CN106443243A - 一种电磁环境对装备性能影响因素的主次关系分析方法 - Google Patents

一种电磁环境对装备性能影响因素的主次关系分析方法 Download PDF

Info

Publication number
CN106443243A
CN106443243A CN201610797419.3A CN201610797419A CN106443243A CN 106443243 A CN106443243 A CN 106443243A CN 201610797419 A CN201610797419 A CN 201610797419A CN 106443243 A CN106443243 A CN 106443243A
Authority
CN
China
Prior art keywords
equipment
equipment performance
data
performance
factor
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.)
Granted
Application number
CN201610797419.3A
Other languages
English (en)
Other versions
CN106443243B (zh
Inventor
柯宏发
祝冀鲁
柯肇敏
夏斌
赵继广
徐勇
葛轩
张军奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
PLA Equipment College
Original Assignee
PLA Equipment College
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by PLA Equipment College filed Critical PLA Equipment College
Priority to CN201610797419.3A priority Critical patent/CN106443243B/zh
Publication of CN106443243A publication Critical patent/CN106443243A/zh
Application granted granted Critical
Publication of CN106443243B publication Critical patent/CN106443243B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/003Environmental or reliability tests

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Shielding Devices Or Components To Electric Or Magnetic Fields (AREA)

Abstract

本发明涉及电子设备测试技术领域,公开的一种电磁环境对装备性能影响因素的主次关系分析方法,是将影响因素数据接口装置、装备性能数据接口装置采集的信号源数据通过数据采集装置传输至影响因素主次关系定量分析装置,进行装备多个性能的多个电磁环境影响因素主次关系的定量分析,确定影响装备不同性能的主要电磁环境因素,以排除或减小其影响,便于在恶劣的电磁环境下实现其性能;确定不同电磁环境因素的装备性能主次关系,便于在不同的电磁环境下充分发挥装备的性能;本发明能同时对多个性能多个影响因素进行综合分析;分析每种装备性能的影响因素主次关系,分析同一影响因素下的装备性能主次关系,分析所有电磁环境影响因素下的准优装备性能。

