CN109026130A - 一种矿井瓦斯数据异常的识别方法 - Google Patents
一种矿井瓦斯数据异常的识别方法 Download PDFInfo
- Publication number
- CN109026130A CN109026130A CN201810938698.XA CN201810938698A CN109026130A CN 109026130 A CN109026130 A CN 109026130A CN 201810938698 A CN201810938698 A CN 201810938698A CN 109026130 A CN109026130 A CN 109026130A
- Authority
- CN
- China
- Prior art keywords
- gas
- data
- mine
- recognition methods
- value
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 29
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 238000004519 manufacturing process Methods 0.000 claims abstract description 6
- 230000000694 effects Effects 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 206010011416 Croup infectious Diseases 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 201000010549 croup Diseases 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000003756 stirring Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 229910017435 S2 In Inorganic materials 0.000 claims 1
- 239000007789 gas Substances 0.000 abstract description 71
- 230000008030 elimination Effects 0.000 abstract 1
- 238000003379 elimination reaction Methods 0.000 abstract 1
- 239000012495 reaction gas Substances 0.000 abstract 1
- 239000003245 coal Substances 0.000 description 4
- 239000004744 fabric Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F7/00—Methods or devices for drawing- off gases with or without subsequent use of the gas for any purpose
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marine Sciences & Fisheries (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
Abstract
本发明公开了安全生产技术领域的一种矿井瓦斯数据异常的识别方法,该识别方法的具体步骤如下:S1:瓦斯浓度移动平均线建立;S2:反应瓦斯浓度变动的快慢程度;S3:通过方差计算瓦斯浓度偏离程度;S4:取全部时间序列数据进行分析;S5:对数据进行逐差处理并取其特征值;S6:针对异常可疑值进行判断和分析;S7:异常数据剔除减少屏蔽效应,本发明通过对矿井内瓦斯突出前夕瓦斯浓度变化的特性,实现对矿井内瓦斯突出的预测预报,同时针对瓦斯在不同时间序列中的瓦斯监测数据进行抽取、逐差处理,得到可疑监测数据,基于移动平均线分析判断瓦斯浓度是否超过规定的报警浓度和断电浓度临界值,其识别方法简单有效,识别的结果准确率高。
Description
技术领域
本发明公开了一种矿井瓦斯数据异常的识别方法,具体为安全生产技术领域。
背景技术
瓦斯是煤矿的主要灾害之一,其严重威胁煤矿的安全生产,经过研究发现,在瓦斯突出之前,工作面的瓦斯浓度往往会发生一些异常,但是瓦斯的浓度并不超限,容易被忽视。瓦斯浓度数据之间有着较强的顺序依赖性和前后继承性,瓦斯浓度数据的先前状态信号特征中包含后续状态的特征信息。工作面瓦斯浓度的变化反映了工作面煤壁内部的煤矿工作应力、瓦斯压力以及煤体力学性质等因素的变化情况。为此,我们提出了一种矿井瓦斯数据异常的识别方法投入使用,以解决上述问题。
发明内容
