CN108257039B - 农产品中农药的最大残留限量标准完备性的定量评价方法 - Google Patents
农产品中农药的最大残留限量标准完备性的定量评价方法 Download PDFInfo
- Publication number
- CN108257039B CN108257039B CN201810039029.9A CN201810039029A CN108257039B CN 108257039 B CN108257039 B CN 108257039B CN 201810039029 A CN201810039029 A CN 201810039029A CN 108257039 B CN108257039 B CN 108257039B
- Authority
- CN
- China
- Prior art keywords
- weight
- node
- nodes
- hierarchical tree
- leaf
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000000575 pesticide Substances 0.000 title claims abstract description 40
- 238000011158 quantitative evaluation Methods 0.000 title claims abstract description 14
- 231100000703 Maximum Residue Limit Toxicity 0.000 title claims abstract description 7
- 238000011156 evaluation Methods 0.000 claims abstract description 16
- 239000000447 pesticide residue Substances 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 3
- 230000033228 biological regulation Effects 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 claims 1
- 239000000126 substance Substances 0.000 claims 1
- 239000000203 mixture Substances 0.000 abstract description 3
- 238000009472 formulation Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 10
- 238000010835 comparative analysis Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004445 quantitative analysis Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 239000003905 agrochemical Substances 0.000 description 2
- 238000010921 in-depth analysis Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000012885 constant function Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000003827 upregulation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Agronomy & Crop Science (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公布了一种农产品中农药的最大残留限量标准完备性的定量评价方法,通过对农药残留数据集构造层次树,进行加权处理,建立评价指标IMS,得到加权层次树之间节点的权重值;通过节点权重值对农产品中农药残留的最大残留限量标准MRL的制定情况进行比较和评价。
Description
技术领域
本发明属于数字数据处理领域,涉及层次数据集的完备性评价方法,具体涉及一种农产品中农药的最大残留限量(MRL)标准完备性的定量评价方法。
背景技术
食品安全问题近年来已经成为世界范围内的一个热点问题,许多国家和地区都分别制定法规来限定农产品中农药的最大残留限量(Maximum Residue Limit,以下简称MRL)。MRL 标准是指农产品在使用农药后产生的允许存在于农产品表面或内部的这种农药残留的最高量。 MRL标准的制定不仅能够有效的控制农产品中农药的残留量,而且可以缩小不同国家或地区 (以下简称不同地区)间的通货障碍。
