9 主观简答题 复习任务二　任务达标训练.pptxVIP

任务达标训练——在训练上花心思;[试题亮点]第一大题，是关于洪水风险治理的群文阅读；第二大题，是两篇关于“元宇宙”的科普论文，形式上呼应“课程标准”中的群文阅读要求。

一、(2025·陕西西安模拟)阅读下面的文字，完成后面的题目。(19分)

材料一：

中小河流是我国防洪减灾体系的重要组成部分，更是薄弱环节。我国过去很长一段时间重点关注大江大河，对中小河流尤其是末梢河流的关注不够。直到2010年前后，我国实施了中小河流治理重点县综合整治及水系连通试点工程，中小河流逐渐得到广泛关注和重视。尤其是河长制、湖长制实施后，状况明显改善，但还存在一些问题。;在城市和农村，中小河流分布特征也不尽相同。高度城市化的东部沿海长三角地区，城市中小河流多于农村；而在内陆或城市化率较低的地区，农村的中小河流就多于城市。但总体上，全国范围内绝大部分中小河流还是分布在农村。;与大江大河相比，中小河流洪水形成原因更为复杂，地形地貌、气候气象、城市化、人居生产生活模式都可能产生影响。中小河流洪水的发生有区域性差异，突发性强、季节性明显、频率高，防洪标准也要因地制宜。由于中小河流分布较广、治理覆盖面较小、防洪基础设施薄弱、中小型水库泄洪能力有限等，中小河流防洪治理瓶颈难以在短期内突破。

(摘编自任芳言《暴雨洪水来袭，中小

河流治理难在哪？》);材料二：

在洪水风险治理中，要求系统能从经验中学习并进行相应调整，这一目标可以通过迭代学习来实现。“迭代学习”是一个更深层次的持续过程，意味着系统不断从经验中获取知识，并将其应用于未来的决策和行动。这种学习方式不仅仅是从过去的错误中吸取教训，更重要的是，它以有意识且目标明确的方式汲取经验，以应对未来的挑战。因此，迭代学习包含两种主要形式：一是基于过去经验的现代创新策略；二是持续的学习和优化。例如，现代城市通过将关键资产(如重要基础设施)用里坊围合或架设于高地上，可以为关键区域提供额外的防护，从而提高整个城市的韧性。持续;学习和优化的重要性可由海河流域的防洪策略体现。??1963年大洪水以来，海河流域采用了“上蓄、中疏、下排，适当地滞”的综合性防洪策略。面对2023年的特大洪水挑战，政府和水利部门开始根据新的情况调整策略。例如，由于多个蓄滞洪区在近几十年未被启用，土地利用模式发生变化，人水争地现象日益严重，导致安全与发展之间的矛盾更加突出，政府针对此次洪水中暴露的问题展开了现有政策和建设标准的修订。在防洪韧性的背景下，迭代学习过程体现了系统根据反馈进行调整和优化，使其能够更好地应对环境变化和挑战。

(摘编自尚雪峰、仇保兴《CAS视角下洪水

风险治理的“构成”与“生成”》);材料三：

洪水是最常见的自然灾害类型，全球有近15亿人(约占世界人口的19%)直接面临严重洪水事件的巨大风险。然而，目前的预报方法主要依赖沿河而建的观测站，其在全球的分布并不均匀，这就导致未经测量的河流更难预报。;如今，来自谷歌公司洪水预测团队开发的人工智能模型，通过利用现有的5680个测量仪进行训练，可预测未测量流域在7天预测期内的日径流。据相关论文描述，该研究使用了一种叫作长短期记忆(LSTM)网络的人工智能模型来进行河流流量的预测。这个模型的设计原理有点像我们大脑的记忆机制，它可以从一系列的气象数据中学习并预测未来的河流流量，分为编码器和解码器两部分。;编码器通过接收一系列气象数据(比如降水量、温度、辐射等)作为输入，学习如何提取这些数据中的关键特征信息。这些特征信息可能包括季节性变化、气象事件(如暴雨、高温等)以及它们对河流流量的影响。同时，编码器能够捕获气象数据之间的时间依赖关系，通过对历史数据的学习，编码器能够理解气象数据的时间序列模式，并将其纳入模型中。在编码器中，LSTM网络被用来处理时间序列数据。LSTM具有内部记忆单元，可以记住过去的信息，并根据当前的输入来更新内部状态。这使得编码器能够在处理长期依赖关系时表现优异并在建模过程中保留重要的历史信息。;最终，编码器将历史气象数据转化为一个潜在的表示形式，这个表示形式包含了对过去气象情况的理解和总结。这个表示形式是编码器的输出，并传递给解码器，用于未来流量的预测。

解码器首先接收来自编码器的潜在表示形式，这个表示形式包含了历史气象数据的抽象理解。解码器利用这些信息来理解过去的气象条件对河流流量的影响，并建立起历史数据与未来预测之间的联系。解码器也接收未来的气象预测数据作为输入，这些预测数据通常包括了未来几天的降水量、温度等气象指标。解码器将历史信息和未来预测结合起来，通过学习它们之间的关系来预测未来的河流流量。;在理解了历史气象条件和未来预测之后，解码器通过一个独立的LSTM网络来生成对未来河流流量的预测