CN108021922A - 天然地震和人工爆破的区分识别方法 - Google Patents
天然地震和人工爆破的区分识别方法 Download PDFInfo
- Publication number
- CN108021922A CN108021922A CN201711252208.2A CN201711252208A CN108021922A CN 108021922 A CN108021922 A CN 108021922A CN 201711252208 A CN201711252208 A CN 201711252208A CN 108021922 A CN108021922 A CN 108021922A
- Authority
- CN
- China
- Prior art keywords
- human
- earthquake
- mip
- space
- image
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了天然地震和人工爆破的区分识别方法,属于震源类别识别领域。包括选取震源数据,将监测点经纬转为平面显示;提取各个所述监测台站在同一地震事件中同一时刻内的震源数据,并通过插值算法将其转化为相应的彩色像素值并显示在所述平面上相应的平面坐标处,得到一完整的MIP时空序列图像;继续提取各个所述监测台站在同一地震事件中下一时刻内的震源数据,并生成对应MIP时空序列图像,直到该事件结束,获取得到MIP时空序列图像构成的MIP时空图像系列;根据MIP时空图像系列,提取MIP时空序列图像中色彩的变化特征和平均亮度;根据变化特征和平均亮度区分识别天然地震和人工爆破。本发明可以识别区分天然地震和人工爆破。
Description
技术领域
本发明涉及震源类别识别领域,特别是天然地震和人工爆破的区分识别方法。
背景技术
地震波形信号是记录地震活动的可靠载体。地震事件分天然地震和非天然地震事件。由 于人工爆破和天然地震的波形极为相识,给各地震台网所测的地震波形数据的分析带来了很 大的困难。20世纪中期以来,地震学家利用不同的距离上的测震资料对核爆和天然地震的识 别进行了广泛的研究和探索,通过对地震台网所测的地震波形分析,用一系列的波形处理方 法可以有效的识别天然地震人工爆破。
天然地震大多为构造地震,且多发生在地下10公里以上的深度,此深度一般为花岗岩层 或玄武岩层。地震震源为非对称剪切源,地壳弹性介质受到巨大应力的作用,发生岩石破裂、 岩层错位的结果。两个错位岩石面受到两种力的影响:一方受压,形成压缩波;另一方被拉 伸,形成膨胀波。纵波初动方向由一点向四周扩散。天然地震持续时间较长,所以波成分多 样化,衰减慢,震相的低频高频部分呈现均匀分布。
由于技术的限制,人工爆炸一般发生距地平面深度为零到几十米,由于爆炸只是气体向 外扩张,震源为膨胀源,能量快速释放,使周围的岩体介质受到不同方向的压缩,只产生纵 波(P波),初动均向上。与横波(S波)相比,P波极为发育。随着P波的传播,当距震中距50Km 以上时,会产生瑞利面波。由于爆炸点的岩石层介质的不同,也会产生S波,P波比S波的振幅 大。由于爆炸是瞬间发生,震源浅,使高频成分大多被浅层的不均匀岩石层吸收,波形的衰 减较快,震相急促短暂。地震监测点离爆炸震源的距离越远,检测到的高频部分越少。达到 一定距离后,排除噪声的影响,波形中高频成分较少。
以上是识别天然地震和人工爆炸的理论基础。综上所述,由于天然地震力学机制复杂且 持续时间长、深度大,而人工爆炸是近地表瞬时性的力学膨胀,所以,比起人工爆炸,天然 地震激发出的频谱“分散”并且衰减缓慢。由于震源力学机制的不同,导致信号频域的不同, 这是识别时域波形的重要依据。
在前发表在《Advances in Geosciences》中的一篇区分天然地震和人工爆炸的可视化方 法公开了一种可视化方法,通过时域波形数据归一化,置顶投影算法,极坐标作图,得到对 称点模式图可以直观的进行可视化识别。但该方法只能够通过人工可视化区分,存在一定人 为因素,同时也存在不能够可视化区分的图形;这无疑限制了识别区分的效率及准确度。
发明内容
本发明的发明目的是,针对上述问题,提供天然地震和人工爆破的区分识别方法,通过 对地震事件震源数据进行处理,获取得到MIP时空图像系列,通过MIP时空图像系列可以获 取得到其平均亮度和变化特征等,并通过两者结合快速识别出天然地震和人工爆破,提高了 识别率及识别效率。
为达到上述目的,本发明所采用的技术方案是:
天然地震和人工爆破的区分识别方法,
选取多个监测台站,记录各个所述监测台站的经纬度坐标,并获取各个所述监测台站关 于同一地震事件震源数据;
将各个所述监测台站的经纬度坐标均通过转换为平面坐标,将所述平面坐标以散列分布 形式显示在同一平面中;