MRL标准数据集是不同地区对本地农产品中农药的MRL制定的标准值的集合,该数据集具有层次结构,具体包括地区名称、农产品名称、农药名称以及农药的MRL标准值等属性。根据不同国家对农产品的分类方法不同,可以生成多棵层次树。树中叶子节点表示不同的农产品,非叶子节点表示农产品分类名称,同时每一个叶子节点所表示的农产品中又存在着许多农药残留,这些农药在农产品中可残留的最大量即为该地区对该农产品中存在的这些农药制定的MRL标准。通过比较数据集生成的层次树,可以对不同地区农产品的MRL标准的制定进行对比分析。所以,两个地区农产品中农药的MRL标准的比较问题可以抽象为两棵树比较的问题。
目前常用的树比较方法有三种:并置、叠加和动画。并置方法适用于直接对两个数据集进行对比分析,它是通过比较研究这两个数据集生成的层次树结构之间的关系,将其组合成一棵混合树。叠加方法是指将一个数据集叠加到另一个数据集中,以此突出这两个数据集之间的差异。动画法则是使用可视化的手段来展示这两个数据集是怎么从一种层次结构转变为另一种层次结构。同时为了量化多个层次树的对比分析结果,它们引入显示编码可评估分数等方法,例如Tominski提出的TreeVersity方法,使用颜色、指向和其他编码手段对树的节点进行加工,来展现结构树之间的差异和变化。但是,运用这些方法进行对比分析的程度比较宽泛,对于结构不确定或者动态变化的层次结构数据来说不适用。同样地,在没有先定设计的可视化方案下,对动态定量的叶子节点进行深入分析也是十分困难的。
综上所述,对于多个地区MRL标准的对比,现有的方法不能得出综合定量的比较结果。
发明内容
为了克服上述现有技术的不足,本发明提供一种农产品中农药的最大残留限量标准完备性的定量评价方法,通过数据集构造生成的层次树进行加权处理,建立评价指标IMS(the Integrity Index of MRL Standard),通过评价指标IMS,对不同地区农产品中农药的MRL标准进行比较,获得定量评价结果。
本发明提供的技术方案是:
一种农产品中农药的最大残留限量标准完备性的定量评价方法,基于树进行比较,通过对数据集构造生成的层次树进行加权处理,对层次树中的每个节点计算权重值,将得到的权重值作为评价指标IMS,进而通过比较节点权重值对不同地区农产品中农药的MRL标准的制定情况进行比较,权重值越大MRL标准完备性越好;该评价指标的建立过程具体包括如下步骤:
步骤1、构建层次树:
设有数据集data={d1,d2,d3,…,di,…}(i=1,2,…,n),其中di表示数据集中的数据点。该数据集是一个具有层次结构的数据集,根据其结构特点生成层次树,例如,对于农药残留数据集,每个数据点表示一个农产品,不同地区对同一农产品的分类存在差异,由不同的分类自底向上可构造出不同的层次树。
步骤2、计算层次树节点的权重,生成加权层次树;将层次树中节点的权重作为评价指标IMS;
首先定义如下变量:
表1变量定义及含义说明
1)计算层次树中叶子节点的权重:
通过分析数据集中数据点的特点,将叶子节点分成不同的组,例如,在本发明实例中使用的农药残留数据集,叶子节点可以分为两类,同构部分和异构部分。不同地区相同农产品中含有的相同农药视为同构部分,含有的不同农药视为异构部分。对每一组叶子节点定义一个构造函数,其函数值作为叶子节点的权重;该函数方程表示如式1:
yi=f(x)(i=1,2,…,n) (式1)
其中,x表示节点的值,通过自定义的构造函数将初始值映射为yi,并将该值作为节点的权重值。对不同分组的叶子节点li,应用其构造函数进行计算,具体为将初始值代入公式1,得到的函数值作为该叶子节点的权重,表示为式2:
2)计算非叶子节点的权重:
非叶子节点权重为该节点下所有孩子节点权重之和,具体计算过程如下:
通过式1计算得到了层次树中叶子节点的权重,以叶子节点所在层为基础,由下往上,逐层计算非叶子节点的权重。设节点a为非叶子节点,其权重表示为式3:
式3表示,节点a的权重为该节点下所有孩子节点ci的权重之和。非叶子节点均按此方法计算,直至计算得到根节点权重值为止。
步骤3、通过对得到的加权层次树节点之间权重值的比较来评价层次树的完备性,节点权重值越大表示完备性越好,反之越差,通过一种定量的方法比较分析数据集的完整性。
对于具体数据集,例如本发明实例中的农药残留数据集,通过定义两类构造函数f(xi)=logab、f(xj)=1对叶子节点的权重进行计算,其中前者计算同构部分的权重值,后者计算异构部分的权重值。同时通过添加系数来表示用户的侧重点,例如若实际情况中用户关注于同构部分的数据,则可以在同构部分的构造函数前添加系数0.7,在异构部分的构造函数前添加系数0.3来加大同构部分数据在计算权重值中的影响力。通过比较加权层次树中节点的权重值对多棵层次树之间的完备性进行比较,从而对数据集进行对比分析。
