为例，以提升交通运输专业学生实践能力、创新能力、计算机能力等素质为目标，对课程提出新要求，为培养交通运输行业需要的高素质复合型新工科人才建立坚实基础。将传统交通运输工程与大数据技术有机结合，开展多实验教学，每组实验均采用实际案例，并使用多源数据，包括列车旅行时间估计的时空数据、轨道扣件状态分类的二维图像数据以及地铁内噪声的一维音频数据等，有效提高学生创新实践能力。