提取各个所述监测台站在同一地震事件中同一时刻内的震源数据,并通过插值算法将其 转化为相应的彩色像素值并显示在所述平面上相应的平面坐标处,得到一完整的MIP时空序 列图像;
继续提取各个所述监测台站在同一地震事件中下一时刻内的震源数据,并生成对应MIP 时空序列图像,直到该事件结束,获取得到MIP时空序列图像构成的MIP时空图像系列;根 据MIP时空图像系列,提取MIP时空序列图像中色彩的变化特征和平均亮度;并根据变化特 征和平均亮度区分识别天然地震和人工爆破。这里所述下一时刻具体是指MIP图像系列的相 邻时刻对应若干地震波形采用点。
优选的,将各个所述监测台站的经纬度坐标均通过转换函数(x,y)=λf(N,W)转化为平面 坐标,其中(x,y)为平面坐标,(N,W)为经纬度坐标,λ为转换系数。
优选的,所述插值算法为最近邻插值算法、线性插值算法、多项式插值算法、natural 插值算法和三次样条插值算法中的任一种。
优选的,所述震源数据包括事件垂直-上下方向通道的波形数据、事件水平-东西方向通 道的波形数据和事件水平-南北方向通道的波形数据。
优选的,从所述监测台站获取所述震源数据后,对其进行去除噪音数据和错误数据处理。 剔除监测台站监测到的错误数据,有利于后续的步骤处理;由于仪器的缘故会记录一些错误 数据,这些数据的特点是固定为0或者固定为一个很大的值,在提取波形数据时需要把这些 数据去除。
优选的,所述经纬度坐标对应所述平面坐标的地图投影比例初步设置为1:20,所述MIP 时空序列图像的大小设置为121×121。这里1:20是指1经度或纬度对应20个像素点,根据 台站分布的经纬度范围,可适当缩小或放大。
优选的,从所述MIP时空图像系列中选取时刻为200到350之间的MIP时空序列图像, 进行色彩的变化特征和平均亮度的计算。
优选的,所述平均亮度由得到,Ii大于是指定图像的亮度随机变量,p(Ii) 是一定区域内灰度级的亮度直方图,L是图像的亮度级数;所述变化特征由公式 R=1-1/(1+σ2)得到,其中σ2表示图像的亮度级数方差,而p(zi) 是区域中的灰度级的直方图,L是灰度级数,M是平均亮度。
优选的,当所述平均亮度M大于200及变化特征R大于0.93时为天然地震,否则反之。
优选的,所述监测台站数量为3-20个。
由于采用上述技术方案,本发明具有以下有益效果:
本发明将天然地震和人工爆破事件转化为MIP图像序列,对提取到的图像系列进行量化 分析,MIP图像系列的平均亮度、变化特征能够有效的区分天然地震和人工爆破。由于天然 地震的发生和传播方式明显比人工爆破的差异大,波形更加的复杂,表现在图像的颜色变化 比较明显,亮度和对比度都比较的大。对于天然地震,由于岩石层的均匀度和距离的不同, 使各台站观测到的数据也有很大的差异。人工爆破事件的发生方式比较单一,波的变化形式 也比较简单,传播距离比较有限。因此,使用MIP时空图像系列的颜色亮度和MIP图像的颜 色变化特征就很好识别区分天然地震和人工爆破事件。
具体实施方式
以下对发明的具体实施进一步说明。
天然地震和人工爆破的区分识别方法其步骤包括:
选取10个监测台站,记录各个所述监测台站的经纬度坐标,并获取各个所述监测台站关 于同一地震事件震源数据;从所述监测台站获取所述震源数据后,对其进行去除噪音数据和 错误数据处理。其中,震源数据包括事件垂直-上下方向通道的波形数据、事件水平-东西方 向通道的波形数据和事件水平-南北方向通道的波形数据。
将各个所述监测台站的经纬度坐标均通过转换为平面坐标,将所述平面坐标以散列分布 形式显示在同一平面中。具体的,将各个所述监测台站的经纬度坐标均通过转换函数 (x,y)=λf(N,W)转化为平面坐标,其中(x,y)为平面坐标,(N,W)为经纬度坐标,λ为转换系数。
提取各个所述监测台站在同一地震事件中同一时刻内的震源数据,并通过插值算法将其 转化为相应的彩色像素值并显示在所述平面上相应的平面坐标处,得到一完整的MIP时空序 列图像。插值算法为最近邻插值算法、线性插值算法、多项式插值算法、natural插值算法 和三次样条插值算法中的任一种。这里具体使用线性插值算法,具体步骤按现有算法步骤进 行,这里不再展开。具体的,将经纬度坐标对应所述平面坐标的地图投影比例初步设置为1:20, 这里指1经度或纬度对应20个像素点,根据台站分布的经纬度范围,可适当缩小或放大;MIP 时空序列图像的大小设置为121×121。
继续提取各个所述监测台站在同一地震事件中下一时刻内[MIP图像系列的相邻时刻对应 若干地震波形采用点]的震源数据,并生成对应MIP时空序列图像,直到该事件结束,获取得 到MIP时空序列图像构成的MIP时空图像系列;根据MIP时空图像系列,提取MIP时空序列 图像中色彩的变化特征和平均亮度;并根据变化特征和平均亮度区分识别天然地震和人工爆 破。