在进行评价时,可通过比较节点权重值对不同地区农产品中农药的MRL标准的制定情况进行比较,权重值越大MRL标准完备性越好;可帮助相关人员对现有的MRL标准进行修改和完善。具体地,在进行比较时,从根节点开始逐层进行比较,假设树T1根节点权重值比树T2低(其中树T1和树T2是根据农产品在地区1和地区2中不同分类标准而生成的层次树),若需要完善(树T1所代表的区域)现有的MRL标准,则可由上至下比较树T1与树T2下的节点,直至找到某个相应的叶子节点的权重值不如树T2,再对树T1中该节点代表的某农药在某农产品中的MRL标准值进行修改,提高该地区MRL标准制定的完备性,提高MRL标准的完备性能够打破不同地区间的贸易保护,有利于该地区农产品与其他地区的贸易往来。
在本发明实例中,针对农产品中的农药残留检测数据集,利用农产品在不同地区中的分类构建出多棵层次树。其中树的叶子节点表示各种农产品,其他节点表示农产品类别,自底向上得生成层次树。接着再利用本发明提出的算法对层次树进行加权处理,得到最终的加权层次树。结果表明,利用本发明提供的算法而生成的加权树,通过用户自定义选择不同节点权重值或节点组合而成的权重值构成的评估指标,可以帮助用户清楚明了的对多棵层次树进行比较,同时在选择评估指标时具有灵活性,可以根据实际状况选取合适且准确的指标值。
与现有技术相比,本发明的有益效果是:
并置、叠加和动画是目前用来进行树比较常用的方法。这三种方法都是从树的结构方面对树进行比较,通过定性分析比较树形结构,从而对数据集进行对比分析。这种方法能让用户对数据集中存在的结构有一个直观的了解,但是缺少了定量的分析,分析结果的准确性在于用户对过程的理解。尽管在通过动画手段进行分析时加入了显示编码可评估分数等方法来量化多个层次树的对比分析结果,但是运用这些方法进行对比分析的程度比较宽泛,对于形状不确定或者结构可变的层次数据来说不适用。同样地,在没有目的设计的可视化方案下,对动态定量的叶子节点进行深入分析也是十分困难的。在本发明中,对生成的层次树计算节点的权重值得到评价指标IMS,该评价指标反映了这个地区MRL标准的完备性,指标值越大表示该地区制定的MRL标准越完备。通过比较不同树中的节点权重值,用户可以定量的分析和比较不同地区制定的MRL标准的完备性,从而帮助本国有关专家或部门进一步提高和改善这方面标准的制定。使用定量的分析方法,在对比过程中可以通过值的大小直接获取比较结果,加大了分析结果的可靠性。同时在有新的层次树加入时,不用改变已得到的层次树,仅需要对新的层次树进行加权处理,然后对其节点权重值与其他层次树的进行比较分析,大大简化了分析的过程。
附图说明
图1为本发明提供的一种比较多棵层次树完备性的加权评价方法的流程框图。
图2为本发明实施例中针对农产品数据集生成的层次树的抽象图;
其中,叶子节点表示农产品,其他节点(即图中的灰色节点)表示农产品类。
图3为本发明实施例中部分农产品根据在中国内地和中国香港中的分类情况生成的层次树。
图4为本发明中对初始层次树添加子树构成新层次树的过程图;
图中,di表示农产品,pij表示农产品di中存在的农药j;将每个农产品中存在农药作为子树的叶子节点添加到农产品节点下构成子树,每棵子树的深度为1;对原层次树中每个叶子节点构造出一棵子树,然后将子树添加进原层次树即得到所需的新层次树,新的层次树形如图中下方的树图。
图5为本发明中对具体实施例构造的层次树添加子树形成新层次树的过程图;
其中,新层次树的叶子节点表示农产品中的农药,其值为该地区制定的该农药在该农产品中的MRL值。
图6为同构部分、异构部分的定义图;
在本发明实施例中仅关注层次树中叶子节点之间的同构或异构组成,两个地区相同农产品中含有的相同农药视为同构部分,含有的不同农药视为异构部分;图中P1、P2、P3为同构部分,其余为异构部分。
具体实施方式
下面结合附图,通过实施例进一步描述本发明,但不以任何方式限制本发明的范围。
本发明提供一种农产品中农药的最大残留限量标准完备性的定量评价方法,通过对数据集构造的层次树进行加权处理建立评价指标IMS。通过对层次树之间节点数值的比较来对不同地区对农产品中农药的MRL标准的制定情况进行比较。在本实施例中选取的数据集为农残数据集,该数据集中包括农产品名称、农产品在不同地区中的所属类别,以及不同地区对农产品在该地区所含农药的最大残留限量(MRL)值制定的标准值。这是一组具备层次属性的数据。
图1为本本发明提供的一种农产品中农药的最大残留限量标准完备性的定量评价方法的流程图,具体包括如下步骤:
步骤1、构建层次树:
1)构建初始层次树:
设有数据集data={d1,d2,d3,…,di,…}(i=1,2,…,n),其中di表示数据集中的数据点。该数据集是一个具有层次结构的数据集,根据其结构特点生成层次树。图2为层次树抽象图。
在具体实施例中以中国内地和中国香港两个地区的农产品为对象进行研究。在要构建的层次树中,以农产品为层次树的叶子节点,其他节点为农产品在某地区的所属类别的名称。为了使用户更加清楚的明白该方法实施过程,以下所有说明中均选取数据集中根茎类农产品和鳞茎类农产品为例进行构图和分析,数据集中其他农产品与这两种农产品构建过程相同。图3所示的层次树是选择中国内地和中国香港中根茎类农产品和鳞茎类农产品为例构建而成。
2)添加子树构建新的层次树:
以每个叶子节点为根节点,分别构建多棵子树,每棵子树的深度均为1。子树的叶子节点由数据中的MRL属性构成,叶子节点的值为MRL值。依次将子树添加到初始层次树中,得到新的层次树,其生成过程如图4所示。
