躲避地震,不要钻入桌子下方

刚刚在央视新闻中听到新华社驻智利记者在连线中说:"感觉到地震大约持续了40秒,我钻到了桌子下面。" 在此提醒所有朋友,当地震发生时,尽量让藏身之处留有空间。中国国际救援医疗队曾与美国“9·11”灾害现场救援总指挥、美国国际救援组织主席兼领队道格·库普先生,就美国近年来地震救援进行交流,经验证明,躲在两张桌子之间比躲在桌子下面的震后生存几率要高出很多。原因是两张桌子可以承担起从天花板塌落的重物,而桌子之间的空隙可以提供必要的生存空间。如果震级较大,整个天花板塌落,伏在床下的人容易被断裂的木板直接伤害脊柱等要害部位。所以,如果在家中卧室里,应选择床和柜子之间,而不是床底。在学校或者幼儿园,蹲在两个课桌之间也比俯身课桌之下安全。
    三角承重更安全。如果楼层较高,难以在几分钟内逃离,应选择有较多管道和承重墙支撑的房间躲避。室内房屋倒塌后形成的三角空间,往往是人们得以幸存的相对安全地点,可称其为避震空间。这主要是指大块倒塌体与支撑物构成的空间。室内易于形成三角空间的地方是:炕沿下、坚固家具附近;内墙墙根、墙角;厨房、厕所、储藏室等开间小的地方。卫生间因空间较小而管道多为首选,选择靠近管道的地方会相对安全。如果就近躲进厨房,要注意迅速关闭并远离火源,以防烧伤造成严重的次生伤害。窗户越大墙壁承重越差,玻璃易在震中破碎,扎伤或划伤皮肤。注意千万不要跳楼,不要站在窗外,不要到阳台上去。有条件时,将门打开,留下出口 ,防止地震的晃动造成门窗错位,打不开门。

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值