Description

一种电磁环境对装备性能影响因素的主次关系分析方法
技术领域
本发明涉及电子设备测试技术领域,尤其涉及基于灰色关联矩阵的装备性能的一种电磁环境对装备性能影响因素的主次关系分析方法。
背景技术
目前,环境因素、特别是复杂电磁环境对(易受电磁信号影响的)装备性能的影响分析一直是公认的难题之一。目前的分析方法有定性分析、单因素定量分析和单性能多因素定量分析方法。而实际装备性能有多种,同时受到多个电磁环境因素的影响,目前的定性分析和单因素定量分析方法都不能对影响因素进行综合分析并对其主次关系进行排序,单性能多因素定量分析忽视了装备性能的整体性。本发明的目的就是实现对装备多个性能多个影响因素的综合分析并对其主次关系进行排序。
发明内容
为克服现有技术的不足,本发明提供一种多个电磁环境影响因素对装备多个性能的主次关系的定量分析装置及方法,
为实现如上所述的发明目的,本发明采用如下技术方案:
一种电磁环境对装备性能影响因素的主次关系分析装置,包括:数据采集装置、影响因素数据接口装置、装备性能数据接口装置、影响因素主次关系定量分析装置,所述影响因素数据接口装置及装备性能数据接口装置通过数据录取线缆与数据采集装置相连,数据采集装置通过数据录取线缆与影响因素主次关系定量分析装置相连;装备性能数据接口装置为信号源X1至XN,影响因素数据接口装置为Y1至YM
一种电磁环境对装备性能影响因素的主次关系分析方法,将影响因素数据接口装置、装备性能数据接口装置采集的信号源数据通过数据采集装置传输至影响因素主次关系定量分析装置,进行装备多个性能的多个电磁环境影响因素主次关系的定量分析,一是确定影响装备不同性能的主要电磁环境因素,以便排除或减小其影响,便于在恶劣的电磁环境下实现其性能;二是确定不同电磁环境因素的装备性能主次关系,便于在不同的电磁环境下充分发挥装备的性能;其步骤如下:
a.建立信号源数据的灰色关联矩阵,包括:
装备性能数据建模序列:
X1=(x1(1),x1(2),Λ,x1(n))
X2=(x2(1),x2(2),Λ,x2(n))
X3=(x3(1),x3(2),Λ,x3(n))
ΛΛ
XN=(xN(1),xN(2),Λ,xN(n))
其中x1(1)、x2(1)、…、xN(1)表示数据采集装置在时刻1采集的装备性能数据,x1(2)、x2(2)、…、xN(2)表示数据采集装置在时刻2采集的装备性能数据,…,x1(n)、x2(n)、…、xN(n)表示数据采集装置在时刻n采集的装备性能数据。
电磁环境影响因素数据建模序列:
Y1=(y1(1),y1(2),Λ,y1(n))
Y2=(y2(1),y2(2),Λ,y2(n))
Y3=(y3(1),y3(2),Λ,y3(n))
ΛΛ
YM=(yM(1),yM(2),Λ,yM(n))
其中y1(1)、y2(1)、…、yM(1)表示数据采集装置在时刻1采集的装备性能数据,y1(2)、y2(2)、…、yM(2)表示数据采集装置在时刻2采集的装备性能数据,…,y1(n)、y2(n)、…、yM(n)表示数据采集装置在时刻n采集的装备性能数据。
令Xi=(xi(1),xi(2),Λ,xi(n))(i=1,2,Λ,N)为参考数据列,Yj=(yj(1),yj(2),Λ,yj(n))(j=1,2,Λ,M)为比较数据列;并令Yj对于Xi在k点的差异信息为Δij(k)=|yj(k)-xi(k)|,则有三级环境参数从而得到灰色关联系数γ(yj(k),xi(k))为
Yj对于Xi的灰色关联度γ(Yj,Xi)为
则得到灰色关联矩阵R为
灰色关联矩阵中第i行的元素是装备性能数据序列Xi与电磁环境影响因素数据序列Y1,Y2,Λ,YM的灰色关联度;第j列的元素是装备性能数据序列X1,X2,Λ,XN与电磁环境影响因素Yj的灰色关联度。
b.基于灰色关联矩阵的主次关系分析,包括:
①对于灰色关联矩阵R,考察装备性能Xi(i=1,2,Λ,N)的电磁环境影响因素,记γ(Yj*,Xi)=max{γ(Y1,Xi),γ(Y2,Xi),Λ,γ(YM,Xi)},则电磁环境影响因素Yj*对装备性能Xi的影响最优。
②对于灰色关联矩阵R,若存在k,i∈{1,2,Λ,N},满足
γ(Yj,Xk)≥γ(Yj,Xi),j=1,2,Λ,M
则称所有电磁环境影响因素下装备性能Xk优于装备性能Xi,记为XkφXi,即表示装备性能Xk对电磁环境影响因素的适应性优于装备性能Xi。若对于i≠k,恒有XkφXi成立,则称Xk为装备最优性能,即表示装备性能Xk对电磁环境影响因素的适应性最强。
③对于灰色关联矩阵R,若存在l,j∈{1,2,Λ,M},满足
γ(Yl,Xi)≥γ(Yj,Xi),i=1,2,Λ,N
则称电磁环境影响因素Yl对所有装备性能的影响优于电磁环境影响因素Yj,记为YlφYj。若l≠j,恒有YlφYj成立,则称电磁环境影响因素Yl对装备性能的影响最优。
④对于灰色关联矩阵R,若存在k,i∈{1,2,Λ,N},满足
则称装备性能Xk在所有电磁环境影响因素下准优于装备性能Xi。若对于i≠k,上述结论成立,则称装备性能Xk为所有电磁环境影响因素下的准优性能。
⑤对于灰色关联矩阵R,若存在l,j∈{1,2,Λ,M},满足
则称电磁环境影响因素Yl对所有装备性能的影响准优于电磁环境影响因素Yj。若对于l≠j,上述结论成立,则称电磁环境影响因素Yl为对所有装备性能的准优因素。
由于采用如上所述的技术方案,本发明具有如下优越性:
(一)能同时对多个性能多个影响因素进行综合分析;(二)能分析每种装备性能的影响因素主次关系;(三)分析同一影响因素下的装备性能主次关系;(四)分析所有电磁环境影响因素下的准优装备性能;(五)对所有装备性能的准优电磁环境影响因素。
附图说明
图1电磁环境对装备性能影响因素的主次关系分析装置的工作示意图。
实施例1
在复杂电磁环境下装备性能(如信号侦察概率、识别正确率、虚警率等)易受到很多电磁环境因素(如背景信号强度、背景信号密度、信干比等)的影响。为了在复杂电磁环境下能采取相应的措施提高装备性能,需要对电磁环境影响因素进行综合定量分析。选择3个装备性能及相关的4个电磁环境影响因素进行实例分析,数据如下表所示(表中数据假设已经进行了归一化处理)。
表1装备性能及环境因素数据
根据上表,得到装备性能数据建模序列:
X1=(0.81 0.68 0.59 0.77 0.82)
X2=(0.87 0.69 0.62 0.90 0.79)
X3=(0.91 0.72 0.65 0.90 0.83)
电磁环境影响因素数据建模序列:
Y1=(0.73 0.83 0.69 0.78 0.91)
Y2=(0.81 0.92 0.75 0.86 0.93)
Y3=(0.83 0.93 0.79 0.90 0.92)
Y4=(0.76 0.84 0.73 0.80 0.93)
根据前述的计算过程,得到灰色关联矩阵R为
则可以得到以下分析结论:
①在灰色关联矩阵R中,由第1行可知,影响装备性能一的电磁环境影响因素主次关系是环境因素一、因素四、因素二、因素三;由第2行可知,影响装备性能二的电磁环境影响因素主次关系是环境因素三、因素二、因素一、因素四;由第3行可知,影响装备性能三的电磁环境影响因素主次关系是环境因素三、因素一、因素二、因素四。
由第1列可知,在电磁环境影响因素一下装备性能主次关系是性能一、性能三、性能二;由第2列可知,在电磁环境影响因素二下装备性能主次关系是性能一、性能三、性能二;由第3列可知,在电磁环境影响因素三下装备性能主次关系是性能三、性能二、性能一;由第4列可知,在电磁环境影响因素四下装备性能主次关系是性能一、性能三、性能二。
②对于灰色关联矩阵R,若存在k,i∈{1,2,3},满足
γ(Yj,X3)≥γ(Yj,X2),j=1,2,3,4
则在所有电磁环境影响因素下装备性能三优于装备性能二,表明装备性能三对电磁环境影响因素的适应性优于装备性能二。
③对于灰色关联矩阵R,若存在l,j∈{1,2,3,4},满足
γ(Y1,Xi)≥γ(Y4,Xi),i=1,2,3
则有电磁环境影响因素一对所有装备性能的影响优于电磁环境影响因素四。
④对于灰色关联矩阵R,当k,i∈{1,2,3},下式成立
则在所有电磁环境影响因素下,装备性能一准优于装备性能三、装备性能三准优于装备性能二,其中装备性能一为所有电磁环境影响因素下的准优性能。
⑤对于灰色关联矩阵R,若存在l,j∈{1,2,3,4},满足
则考察对所有装备性能的影响,电磁环境影响因素三准优于因素一、电磁环境影响因素一准优于因素二、电磁环境影响因素二准优于因素四,其中电磁环境影响因素三为对所有装备性能的准优因素。

Claims (2)

1.一种电磁环境对装备性能影响因素的主次关系分析装置,其特征在于:包括:数据采集装置、影响因素数据接口装置、装备性能数据接口装置、影响因素主次关系定量分析装置,所述影响因素数据接口装置及装备性能数据接口装置通过数据录取线缆与数据采集装置相连,数据采集装置通过数据录取线缆与影响因素主次关系定量分析装置相连;装备性能数据接口装置为信号源X1至XN,影响因素数据接口装置为Y1至YM
2.一种电磁环境对装备性能影响因素的主次关系分析方法,其特征在于:将影响因素数据接口装置、装备性能数据接口装置采集的信号源数据通过数据采集装置传输至影响因素主次关系定量分析装置,进行装备多个性能的多个电磁环境影响因素主次关系的定量分析,一是确定影响装备不同性能的主要电磁环境因素,以便排除或减小其影响,便于在恶劣的电磁环境下实现其性能;二是确定不同电磁环境因素的装备性能主次关系,便于在不同的电磁环境下充分发挥装备的性能;其步骤如下:
a.建立信号源数据的灰色关联矩阵,包括:
装备性能数据建模序列:
X1=(x1(1),x1(2),Λ,x1(n))
X2=(x2(1),x2(2),Λ,x2(n))
X3=(x3(1),x3(2),Λ,x3(n))
ΛΛ
XN=(xN(1),xN(2),Λ,xN(n))
其中x1(1)、x2(1)、…、xN(1)表示数据采集装置在时刻1采集的装备性能数据,x1(2)、x2(2)、…、xN(2)表示数据采集装置在时刻2采集的装备性能数据,…,x1(n)、x2(n)、…、xN(n)表示数据采集装置在时刻n采集的装备性能数据;
电磁环境影响因素数据建模序列:
Y1=(y1(1),y1(2),Λ,y1(n))
Y2=(y2(1),y2(2),Λ,y2(n))
Y3=(y3(1),y3(2),Λ,y3(n))
ΛΛ
YM=(yM(1),yM(2),Λ,yM(n))
其中y1(1)、y2(1)、…、yM(1)表示数据采集装置在时刻1采集的装备性能数据,y1(2)、y2(2)、…、yM(2)表示数据采集装置在时刻2采集的装备性能数据,…,y1(n)、y2(n)、…、yM(n)表示数据采集装置在时刻n采集的装备性能数据;
令Xi=(xi(1),xi(2),Λ,xi(n))(i=1,2,Λ,N)为参考数据列,Yj=(yj(1),yj(2),Λ,yj(n))(j=1,2,Λ,M)为比较数据列;并令Yj对于Xi在k点的差异信息为Δij(k)=|yj(k)-xi(k)|,则有三级环境参数从而得到灰色关联系数γ(yj(k),xi(k))为
γ ( y j ( k ) , x i ( k ) ) = Δ i j ( min ) + ξ · Δ i j ( m a x ) Δ i j ( k ) + ξ · Δ i j ( m a x )
Yj对于Xi的灰色关联度γ(Yj,Xi)为
γ ( Y j , X i ) = 1 n Σ k = 1 n γ ( y j ( k ) , x i ( k ) )
则得到灰色关联矩阵R为
R = γ ( Y 1 , X 1 ) γ ( Y 2 , X 1 ) Λ γ ( Y M , X 1 ) γ ( Y 1 , X 2 ) γ ( Y 2 , X 2 ) Λ γ ( Y M , X 2 ) M M M M γ ( Y 1 , X N ) γ ( Y 2 , X N ) Λ γ ( Y M , X N )
灰色关联矩阵中第i行的元素是装备性能数据序列Xi与电磁环境影响因素数据序列Y1,Y2,Λ,YM的灰色关联度;第j列的元素是装备性能数据序列X1,X2,Λ,XN与电磁环境影响因素Yj的灰色关联度;
b.基于灰色关联矩阵的主次关系分析,包括:
①对于灰色关联矩阵R,考察装备性能Xi(i=1,2,Λ,N)的电磁环境影响因素,记γ(Yj*,Xi)=max{γ(Y1,Xi),γ(Y2,Xi),Λ,γ(YM,Xi)},则电磁环境影响因素Yj*对装备性能Xi的影响最优;
②对于灰色关联矩阵R,若存在k,i∈{1,2,Λ,N},满足
γ(Yj,Xk)≥γ(Yj,Xi),j=1,2,Λ,M
则称所有电磁环境影响因素下装备性能Xk优于装备性能Xi,记为XkφXi,即表示装备性能Xk对电磁环境影响因素的适应性优于装备性能Xi;若对于i≠k,恒有XkφXi成立,则称Xk为装备最优性能,即表示装备性能Xk对电磁环境影响因素的适应性最强;
③对于灰色关联矩阵R,若存在l,j∈{1,2,Λ,M},满足
γ(Yl,Xi)≥γ(Yj,Xi),i=1,2,Λ,N
则称电磁环境影响因素Yl对所有装备性能的影响优于电磁环境影响因素Yj,记为YlφYj;若l≠j,恒有YlφYj成立,则称电磁环境影响因素Yl对装备性能的影响最优;
④对于灰色关联矩阵R,若存在k,i∈{1,2,Λ,N},满足
Σ j = 1 M γ ( Y j , X k ) ≥ Σ j = 1 M γ ( Y j , X i )
则称装备性能Xk在所有电磁环境影响因素下准优于装备性能Xi;若对于i≠k,上述结论成立,则称装备性能Xk为所有电磁环境影响因素下的准优性能;
⑤对于灰色关联矩阵R,若存在l,j∈{1,2,Λ,M},满足
Σ i = 1 N γ ( Y l , X i ) ≥ Σ i = 1 N γ ( Y j , X i ) ,
则称电磁环境影响因素Yl对所有装备性能的影响准优于电磁环境影响因素Yj。若对于l≠j,上述结论成立,则称电磁环境影响因素Yl为对所有装备性能的准优因素。
CN201610797419.3A 2016-08-31 2016-08-31 一种电磁环境对装备性能影响因素的主次关系分析方法 Expired - Fee Related CN106443243B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610797419.3A CN106443243B (zh) 2016-08-31 2016-08-31 一种电磁环境对装备性能影响因素的主次关系分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610797419.3A CN106443243B (zh) 2016-08-31 2016-08-31 一种电磁环境对装备性能影响因素的主次关系分析方法

Publications (2)

Publication Number Publication Date
CN106443243A true CN106443243A (zh) 2017-02-22
CN106443243B CN106443243B (zh) 2019-02-22

Family

ID=58165090

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610797419.3A Expired - Fee Related CN106443243B (zh) 2016-08-31 2016-08-31 一种电磁环境对装备性能影响因素的主次关系分析方法

Country Status (1)

Country Link
CN (1) CN106443243B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109344362A (zh) * 2018-09-03 2019-02-15 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) 电子元器件自然库房贮存敏感应力定量评估方法
CN109683033A (zh) * 2017-10-18 2019-04-26 南方电网科学研究院有限责任公司 一种电磁环境参数影响因素分析的方法及装置
CN110008569A (zh) * 2019-03-29 2019-07-12 中国人民解放军战略支援部队航天工程大学 一种用于多特征多因素系统分析的mgm模型
CN110008570A (zh) * 2019-03-29 2019-07-12 中国人民解放军战略支援部队航天工程大学 基于gm模型群的装备维修性及影响因素分析方法
CN111126907A (zh) * 2019-12-18 2020-05-08 中国人民解放军总参谋部第六十研究所 基于灰关联熵的复杂贮存环境影响因素的分析方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101701986A (zh) * 2009-10-27 2010-05-05 中国舰船研究设计中心 电子设备电磁辐射干扰预测试诊断系统及其方法
CN102867104A (zh) * 2011-09-17 2013-01-09 中国人民解放军装备指挥技术学院 一种电子设备的电磁环境影响因素的定量分析装置及方法
CN103995192A (zh) * 2014-04-29 2014-08-20 中国人民解放军装备学院 一种电子装备电磁环境适应性能的测试评估方法及设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101701986A (zh) * 2009-10-27 2010-05-05 中国舰船研究设计中心 电子设备电磁辐射干扰预测试诊断系统及其方法
CN102867104A (zh) * 2011-09-17 2013-01-09 中国人民解放军装备指挥技术学院 一种电子设备的电磁环境影响因素的定量分析装置及方法
CN103995192A (zh) * 2014-04-29 2014-08-20 中国人民解放军装备学院 一种电子装备电磁环境适应性能的测试评估方法及设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
柯宏发 等: "影响装备性能的电磁环境因素GM(1,n)模型定量分析", 《北京理工大学学报》 *
王鑫 等: "武器装备电磁环境适应性试验与评估技术综述", 《现代防御技术》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109683033A (zh) * 2017-10-18 2019-04-26 南方电网科学研究院有限责任公司 一种电磁环境参数影响因素分析的方法及装置
CN109344362A (zh) * 2018-09-03 2019-02-15 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) 电子元器件自然库房贮存敏感应力定量评估方法
CN110008569A (zh) * 2019-03-29 2019-07-12 中国人民解放军战略支援部队航天工程大学 一种用于多特征多因素系统分析的mgm模型
CN110008570A (zh) * 2019-03-29 2019-07-12 中国人民解放军战略支援部队航天工程大学 基于gm模型群的装备维修性及影响因素分析方法
CN110008569B (zh) * 2019-03-29 2022-11-18 中国人民解放军战略支援部队航天工程大学 一种用于多特征多因素系统分析的mgm模型
CN111126907A (zh) * 2019-12-18 2020-05-08 中国人民解放军总参谋部第六十研究所 基于灰关联熵的复杂贮存环境影响因素的分析方法

Also Published As

Publication number Publication date
CN106443243B (zh) 2019-02-22

Similar Documents

Publication Publication Date Title
CN106443243A (zh) 一种电磁环境对装备性能影响因素的主次关系分析方法
Cochran et al. Earthquake early warning ShakeAlert system: Testing and certification platform
Guo et al. AEnet: Automatic picking of P-wave first arrivals using deep learning
Ruano et al. Seismic detection using support vector machines
CN104019739B (zh) 基于分布式光纤光栅传感网络的板结构冲击载荷定位方法
Yang et al. Simultaneous earthquake detection on multiple stations via a convolutional neural network
Esposito et al. Automatic discrimination among landslide, explosion-quake, and microtremor seismic signals at Stromboli volcano using neural networks
CN104573000B (zh) 基于排序学习的自动问答装置及方法
CN110516735B (zh) 一种基于LSTM网络和Adam算法的天然气管道事件分类方法
CN104777418B (zh) 一种基于深度波尔兹曼机的模拟电路故障诊断方法
CN110298085A (zh) 基于XGBoost和随机森林算法的模拟电路故障诊断方法
Rekoske et al. The 2019 Ridgecrest, California, earthquake sequence ground motions: Processed records and derived intensity metrics
CN103310235B (zh) 一种基于参数识别与估计的隐写分析方法
Rabin et al. Earthquake-explosion discrimination using diffusion maps
Tian et al. Comparison of single‐trace and multiple‐trace polarity determination for surface microseismic data using deep learning
CN102158486A (zh) 一种网络入侵快速检测方法
CN110245651A (zh) 质量智能检测方法及相关装置
CN107664778B (zh) 地震数据质量的确定方法和装置
CN109633289A (zh) 一种基于倒谱和卷积神经网络的电磁红信息检测方法
CN114241307B (zh) 基于自注意力网络的合成孔径雷达飞机目标识别方法
Trani et al. DeepQuake—An application of CNN for seismo-acoustic event classification in The Netherlands
CN110533007A (zh) 一种桥梁车载应变影响线特征智能识别与提取方法
Kuang et al. Network‐based earthquake magnitude determination via deep learning
Iaccarino et al. Onsite earthquake early warning: predictive models for acceleration response spectra considering site effects
CN106777707B (zh) 一种利用改进的蜘蛛网图进行测井岩性定量识别的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190222

Termination date: 20190831

CF01 Termination of patent right due to non-payment of annual fee