在具体实施例中,生成子树的叶子节点表示该根节点代表的农产品中含有的农药,其值为该地区农药的最大残留限量(MRL)标准值。为了使层次树简洁明了,在此将具体生成过程简化为图5所示,其中Ni表示农产品名,pi表示该农产品中含有的某种农药名。
步骤2、计算节点的权重,生成加权树:
在具体实施例中采取的农残数据集里,农产品在不同地区中包含的农药不会完全相同,为了更好的比较不同地区对食品安全领域的监管力度,首先对农产品中农药做了如下处理。
以两个地区对于农产品的分类构成的层次树为例,定义在两棵层次树中都名称相同的叶子节点为同构部分,对于层次树中特有的叶子节点为异构节点。图6展示的是中国内地和中国香港中某一农产品N1中的同构部分和异构部分节点,其中农药p1、p2、p3是两个地区该农产品中均存在的农药,视为同构部分;其他两个地区中独有的农药均视为异构部分。
1)计算叶子节点权重:
通过比较分析多棵层次树节点之间的相似性和差异性,将叶子节点分成不同的组,对每一组定义一个构造函数:yi=f(x)(i=1,2,…,n)。针对不同分组的叶子节点li,通过为改组定义的构造函数将初始值带入,得到的函数值作为该叶子节点的权重
在具体实施例中,对于同构部分定义对数函数如下:
f(x)=logab (公式2-1)
将同构部分中每个节点带入公式2-1,得到的函数值作为该节点的权重值,该公式中的参数具体含义如下:
对于异构部分的节点,定义常量函数f(x)=1,即对于任何属于异构部分的叶子节点,它们的权重值均为1,定义变量N表示异构部分节点权重值。
2)计算非叶子节点的权重:
非叶子节点权重为该节点下所有孩子节点权重之和,具体计算过程如下:
通过公式2-1得到了层次树中叶子节点的权重,以叶子节点所在层为基础,由下往上,逐层计算非叶子节点的权重。设节点a为非叶子节点,其权重为该公式表示,节点a的权重为该节点下所有孩子节点ci的权重之和。非叶子节点均按此方法计算,直至计算得到根节点权重值为止。
对于具体的数据集,根据实际需要可以对层次树每层添加适当的系数来计算节点权重,即其中j=1,2,3,...,公式中的Uj为用户自定义的比例系数,该值的大小反映了该层数据影响力的大小,在实际计算中,若用户认为j层数据的值对最终的计算结果影响较大,则可添加较大的比例系数提高其影响力
在具体实施例中,首先通过公式2-1得到了层次树中每个叶子节点的权重值,以叶子节点为基础,由下往上逐层计算其他节点的权重。
对于叶子节点的上一层,该层中的节点表示某个农产品,由于这一层的节点中的孩子节点既有同构部分,又有异构部分,且在此实施例中需要得到的是哪个地区在食品安全标准制定得更为完整,而由于不同地区的规章和政策不同,在制定MRL标准时对于不同分类的重视程度不同,本发明通过添加系数来体现制定者对于不同分类的偏重度,例如,有的地区对同构部分更为看重,有的地区对异构部分更为关注,所以在计算时对同构部分值和异构部分值分别添加系数U1和U2,其范围均在0.1-10 之间,则这些节点的权重值为即该节点下孩子节点中所有同构部分节点权重值之和乘上系数 U1加上所有异构部分节点权重值之和乘上系数U2;
对于除上述节点外的其他节点,它们均表示某一农产品类,同样的由于实施例分析要求,对于这些层也添加可调控系数U3,其范围在0.1-10 之间,这些节点的权重值为即该节点下孩子节点中所有孩子节点权重值之和乘上系数U3。
步骤3、通过得到加权数节点之间权重值的比较来评价层次树的完备性,进而分析数据集的完整性。对于具体数据集,选择加权树中合适的节点的权重值进行比较,可以对多棵层次树之间的完备性进行比较,从而比较数据集不同分类依据之间的完整性。
在具体实施例中,通过选取不同节点的权重进行比较,可以比较分析不同地区对农产品中农药MRL值制定的完备性,其节点权重值越大,完备性越好。表2是初始系数均为1时计算得出的根节点权重值、所有叶子节点中同构部分节点权重值之和、所有叶子结点中异构部分节点权重值之和:
表2节点权重值
根节点 | 同构部分 | 异构部分 | |
中国内地 | 136.62 | 105 | 852 |
中国香港 | 165.67 | 194 | 650 |
若在具体分析中,研究人员认为异构部分在计算过程中对于结果来说更为重要,可以将同构部分系数U2调整为2,得到表3如下:
表3异构部分系数为2时的权重值
根节点 | 同构部分 | 异构部分 | |
中国内地 | 982.62 | 330 | 3644 |
中国香港 | 651.67 | 297 | 2032 |
系数反映了这类数据的影响力,例如,若用户认为在同构数据比异构数据在比较完备性时更重要,可通过提高同构数据的系数,加大同构数据在计算时的影响力度。通过对系数的调整,用户可以更好更准确的对数据集进行分析和比较。
本发明的主要内容已通过上述优选实例作了详细介绍。需要注意的是,公布实施例的目的在于帮助进一步理解本发明,但是本领域的技术人员可以理解:在不脱离本发明及所附权利要求的精神和范围内,各种替换和修改都是可能的。因此,本发明不应局限于实施例所公开的内容,本发明要求保护的范围以权利要求书界定的范围为准。
Claims (5)