MIP时空图像系列中选取为第200时刻到第350时刻之间的MIP时空序列图像,进行色 彩的变化特征和平均亮度的计算。平均亮度由得到,Ii大于是指定图像的亮度 随机变量,p(Ii)是一定区域内灰度级的亮度直方图,L是图像的亮度级数;变化特征由公 式R=1-1/(1+σ2)得到,其中σ2表示图像的亮度级数方差,而p(zi) 是区域中的灰度级的直方图,L是灰度级数,M是平均亮度。当所述平均亮度M大于200及变 化特征R大于0.93时为天然地震,否则反之。
作为对上述方法的验证,这里选取以发生多个具体已有事件作为方法测试验证。
选取北京周边发生的地震事件,坐标范围在北纬40°、东经116°范围的35个天然地震事 件和27个人工爆破事件,每个事件包含100多个台站的波形数据。地震数据源的实践在 2003-2007年之间,震级为ML1.5-3.0之间。
其中,上表为天然地震震源数据信息。
其中,上表为人工爆破震源数据信息。
首先把地震台收集的数据进行整理,提取出来台站的经纬坐标和观测到的波形震动数据。 通过提取出10个台站同一时刻对于一个地震事件观测到的震动情况,利用设计好的差值算法 来补充平面上缺失的震动情况,产生一个完整的地震系列彩色图像。
MIP时空图像系列中选取为第200时刻到第350时刻之间的MIP时空序列图像,进行色 彩的变化特征和平均亮度的计算。平均亮度由得到,Ii大于是指定图像的亮度 随机变量,p(Ii)是一定区域内灰度级的亮度直方图,L是图像的亮度级数;变化特征由公 式R=1-1/(1+σ2)得到,其中σ2表示图像的亮度级数方差,而p(zi) 是区域中的灰度级的直方图,L是灰度级数,M是平均亮度。
上表为天然地震震源MIP图像序列特征。
上表为人工爆破震源MIP图像序列特征。
由上述人工爆破震源MIP图像序列特征和天然地震震源MIP图像序列特征的图表可知, 天然地震事件中MIP图像序列的平均亮度M均大于200,MIP图像序列的变化特征R大于0.93; 人工爆破事件则反之;显然易见,通过本申请方案人工爆破事件和天然地震可以明显区分。
上述说明是针对本发明较佳可行实施例的详细说明,但实施例并非用以限定本发明的专 利申请范围,凡本发明所提示的技术精神下所完成的同等变化或修饰变更,均应属于本发明 所涵盖专利范围。
Claims (10)
1.天然地震和人工爆破的区分识别方法,其特征在于:
选取多个监测台站,记录各个所述监测台站的经纬度坐标,并获取各个所述监测台站关于同一地震事件震源数据;
将各个所述监测台站的经纬度坐标均通过转换为平面坐标,将所述平面坐标以散列分布形式显示在同一平面中;
提取各个所述监测台站在同一地震事件中同一时刻内的震源数据,并通过插值算法将其转化为相应的彩色像素值并显示在所述平面上相应的平面坐标处,得到一完整的MIP时空序列图像;
继续提取各个所述监测台站在同一地震事件中下一时刻内的震源数据,并生成对应MIP时空序列图像,直到该事件结束,获取得到MIP时空序列图像构成的MIP时空图像系列;根据MIP时空图像系列,提取MIP时空序列图像中色彩的变化特征和平均亮度;并根据变化特征和平均亮度区分识别天然地震和人工爆破。
2.根据权利要求1所述的天然地震和人工爆破的区分识别方法,其特征在于:将各个所述监测台站的经纬度坐标均通过转换函数(x,y)=λf(N,W)转化为平面坐标,其中(x,y)为平面坐标,(N,W)为经纬度坐标,λ为转换系数。
3.根据权利要求1所述的天然地震和人工爆破的区分识别方法,其特征在于:所述插值算法为最近邻插值算法、线性插值算法、多项式插值算法、natural插值算法和三次样条插值算法中的任一种。
4.根据权利要求1所述的天然地震和人工爆破的区分识别方法,其特征在于:所述震源数据包括事件垂直-上下方向通道的波形数据、事件水平-东西方向通道的波形数据和事件水平-南北方向通道的波形数据。
5.根据权利要求1所述的天然地震和人工爆破的区分识别方法,其特征在于:从所述监测台站获取所述震源数据后,对其进行去除噪音数据和错误数据处理。
6.根据权利要求1所述的天然地震和人工爆破的区分识别方法,其特征在于:所述经纬度坐标对应所述平面坐标的地图投影比例设置为1:20,所述MIP时空序列图像的大小设置为121×121。
7.根据权利要求1所述的天然地震和人工爆破的区分识别方法,其特征在于:从所述MIP时空图像系列中选取为第200时刻到第350时刻之间的MIP时空序列图像,进行色彩的变化特征和平均亮度的计算。