本发明的目的在于提供一种矿井瓦斯数据异常的识别方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种矿井瓦斯数据异常的识别方法,该识别方法的具体步骤如下:
S1:利用移动平均线反应矿井内瓦斯浓度的变化情况,即瓦斯浓度在突出前,其监测数据的变化趋势就会持续一段时间,直到外力迫使其改变这一趋势;
S2:引入瓦斯浓度监测数据变动率ROC,用于反应瓦斯浓度变动的快慢程度;
S3:通过计算方差反应瓦斯浓度当前偏离均值的程度,其值越大,瓦斯浓度的变化幅度就越大,反之则越小;
S4:取一矿井内测点的全部时间序列数据进行分析,记为Y={Y1,Y2,…,Ym},若监测频率的变化随机率较大,则对数据按常规监测频率变化抽样;
S5:对Y={Y1,Y2,…,Ym}中的数据按Xi=Yi+1-Y进行逐差处理,若部分时段监测数据缺失,将其后的数据重新逐差处理,获得数据构成样本空间X={X1,X2,…,Xn},且服从或近似服从正态分布,其特征值为:
S6:运用小概率法确定X的可疑值分布区间,取显著性水平α=5%,根据α和X的分布函数,得当X>Xmax或X<Xmin,则X可疑;
S7:出现异常数据后,采取紧急处理措施,确保生产安全,下次使用时,则将异常数据剔除,按同样的方法进行检验,避免异常值间的屏蔽效应。
优选的,所述步骤S1中,移动平均线的计算公式为式中为n个瓦斯浓度检测数据平均值,n为一段时间内瓦斯浓度监测数据记录个数,Ci中第i个瓦斯浓度监测数据记录。
优选的,所述步骤S2中,在瓦斯浓度监测数据变动率ROC只含有一个时间参数N,代表同多少时间之前的瓦斯浓度进行比较,其计算公式为式中ROC(n)为n个时间内瓦斯浓度数据变动率,Ct为t时刻瓦斯浓度监测数据,C(t-n)为(t-n)时刻瓦斯监测数据。
优选的,所述步骤S3中,方差的计算公式为式中S2为瓦斯浓度监测数据样本的方差,为监测瓦斯浓度数据样本的均值。
优选的,所述步骤S5中,当Xi与Xi+1均可疑,则Yi+1为尖点型异常值;当Xi单点可疑时,则Yi+1为台阶型异常值,对异常值的分析与处理,将由疏忽误差造成的异常值进行剔除,并对监测***进行调校。
优选的,所述步骤S6中,针对异常数据的识别还可采用格鲁布斯法,即将瓦斯分析数据由小到大排列:X1,X2,X3,X4…Xn-1,Xn+1,其中可疑值为X1或Xn,先计算处改组数据的平均值和标准偏差S,再计算统计量,根据事先确定的置信度和测定次数查表,若G大于所查的数值,则相对于G的X1或Xn为异常值。
优选的,所述步骤S7中,建立瓦斯变动率曲线图,若曲线图的波峰与波谷变化较为平缓,拨动属于常态范围内,则瓦斯的变化率属于正常时期,若若曲线图的波峰与波谷变化较为显著,说明瓦斯即将突出,瓦斯浓度变化愈加频繁,对瓦斯突出作出预警。
与现有技术相比,本发明的有益效果是:本发明通过对矿井内瓦斯突出前夕瓦斯浓度变化的特性,实现对矿井内瓦斯突出的预测预报,同时针对瓦斯在不同时间序列中的瓦斯监测数据进行抽取、逐差处理,得到可疑监测数据,基于移动平均线分析判断瓦斯浓度是否超过规定的报警浓度和断电浓度临界值,其识别方法简单有效,识别的结果准确率高。
附图说明
图1为本发明工作流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明提供一种技术方案:一种矿井瓦斯数据异常的识别方法,该识别方法的具体步骤如下:
S1:利用移动平均线反应矿井内瓦斯浓度的变化情况,即瓦斯浓度在突出前,其监测数据的变化趋势就会持续一段时间,直到外力迫使其改变这一趋势,移动平均线的计算公式为式中为n个瓦斯浓度检测数据平均值,n为一段时间内瓦斯浓度监测数据记录个数,Ci中第i个瓦斯浓度监测数据记录;
S2:引入瓦斯浓度监测数据变动率ROC,用于反应瓦斯浓度变动的快慢程度,在瓦斯浓度监测数据变动率ROC只含有一个时间参数N,代表同多少时间之前的瓦斯浓度进行比较,其计算公式为式中ROC(n)为n个时间内瓦斯浓度数据变动率,Ct为t时刻瓦斯浓度监测数据,C(t-n)为(t-n)时刻瓦斯监测数据;
S3:通过计算方差反应瓦斯浓度当前偏离均值的程度,其值越大,瓦斯浓度的变化幅度就越大,反之则越小,方差的计算公式为 式中S2为瓦斯浓度监测数据样本的方差,为监测瓦斯浓度数据样本的均值;
S4:取一矿井内测点的全部时间序列数据进行分析,记为Y={Y1,Y2,…,Ym},若监测频率的变化随机率较大,则对数据按常规监测频率变化抽样;
S5:对Y={Y1,Y2,…,Ym}中的数据按Xi=Yi+1-Y进行逐差处理,若部分时段监测数据缺失,将其后的数据重新逐差处理,获得数据构成样本空间X={X1,X2,…,Xn},且服从或近似服从正态分布,其特征值为: 当Xi与Xi+1均可疑,则Yi+1为尖点型异常值;当Xi单点可疑时,则Yi+1为台阶型异常值,对异常值的分析与处理,将由疏忽误差造成的异常值进行剔除,并对监测***进行调校;
S6:运用小概率法确定X的可疑值分布区间,取显著性水平α=5%,根据α和X的分布函数,得当X>Xmax或X<Xmin,则X可疑,针对异常数据的识别还可采用格鲁布斯法,即将瓦斯分析数据由小到大排列:X1,X2,X3,X4…Xn-1,Xn+1,其中可疑值为X1或Xn,先计算处改组数据的平均值和标准偏差S,再计算统计量,根据事先确定的置信度和测定次数查表,若G大于所查的数值,则相对于G的X1或Xn为异常值;
S7:出现异常数据后,采取紧急处理措施,确保生产安全,下次使用时,则将异常数据剔除,按同样的方法进行检验,避免异常值间的屏蔽效应,建立瓦斯变动率曲线图,若曲线图的波峰与波谷变化较为平缓,拨动属于常态范围内,则瓦斯的变化率属于正常时期,若若曲线图的波峰与波谷变化较为显著,说明瓦斯即将突出,瓦斯浓度变化愈加频繁,对瓦斯突出作出预警。
本发明通过对矿井内瓦斯突出前夕瓦斯浓度变化的特性,实现对矿井内瓦斯突出的预测预报,同时针对瓦斯在不同时间序列中的瓦斯监测数据进行抽取、逐差处理,得到可疑监测数据,基于移动平均线分析判断瓦斯浓度是否超过规定的报警浓度和断电浓度临界值,其识别方法简单有效,识别的结果准确率高。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种矿井瓦斯数据异常的识别方法,其特征在于:该识别方法的具体步骤如下:
S1:利用移动平均线反应矿井内瓦斯浓度的变化情况,即瓦斯浓度在突出前,其监测数据的变化趋势就会持续一段时间,直到外力迫使其改变这一趋势;
S2:引入瓦斯浓度监测数据变动率ROC,用于反应瓦斯浓度变动的快慢程度;
S3:通过计算方差反应瓦斯浓度当前偏离均值的程度,其值越大,瓦斯浓度的变化幅度就越大,反之则越小;
S4:取一矿井内测点的全部时间序列数据进行分析,记为Y={Y1,Y2,…,Ym},若监测频率的变化随机率较大,则对数据按常规监测频率变化抽样;
S5:对Y={Y1,Y2,…,Ym}中的数据按Xi=Yi+1-Y进行逐差处理,若部分时段监测数据缺失,将其后的数据重新逐差处理,获得数据构成样本空间X={X1,X2,…,Xn},且服从或近似服从正态分布,其特征值为:
S6:运用小概率法确定X的可疑值分布区间,取显著性水平α=5%,根据α和X的分布函数,得当X>Xmax或X<Xmin,则X可疑;
S7:出现异常数据后,采取紧急处理措施,确保生产安全,下次使用时,则将异常数据剔除,按同样的方法进行检验,避免异常值间的屏蔽效应。
2.根据权利要求1所述的一种矿井瓦斯数据异常的识别方法,其特征在于:所述步骤S1中,移动平均线的计算公式为式中为n个瓦斯浓度检测数据平均值,n为一段时间内瓦斯浓度监测数据记录个数,Ci中第i个瓦斯浓度监测数据记录。
3.根据权利要求1所述的一种矿井瓦斯数据异常的识别方法,其特征在于:所述步骤S2中,在瓦斯浓度监测数据变动率ROC只含有一个时间参数N,代表同多少时间之前的瓦斯浓度进行比较,其计算公式为式中ROC(n)为n个时间内瓦斯浓度数据变动率,Ct为t时刻瓦斯浓度监测数据,C(t-n)为(t-n)时刻瓦斯监测数据。
4.根据权利要求1所述的一种矿井瓦斯数据异常的识别方法,其特征在于:所述步骤S3中,方差的计算公式为式中S2为瓦斯浓度监测数据样本的方差,为监测瓦斯浓度数据样本的均值。
5.根据权利要求1所述的一种矿井瓦斯数据异常的识别方法,其特征在于:所述步骤S5中,当Xi与Xi+1均可疑,则Yi+1为尖点型异常值;当Xi单点可疑时,则Yi+1为台阶型异常值,对异常值的分析与处理,将由疏忽误差造成的异常值进行剔除,并对监测***进行调校。
6.根据权利要求1所述的一种矿井瓦斯数据异常的识别方法,其特征在于:所述步骤S6中,针对异常数据的识别还可采用格鲁布斯法,即将瓦斯分析数据由小到大排列:X1,X2,X3,X4…Xn-1,Xn+1,其中可疑值为X1或Xn,先计算处改组数据的平均值和标准偏差S,再计算统计量,根据事先确定的置信度和测定次数查表,若G大于所查的数值,则相对于G的X1或Xn为异常值。
7.根据权利要求1所述的一种矿井瓦斯数据异常的识别方法,其特征在于:所述步骤S7中,建立瓦斯变动率曲线图,若曲线图的波峰与波谷变化较为平缓,拨动属于常态范围内,则瓦斯的变化率属于正常时期,若若曲线图的波峰与波谷变化较为显著,说明瓦斯即将突出,瓦斯浓度变化愈加频繁,对瓦斯突出作出预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810938698.XA CN109026130A (zh) | 2018-08-17 | 2018-08-17 | 一种矿井瓦斯数据异常的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810938698.XA CN109026130A (zh) | 2018-08-17 | 2018-08-17 | 一种矿井瓦斯数据异常的识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109026130A true CN109026130A (zh) | 2018-12-18 |
Family
ID=64630756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810938698.XA Pending CN109026130A (zh) | 2018-08-17 | 2018-08-17 | 一种矿井瓦斯数据异常的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109026130A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163442A (zh) * | 2019-05-27 | 2019-08-23 | 华北理工大学 | 一种基于集成学习的气井积液预测方法 |
CN111582603A (zh) * | 2020-05-19 | 2020-08-25 | 中煤科工集团重庆研究院有限公司 | 基于多源信息融合的煤与瓦斯突出的智能预警方法 |
CN112963205A (zh) * | 2021-03-15 | 2021-06-15 | 太原理工大学 | 一种煤矿采空区瓦斯燃烧应急处理***及方法 |
CN113506007A (zh) * | 2021-07-19 | 2021-10-15 | 上海抉真网络科技有限责任公司 | 钻井式数据采样方法及其在大数据价值风险评估中的应用 |
CN113743486A (zh) * | 2021-08-23 | 2021-12-03 | 北京科技大学 | 应用炮后瓦斯浓度预测掘进头煤与瓦斯突出危险的方法 |
CN116070163A (zh) * | 2023-03-07 | 2023-05-05 | 深圳市特安电子有限公司 | 一种室内有害气体浓度异常监测数据处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070080645A (ko) * | 2006-02-08 | 2007-08-13 | 주식회사 두인아이티 | 농산물 생산계획을 위한 실시간 통계 시스템 |
CN106296435A (zh) * | 2016-08-18 | 2017-01-04 | 西安科技大学 | 一种矿井瓦斯监测异常数据识别方法 |
CN106845447A (zh) * | 2017-02-19 | 2017-06-13 | 辽宁工程技术大学 | 一种工作面瓦斯浓度预测预警方法 |
-
2018
- 2018-08-17 CN CN201810938698.XA patent/CN109026130A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070080645A (ko) * | 2006-02-08 | 2007-08-13 | 주식회사 두인아이티 | 농산물 생산계획을 위한 실시간 통계 시스템 |
CN106296435A (zh) * | 2016-08-18 | 2017-01-04 | 西安科技大学 | 一种矿井瓦斯监测异常数据识别方法 |
CN106845447A (zh) * | 2017-02-19 | 2017-06-13 | 辽宁工程技术大学 | 一种工作面瓦斯浓度预测预警方法 |
Non-Patent Citations (2)
Title |
---|
邹晓磊 等: "大坝监测数据异常值识别方法探讨", 《水电能源科学》 * |
骆大勇 等: "基于瓦斯浓度监测异常数据预报煤与瓦斯突出", 《煤炭与化工》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163442A (zh) * | 2019-05-27 | 2019-08-23 | 华北理工大学 | 一种基于集成学习的气井积液预测方法 |
CN111582603A (zh) * | 2020-05-19 | 2020-08-25 | 中煤科工集团重庆研究院有限公司 | 基于多源信息融合的煤与瓦斯突出的智能预警方法 |
CN112963205A (zh) * | 2021-03-15 | 2021-06-15 | 太原理工大学 | 一种煤矿采空区瓦斯燃烧应急处理***及方法 |
CN113506007A (zh) * | 2021-07-19 | 2021-10-15 | 上海抉真网络科技有限责任公司 | 钻井式数据采样方法及其在大数据价值风险评估中的应用 |
CN113506007B (zh) * | 2021-07-19 | 2022-05-20 | 上海抉真网络科技有限责任公司 | 钻井式数据采样方法及其在大数据价值风险评估中的应用 |
CN113743486A (zh) * | 2021-08-23 | 2021-12-03 | 北京科技大学 | 应用炮后瓦斯浓度预测掘进头煤与瓦斯突出危险的方法 |
CN113743486B (zh) * | 2021-08-23 | 2023-09-29 | 北京科技大学 | 应用炮后瓦斯浓度预测掘进头煤与瓦斯突出危险的方法 |
CN116070163A (zh) * | 2023-03-07 | 2023-05-05 | 深圳市特安电子有限公司 | 一种室内有害气体浓度异常监测数据处理方法 |