1.一种农产品中农药的最大残留限量标准完备性的定量评价方法,通过对农药残留数据集构造层次树,进行加权处理,建立评价指标IMS,得到加权层次树之间节点的权重;通过节点权重对农产品中农药残留的MRL标准的制定情况进行比较和评价;包括如下步骤:
步骤1、构建层次树:
设有数据集data={d1,d2,d3,…,di,…},i=1,2,…,n,其中di表示数据集中的数据点;数据集中的数据具有多维属性和层次结构;根据数据结构特点生成层次树;
步骤2、计算层次树节点的权重,生成加权层次树;将层次树中节点的权重作为评价指标IMS;包括:
21)计算层次树中叶子节点的权重:
将叶子节点分成不同的组;对每一组叶子节点定义一个构造函数,表示为式1,将构造函数的函数值作为叶子节点的权重:
yi=f(x) (式1)
其中,x表示节点的值,通过自定义的构造函数将初始值映射为yi,并将该值作为节点的权重;
22)计算非叶子节点的权重:非叶子节点权重为该节点下所有孩子节点权重之和;
步骤3、对得到的加权层次树节点之间的权重进行比较,评价层次树的完备性,节点权重越大表示完备性越好,反之完备性越差。
2.如权利要求1所述的定量评价方法,其特征是,步骤21)将叶子节点分成不同的组,具体地,针对农药残留数据集分不同的组为同构部分和异构部分;若不同地区相同农产品中含有相同农药,为同构部分;若不同地区相同农产品中含有不同农药,为异构部分。
4.如权利要求1所述的定量评价方法,其特征是,步骤22)通过添加调控系数来表示不同组数据的重要性;所述调控系数的取值为0.1-10。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810039029.9A CN108257039B (zh) | 2018-01-16 | 2018-01-16 | 农产品中农药的最大残留限量标准完备性的定量评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810039029.9A CN108257039B (zh) | 2018-01-16 | 2018-01-16 | 农产品中农药的最大残留限量标准完备性的定量评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108257039A CN108257039A (zh) | 2018-07-06 |
CN108257039B true CN108257039B (zh) | 2021-07-02 |
Family
ID=62740884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810039029.9A Active CN108257039B (zh) | 2018-01-16 | 2018-01-16 | 农产品中农药的最大残留限量标准完备性的定量评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108257039B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111615978B (zh) * | 2020-06-11 | 2022-05-24 | 贵州大学 | 基于静电喷雾防治茶小绿叶蝉的茶园唑虫酰胺施用量的计算方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105224656A (zh) * | 2015-09-30 | 2016-01-06 | 北京工商大学 | 一种针对两类层次数据的对比关联可视分析方法和应用 |
CN105354335A (zh) * | 2015-12-08 | 2016-02-24 | 北京工商大学 | 针对时变层次数据的时变树图布局方法和应用 |
CN106874407A (zh) * | 2017-01-19 | 2017-06-20 | 北京工商大学 | 基于概念层次树的农残数据融合处理方法及其*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI613445B (zh) * | 2016-04-01 | 2018-02-01 | 行政院農業委員會農業藥物毒物試驗所 | 搭配質譜影像分析檢驗農藥殘留之方法及其系統 |
-
2018
- 2018-01-16 CN CN201810039029.9A patent/CN108257039B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105224656A (zh) * | 2015-09-30 | 2016-01-06 | 北京工商大学 | 一种针对两类层次数据的对比关联可视分析方法和应用 |
CN105354335A (zh) * | 2015-12-08 | 2016-02-24 | 北京工商大学 | 针对时变层次数据的时变树图布局方法和应用 |