8.根据权利要求1所述的天然地震和人工爆破的区分识别方法,其特征在于:所述平均亮度由得到,Ii大于是指定图像的亮度随机变量,p(Ii)是一定区域内灰度级的亮度直方图,L是图像的亮度级数;所述变化特征由公式R=1-1/(1+σ2)得到,其中σ2表示图像的亮度级数方差,而p(zi)是区域中的灰度级的直方图,L是灰度级数,M是平均亮度。
9.根据权利要求1所述的天然地震和人工爆破的区分识别方法,其特征在于:当所述平均亮度M大于200及变化特征R大于0.93时为天然地震,否则反之。
10.根据权利要求1所述的天然地震和人工爆破的区分识别方法,其特征在于:所述监测台站数量为3-20个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711252208.2A CN108021922A (zh) | 2017-12-01 | 2017-12-01 | 天然地震和人工爆破的区分识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711252208.2A CN108021922A (zh) | 2017-12-01 | 2017-12-01 | 天然地震和人工爆破的区分识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108021922A true CN108021922A (zh) | 2018-05-11 |
Family
ID=62078097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711252208.2A Pending CN108021922A (zh) | 2017-12-01 | 2017-12-01 | 天然地震和人工爆破的区分识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108021922A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021033501A1 (ja) * | 2019-08-20 | 2021-02-25 | 日本電気株式会社 | 地震観測装置、地震観測方法および地震観測プログラムを記録した記録媒体 |
WO2021033502A1 (ja) * | 2019-08-20 | 2021-02-25 | 日本電気株式会社 | 地震観測装置、地震観測方法および地震観測プログラムを記録した記録媒体 |
JPWO2021033503A1 (zh) * | 2019-08-20 | 2021-02-25 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140245204A1 (en) * | 2013-02-28 | 2014-08-28 | Donan Engineering Co., Inc. | System and method for collecting and representing field data in disaster affected areas |
CN105510959A (zh) * | 2015-11-30 | 2016-04-20 | 山东康威通信技术股份有限公司 | 一种隧道的振源类型识别方法及振源位置定位方法 |
CN105676290A (zh) * | 2016-04-03 | 2016-06-15 | 北京工业大学 | 基于曲面细分的地震数据三维显示方法 |
-
2017
- 2017-12-01 CN CN201711252208.2A patent/CN108021922A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140245204A1 (en) * | 2013-02-28 | 2014-08-28 | Donan Engineering Co., Inc. | System and method for collecting and representing field data in disaster affected areas |
CN105510959A (zh) * | 2015-11-30 | 2016-04-20 | 山东康威通信技术股份有限公司 | 一种隧道的振源类型识别方法及振源位置定位方法 |
CN105676290A (zh) * | 2016-04-03 | 2016-06-15 | 北京工业大学 | 基于曲面细分的地震数据三维显示方法 |
Non-Patent Citations (2)
Title |
---|
田野: "不同震源类型的可视化识别研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