CN116070163B (zh) * | 2023-03-07 | 2023-07-11 | 深圳市特安电子有限公司 | 一种室内有害气体浓度异常监测数据处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109026130A (zh) | 一种矿井瓦斯数据异常的识别方法 | |
US4495585A (en) | Method of and apparatus for indicating characteristics of undulating data | |
CN108920429B (zh) | 一种水位动态监测的异常数据分析方法 | |
CN110990393A (zh) | 一种行业企业数据异常行为的大数据识别方法 | |
Tagaras et al. | Economic design of control charts with different control limits for different assignable causes | |
Liguori et al. | Towards the evaluation of the measurement uncertainty of environmental acoustic noise | |
Van der Heijden et al. | Linear constrain relations in biochemical reaction systems III. Sequential application of data reconciliation for sensitive detection of systematic errors | |
CN116985183A (zh) | 一种近红外光谱分析仪质量监测管理方法及*** | |
Cooke | Parameter fitting for uncertain models: modelling uncertainty in small models | |
Lee et al. | Chaos in air pollutant concentration (APC) time series | |
US7795599B2 (en) | Radioactivity monitoring apparatus and method | |
US7987395B2 (en) | Evaluation method of random error distribution and evaluation apparatus thereof | |
CN112016045B (zh) | 纳秒级脉冲功率计数据处理方法 | |
CN111913463B (zh) | 一种核电厂化学容积控制***状态监测方法 | |
CN114090949A (zh) | 一种鲁棒的振动信号特征值计算方法 | |
CN116448062B (zh) | 一种桥梁沉降变形检测方法、装置、计算机及存储介质 | |
Kosela et al. | Tracking of Spermatozoa by YOLOv5 Detection and StrongSORT with OSNet Tracker. | |
US6082169A (en) | Method for detecting water meter malfunction, calculating the duration thereof, and device for implementing same | |
Hild et al. | A statistical veto method employing an amplitude consistency check | |
Ahmad et al. | Parameter Estimation for Exponential Distributions via Moment Generating Functions in the Presence of Outliers | |
Hirschberg et al. | A selection criterion for choosing between functional forms of income distribution | |
Machaj et al. | Principal component data processing in radon metrology | |
JPH06180369A (ja) | 多重波高分析装置および放射線監視装置 | |
Matthes | Some applications of stochastic processes in neutron coincidence: measurements used in nuclear safeguards | |
Brunson | Applications of a versatile new instrument module |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181218 |