CN106874407A (zh) * | 2017-01-19 | 2017-06-20 | 北京工商大学 | 基于概念层次树的农残数据融合处理方法及其*** |
Non-Patent Citations (3)
Title |
---|
Comparison of Multiple Weighted Hierarchies:Visual Analytics for Microbe Community Profiling;K. Dinkla 等;《Computer Graphics Forum》;20110628;第30卷(第3期);第1141-1150页 * |
Interactive Visual Comparison of Multiple Trees;Sebastian Bremm 等;《IEEE》;20111015;第31-40页 * |
树图布局算法的比较与优化研究;陈谊 等;《计算机辅助设计与图形学学报》;20131130;第25卷(第11期);第1623-1634页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108257039A (zh) | 2018-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111814707B (zh) | 一种作物叶面积指数反演方法及装置 | |
Martinkus et al. | Spectre: Spectral conditioning helps to overcome the expressivity limits of one-shot graph generators | |
CN107462785B (zh) | 基于ga-svm的电能质量多扰动信号分类识别方法 | |
Onwubolu | GMDH-methodology and implementation in MATLAB | |
CN103208001A (zh) | 结合形状自适应邻域和纹理特征提取的遥感图像处理方法 | |
CN104933156A (zh) | 一种基于共享近邻聚类的协同过滤方法 | |
CN111428848A (zh) | 基于自编码器和3阶图卷积的分子智能设计方法 | |
CN108257039B (zh) | 农产品中农药的最大残留限量标准完备性的定量评价方法 | |
Yakimov et al. | Multifractal analysis of neutral community spatial structure | |
CN101533475A (zh) | 一种基于形状自适应邻域的遥感图像特征提取方法 | |
Mehdizadeh | Ranking of customer requirements using the fuzzy centroid‐based method | |
Kumar et al. | Comparative analysis of SOM neural network with K-means clustering algorithm | |
CN108228978A (zh) | 结合互补集合经验模态分解的Xgboost时间序列预测方法 | |
CN113139511B (zh) | 水土保持生产建设项目扰动图斑提取方法、介质和设备 | |
CN113901705A (zh) | 一种火灾风险评估方法、装置、终端设备及存储介质 | |
CN110705613B (zh) | 物体分类方法 | |
CN111666999A (zh) | 一种遥感图像的分类方法 | |
CN117093849A (zh) | 一种基于自动生成模型的数字矩阵特征分析方法 | |
Liu et al. | The man-hour estimation models & its comparison of interim products assembly for shipbuilding | |
CN107944045B (zh) | 基于t分布哈希的图像检索方法及*** | |
CN116343048A (zh) | 针对平原作物类型复杂区地块边界精准提取方法及*** | |
Li et al. | Investigating aesthetic features to model human preference in evolutionary art | |
Boyang et al. | A design method of RBF neural network based on KNN-DPC | |
CN114118267A (zh) | 基于半监督生成对抗网络的文物感知数据缺失值插补方法 | |
Baitinger et al. | New Concepts in Financial Forecasting: Network-Based Information, Topological Data Analysis and their Combination |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |