CN109031403B - 一种基于s-k特征的钻孔应变数据异常提取方法 - Google Patents
一种基于s-k特征的钻孔应变数据异常提取方法 Download PDFInfo
- Publication number
- CN109031403B CN109031403B CN201810948652.6A CN201810948652A CN109031403B CN 109031403 B CN109031403 B CN 109031403B CN 201810948652 A CN201810948652 A CN 201810948652A CN 109031403 B CN109031403 B CN 109031403B
- Authority
- CN
- China
- Prior art keywords
- data
- strain
- kurtosis
- degree
- borehole
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 14
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 10
- 230000004075 alteration Effects 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000010200 validation analysis Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims 1
- 239000002243 precursor Substances 0.000 abstract description 7
- 230000003203 everyday effect Effects 0.000 abstract description 3
- 230000005856 abnormality Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 abstract description 2
- 230000002159 abnormal effect Effects 0.000 description 9
- 230000002354 daily effect Effects 0.000 description 9
- 238000005553 drilling Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/01—Measuring or predicting earthquakes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明属于地震前兆观测数据异常检测领域，具体地来讲为一种基于S‑K特征的钻孔应变数据异常提取方法，首先是将同一台站的钻孔应变数据序列进行面应变换算，对换算后的数据进行调和分析处理；将处理后的面应变数据差分计算制成样本数据；并计算每一天的面应变样本数据的偏度和峰度；将得到的偏度和峰度画在一个平面内，并发现其呈现出的抛物线关系；基于这个关系，发现大多数天的平稳数据的偏度峰度都在零附近，故定义了一个地壳平稳时的背景并计算每一天与背景的偏移程度。通过本发明能够有效的对钻孔应变数据进行分析，对可能的地震前兆异常进行提取。
Description
技术领域
本发明属于地震前兆观测数据异常检测领域，具体地来讲为一种基于S-K 特征的钻孔应变数据异常提取方法。
背景技术
我国的钻孔应变观测起步较早，特别是首创的水平四分量钻孔应变仪，设计理念具有国际领先水平。国家“十五”期间，这种四分量钻孔应变仪观测点发展较快，已经从原来屈指可数的几个观测点增加到50多个。其中一些观测点已经开始产出高质量的资料。中国地震局地震监测网络的首要目的是地震预测预报。地震预报研究的一个重要发展方向，是从“经验预报”向物理预报转变。连续地应变观测资料正是物理预报赖以进行的依据。地震预报的另一个发展方向，是解决短临前兆问题。在数种主流大地测量观测方法(测震、GPS和钻孔应变观测)中，钻孔应变仪也正是在数月至数小时时段上观测精度最高。除此之外，钻孔应变观测在避免地面干扰、少占用地等方面也具有优势。
CN106918836A公开了一种基于主成分分析的钻孔应变数据异常提取方法，首先是将同一台站的钻孔应变数据序列进行应变换算，对换算后的数据进行预处理；将预处理后的钻孔应变数据构造成一个矩阵；并对每一天的矩阵进行主成分分析，以获取每个矩阵的特征值和特征向量；将得到的特征值与计算出来的特征向量角度与地震事件相对应，以得到异常的检测结果。通过本发明能够有效的利用主成分分析的方法对钻孔应变数据进行分析，根据钻孔应变各测项的相关性，对可能的地震前兆异常进行提取。本发明钻孔应变数据异常提取方法，利用主成分分析中的特征值和特征向量角度分别将地壳的微弱变化表征出来；实现了在有较强背景干扰的情况下对钻孔应变数据异常的精确提取。
根据长期的观测资料和经验，一般认为短周期的高频信息在无其他干扰因素的条件下，多表现为一种服从正态分布的随机信号。从统计的角度分析，在去除趋势变化后，且无其他影响因素存在的条件下，观测资料变化值服从正态分布。偏度和峰度就是统计学中描述数据分布偏离正态分布的两个参数，基于这一特性，本发明提出了一种提取钻孔应变数据中异常的方法。到目前为止，尚未见有关于偏度和峰度的方法对钻孔应变数据进行异常提取的报道。
发明内容
本发明所要解决的技术问题在于提供一种基于S-K特征的钻孔应变数据异常提取方法，能够有效的对钻孔应变数据进行分析，对可能的地震前兆异常进行提取。
本发明是这样实现的，一种基于S-K特征的钻孔应变数据异常提取方法，包括如下步骤：
a、对钻孔应变数据进行数据有效性的验证，若为有效，则进行下一步；
b、对钻孔应变数据进行面应变换算与调和分析去低频信息；
c、对处理后数据差分计算并制作样本数据；
d、计算每天样本数据的偏度和峰度；
e、将偏度和峰度画在S-K平面内；
f、输入S-K平面散点图；
g、定义一个地壳平静背景圆；
h、计算每天样本数据偏离背景的程度，定义为S-K偏差；
i、输出随时间变化的S-K偏差曲线。
进一步地，步骤a所述的录入钻孔应变数据是选取一个台站的四分量钻孔应变数据，制作成按照分钟值采样的时间序列，数据有效性验证是按照不同分量，表示为S1,S2,S3,S4；根据由带孔平板弹性理论模型导出的圆孔径向变形与区域应力的关系式，对钻孔应变数据进行自洽分析。
进一步地，步骤b所述对钻孔应变数据进行应变换算式根据下式(2)将四分量钻孔应变观测数据换算成面应变Sa：
Sa(t)＝(S1(t)+S2(t)+S3(t)+S4(t))/2 (2)。
进一步地，步骤b中所述调和分析用来去除数据中固体潮低频信息的周期项, 其调和分析函数S(t)表达式为：
其中A0为时间序列的直流分量，m为谐波的次数，系数Am,Bm是权重因子，表示各次谐波对总序列的贡献。
进一步地，差分表达式为：
DSa(t)＝(Sa(t+1)-S(t+1))-(Sa(t)-S(t))， (4)
，按天分段制成N天的样本数据DS(N)，其中DS(N)表示差分后的面应变。
进一步地，计算每天样本数据的偏度和峰度，利用统计学上高阶累积量的算法计算，定义现有随机变量x，其均值是μ，方差是σ，则偏度和峰度表达式如下：
其中，随机变量x取自样本数据，sk为偏度，ku为峰度，正态分布的偏度为 0，若数据分布是对称的，偏度为0，若偏度>0,则分布为右偏；若偏度<0，则分布为左偏，同时偏度的绝对值越大，说明分布的偏移程度越严重。
进一步地，定义一个地壳平静背景圆包括：S-K平面内所有的点中去掉一部分的极端点，剩余点求坐标参数的平均值作为圆点，坐标参数的标准差的平均值作为圆的半径。
本发明与现有技术相比，有益效果在于：本发明公开的基于偏度和峰度的钻孔应变数据异常提取方法，第一次从数据分布上分析钻孔应变数据，并第一次把偏度峰度和数据的物理意义对应，深入的了解了钻孔应变数据；第一次发现钻孔应变数据的偏度和峰度成抛物线关系，并定义了合适背景，计算了每天面应变与背景的随时间的偏差，提出了有效的提取分布异常的方法。
采用该方法能够对可能的地震前兆异常进行提取，根据以往发生地震前的数据分析，能否正确的提取地震前数据的异常。
附图说明
图1是基于S-K特征的钻孔应变数据异常提取方法流程图。
图2是姑咱地震前兆监测台站与汶川地震震中位置示意图。
图3是2007年1月1日到2009年7月1日的钻孔应变面应变的差分数据。
图4是2007年1月1日到2009年7月1日的钻孔应变面应变的差分数据的每天的偏度(a)峰度(b)。
图5是所有时间内的S-K平面图；
图6是2007年1月1日到2009年7月1日的S-K偏差曲线。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例
针对汶川地震，以四川地区地震前兆监测台站中姑咱台的钻孔应变数据为例。姑咱台站与汶川地震震中位置如图2所示。该数据由YRY四分量钻孔应变仪测得，采样一分钟一次，研究的时间段为2007年1月1日至2009年7月1日。参见图1所示：
步骤一、录入钻孔应变数据,并进行数据有效性的验证，是，进行下一步，录入钻孔应变数据是选取一个台站的四分量钻孔应变数据，制作成按照分钟值采样的时间序列。数据有效性验证是按照不同分量，具体为：
录入姑咱台站2007年1月1日至2013年7月1日钻孔应变分钟值时间序列，按照北南分量、东西分量、北东分量、北西分量的顺序将数据分别记为S1,S2,S3,S4；根据由带孔平板弹性理论模型导出的圆孔径向变形与区域应力的关系式，对钻孔应变数据进行自洽分析，其关系式为：
S1+S3＝k(S2+S4)， (1)
计算出的k值，选取自洽系数k在0.9以上的数据为有效数据，由k≥0.9可知姑咱台站2007年1月1日至2013年12月31日钻孔应变分钟值数据有效。
步骤二、对钻孔应变数据进行面应变换算与调和分析处理：对钻孔应变数据进行应变换算是根据公式(2)将四分量钻孔应变观测数据换算成面应变Sa。
Sa(t)＝(S1(t)+S2(t)+S3(t)+S4(t))/2， (2)
然后，应用调和分析是用来去除数据中固体潮等低频信息的周期项。其调和分析函数S(t)表达式为：
其中A0为时间序列的直流分量，m为谐波的次数，系数Am,Bm是权重因子，表示各次谐波对总序列的贡献。原始数据减去拟合后的周期数据(调和分析后数据)就是想要的处理后数据。
步骤三、对处理后数据取差分。其差分表达式为：
DSa(t)＝(Sa(t+1)-S(t+1))-(Sa(t)-S(t))， (4)
然后，按天分段制成N天的样本数据DS(N),DS(N)表示表示差分后的面应变，其中2007年的1月1日到2009年7月1日的样本数据如图3所示。
步骤四、计算每天样本数据的偏度、峰度。这两个参数是利用统计学上高阶累积量的算法计算的，现有随机变量x，其均值是μ，方差是σ，表达式如下：
这里的μ，σ分别是样本数据DS(N)的平均值和方差，sk为偏度，ku为峰度。针对面应变差分数据，如果当天的样本数据满足对称分布的的，当天偏度 sk为0，若偏度>0，则认为分布为右偏，即地壳有受拉张的趋势；若偏度<0，则可认为分布为左偏，即地壳有受挤压的趋势，同时偏度的绝对值越大，说明分布的偏移程度越严重。当峰度ku>0，从形态上看，它相比于正态分布要更陡峭或尾部更厚，这个分布往往比正态分布的尾部具有更大的“质量”，即含有更多的极端值；而峰度ku<0,从形态山看，则它相比于正态分布更平缓或尾部更薄。其中姑咱台站2007年1月1日至2009年7月1日的样本数据的偏度峰度分别如图4(a)和图4(b)所示。
步骤五、将偏度、峰度画在S-K平面上，是将每天样本数据的偏度作为横坐标，峰度作为纵坐标，横纵坐标确定了一个点，将该点代表该天样本数据的分布状态。步骤五就是将所有的(S,K)画在一个平面。发现总体上，偏度和峰度呈现抛物线关系。将峰度看作是偏度的函数，再将峰度在偏度为零处进行泰勒展开，可以解释钻孔形变的面应变差分数据在S-K平面有一种成抛物线的非线性关系。事实上，不仅是面应变差分曲线，面应变原始曲线，观测曲线及观测曲线的差分形式均有此关系。。
步骤六、输出S-K平面图，所有时间段内的S-K平面图如图5所示，灰色点是全部时间内的(S,K)，深黑点是汶川地震研究时间段的(S,K)，可以看到汶川前的数据大多分布在抛物线的左侧，意味着汶川地震前大多数天都受挤压力的影响。
步骤七、因为要判断异常，必然要有一个判断异常的标准。理论上，高斯分布的偏度峰度都为零。没有异常的平静天里，钻孔面应变的样本数据是满足准高斯分布的。所以，在S-K平面上，定义了一个地壳平静背景。这里将背景定义为一个圆，在所有的点中去掉一部分的极端点，剩余相对平稳的点求剩余点坐标参数的平均值作为圆点，剩余点坐标参数的标准差的平均值作为圆的半径。这样背景圆为：
图5上部分的小图是背景处的放大，灰色阴影是定义的地壳平静背景圆。
步骤八、计算每天偏离背景的程度。步骤七定义了一个背景圆，认为这个圆就是阈值，在圆内的点就是正常值，在圆外的点就是异常值。为了判断异常的状态，这里的状态是指既要判断异常点与圆的距离，又要判断异常点是在抛物线的左侧还是右侧。所以，定义了一个偏移D。D的表达式为：
根号下的部分代表异常的大小，前面乘以偏度的符号代表异常的方向。
步骤九、输出姑咱台站2007年1月1日至2009年7月1日的样本数据的S-K偏差随时间变化的偏移曲线。可以看出汶川地震前偏差一直为很大的负值，说明其观测地区地壳一直长期主要受到挤压力的作用。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于S-K特征的钻孔应变数据异常提取方法，其特征在于，包括如下步骤：
a、对钻孔应变数据进行数据有效性的验证，若为有效，则进行下一步；
b、对钻孔应变数据进行面应变换算与调和分析去低频信息；
c、对处理后数据差分计算并制作样本数据；
d、计算每天样本数据的偏度和峰度；
e、将偏度和峰度画在S-K平面内；
f、输入S-K平面散点图；
g、定义一个地壳平静背景圆；
h、计算每天样本数据偏离背景的程度，定义为S-K偏差；
i、输出随时间变化的S-K偏差曲线。
2.按照权利要求1所述的方法，其特征在于，步骤a所述的钻孔应变数据是选取一个台站的四分量钻孔应变数据，制作成按照分钟值采样的时间序列，数据有效性验证是按照不同分量，表示为S1,S2,S3,S4；根据由带孔平板弹性理论模型导出的圆孔径向变形与区域应力的关系式，对钻孔应变数据进行自洽分析。
3.按照权利要求2所述的方法，其特征在于，步骤b所述对钻孔应变数据进行应变换算是根据下式(2)将四分量钻孔应变观测数据换算成面应变Sa：
Sa(t)＝(S1(t)+S2(t)+S3(t)+S4(t))/2 (2)。
4.按照权利要求2所述的方法，其特征在于，步骤b中所述调和分析用来去除数据中固体潮低频信息的周期项,其调和分析函数S(t)表达式为：
其中A0为时间序列的直流分量，m为谐波的次数，系数Am,Bm是权重因子，表示各次谐波对总序列的贡献。
5.按照权利要求1所述的方法，其特征在于，差分表达式为：
DSa(t)＝(Sa(t+1)-S(t+1))-(Sa(t)-S(t))， (4)
按天分段制成N天的样本数据DS(N)，其中DS(N)表示差分后的面应变。
6.按照权利要求1所述的方法，其特征在于，计算每天样本数据的偏度和峰度，利用统计学上高阶累积量的算法计算，定义现有随机变量x，其均值是μ，方差是σ，则偏度和峰度表达式如下：
其中，随机变量x取自样本数据，sk为偏度，ku为峰度，正态分布的偏度为0，若数据分布是对称的，偏度为0，若偏度>0,则分布为右偏；若偏度<0，则分布为左偏，同时偏度的绝对值越大，说明分布的偏移程度越严重。
7.按照权利要求1所述的方法，其特征在于，定义一个地壳平静背景圆包括：S-K平面内所有的点中去掉一部分的极端点，剩余点求坐标参数的平均值作为圆点，坐标参数的标准差的平均值作为圆的半径。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810948652.6A CN109031403B (zh) | 2018-08-20 | 2018-08-20 | 一种基于s-k特征的钻孔应变数据异常提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810948652.6A CN109031403B (zh) | 2018-08-20 | 2018-08-20 | 一种基于s-k特征的钻孔应变数据异常提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109031403A CN109031403A (zh) | 2018-12-18 |
| CN109031403B true CN109031403B (zh) | 2019-07-26 |
Family
ID=64632076
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810948652.6A Active CN109031403B (zh) | 2018-08-20 | 2018-08-20 | 一种基于s-k特征的钻孔应变数据异常提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109031403B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109740453B (zh) * | 2018-12-19 | 2022-03-29 | 吉林大学 | 一种基于小波变换的卫星磁场数据地震前兆异常提取方法 |
| CN110068857B (zh) * | 2019-04-02 | 2020-02-04 | 吉林大学 | 基于主成分分析的Swarm双星磁场数据地震前兆异常提取方法 |
| CN110618458B (zh) * | 2019-08-20 | 2020-11-27 | 吉林大学 | 一种基于ica-ra的钻孔应变数据的分频段级联校正方法 |
| CN111797143B (zh) * | 2020-07-07 | 2023-12-15 | 长沙理工大学 | 基于用电量统计分布偏度系数的水产养殖业窃电检测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103647591A (zh) * | 2013-12-27 | 2014-03-19 | 中国电子科技集团公司第五十四研究所 | 一种基于支持向量机的协作干扰检测方法 |
| US8937280B2 (en) * | 2009-02-27 | 2015-01-20 | Baker Hughes Incorporated | System and method for wellbore monitoring |
| CN106918836A (zh) * | 2017-03-31 | 2017-07-04 | 吉林大学 | 基于主成分分析的钻孔应变数据异常提取方法 |
| CN107269262A (zh) * | 2017-06-12 | 2017-10-20 | 中国矿业大学(北京) | 一种煤矿钻孔变形监测实验方法 |
-
2018
- 2018-08-20 CN CN201810948652.6A patent/CN109031403B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8937280B2 (en) * | 2009-02-27 | 2015-01-20 | Baker Hughes Incorporated | System and method for wellbore monitoring |
| CN103647591A (zh) * | 2013-12-27 | 2014-03-19 | 中国电子科技集团公司第五十四研究所 | 一种基于支持向量机的协作干扰检测方法 |
| CN106918836A (zh) * | 2017-03-31 | 2017-07-04 | 吉林大学 | 基于主成分分析的钻孔应变数据异常提取方法 |
| CN107269262A (zh) * | 2017-06-12 | 2017-10-20 | 中国矿业大学(北京) | 一种煤矿钻孔变形监测实验方法 |
Non-Patent Citations (1)
| Title |
|---|
| "形变观测数据的多异常形态统一识别";杨德贺 等;《地球物理学报》;20171231;第60卷(第12期);第4623-4632页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109031403A (zh) | 2018-12-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109031403B (zh) | 一种基于s-k特征的钻孔应变数据异常提取方法 | |
| CN113251914A (zh) | InSAR技术与长短时记忆神经网络结合的地表形变预测方法 | |
| CN114779330B (zh) | 一种基于微震监测的采掘工作面主裂隙方位分析预测方法 | |
| Huang et al. | An Improved Adaptive Template Size Pixel‐Tracking Method for Monitoring Large‐Gradient Mining Subsidence | |
| Vaghefi et al. | A comparison among data mining algorithms for outlier detection using flow pattern experiments | |
| Chen et al. | A novel iterative approach for mapping local singularities from geochemical data | |
| CN110553631B (zh) | 一种关于水位流量关系的水位测量系列误差分析方法 | |
| CN116105669A (zh) | 一种基于时间序列与反演分析的隧道围岩变形预测方法 | |
| Müller et al. | A new method for smoothing orientated data and its application to stress data | |
| Chen et al. | A combination model for evaluating deformation regional characteristics of arch dams using time series clustering and residual correction | |
| CN109034179B (zh) | 一种基于马氏距离idtw的岩层分类方法 | |
| CN117113854B (zh) | 一种基于ConvLSTM和三维数值模拟的咸潮预报方法 | |
| CN104122598A (zh) | 一种从物探重力异常中提取断层异常的结构函数法 | |
| CN110186533A (zh) | 一种高精度的河口短期潮位预报方法 | |
| CN109828270B (zh) | 一种表征地面沉降时序演变的方法 | |
| CN108197824B (zh) | 一种高坝服役安全空间警戒域诊断方法 | |
| CN105893329A (zh) | 一种基于月尺度的潮位资料一致性修正方法 | |
| CN114065822B (zh) | 海洋潮流涨落的电磁识别方法及*** | |
| CN112986948B (zh) | 基于InSAR技术的建筑形变监测方法和装置 | |
| CN116522517B (zh) | 一种量化地面沉降不均匀程度及沉降漏斗稳定性的方法 | |
| CN114114382A (zh) | 用于地震预报的监测数据处理方法、地震预报方法和*** | |
| Ancona-Navarrete et al. | Diagnostics for pairwise extremal dependence in spatial processes | |
| CN107817521B (zh) | 一种基于改进的成分克里金的岩性分布概率识别方法 | |
| CN113155384A (zh) | 用于减小结构阻尼比识别的不确定性的传感器布置方法 | |
| Kalita et al. | Soft computing technique for recognition of earthquake precursor from low latitude total electron content (TEC) profiles |
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 |