郭世豪: "地震震中及临近区域的波传播过程图像模拟研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021033501A1 (ja) * | 2019-08-20 | 2021-02-25 | 日本電気株式会社 | 地震観測装置、地震観測方法および地震観測プログラムを記録した記録媒体 |
WO2021033502A1 (ja) * | 2019-08-20 | 2021-02-25 | 日本電気株式会社 | 地震観測装置、地震観測方法および地震観測プログラムを記録した記録媒体 |
JPWO2021033501A1 (zh) * | 2019-08-20 | 2021-02-25 | ||
JPWO2021033502A1 (zh) * | 2019-08-20 | 2021-02-25 | ||
JPWO2021033503A1 (zh) * | 2019-08-20 | 2021-02-25 | ||
JP7216359B2 (ja) | 2019-08-20 | 2023-02-01 | 日本電気株式会社 | 地震観測装置、地震観測方法および地震観測プログラム |
JP7282305B2 (ja) | 2019-08-20 | 2023-05-29 | 日本電気株式会社 | 地震観測装置、地震観測方法および地震観測プログラム |
JP7282306B2 (ja) | 2019-08-20 | 2023-05-29 | 日本電気株式会社 | 地震観測装置、地震観測方法および地震観測プログラム |
TWI809293B (zh) * | 2019-08-20 | 2023-07-21 | 日商日本電氣股份有限公司 | 地震觀測裝置、地震觀測方法以及記錄地震觀測程式的記錄媒體 |
US11835670B2 (en) | 2019-08-20 | 2023-12-05 | Nec Corporation | Seismic observation device, seismic observation method, and recording medium in which seismic observation program is recorded |
US11906678B2 (en) | 2019-08-20 | 2024-02-20 | Nec Corporation | Seismic observation device, seismic observation method, and recording medium on which seismic observation program is recorded |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | The effect of LiDAR data density on DEM accuracy | |
CN108021922A (zh) | 天然地震和人工爆破的区分识别方法 | |
CN104280775B (zh) | 一种基于全波形矢量偏移叠加的微地震监测定位方法 | |
JP2020537144A (ja) | 表面波探査方法および端末デバイス | |
CN103336297B (zh) | 微破裂向量扫描方法 | |
CN103365916A (zh) | 地震事件参数估计获取方法和系统,地震事件搜索引擎 | |
CN115016006B (zh) | 一种基于矿山安全监测的微震定位方法及定位系统 | |
Battaglia et al. | Families of similar events and modes of oscillation of the conduit at Yasur volcano (Vanuatu) | |
CN112231974B (zh) | 基于深度学习的tbm破岩震源地震波场特征恢复方法及系统 | |
CN111948711B (zh) | 一种利用深度学习法提取地震数据低频部分的方法和系统 | |
CN107807385A (zh) | 一种区域应力场时空变化反演方法 | |
Astuti et al. | Adaptive Short Time Fourier Transform (STFT) Analysis of seismic electric signal (SES): A comparison of Hamming and rectangular window | |
Lee et al. | Towards automated real‐time detection and location of large‐scale landslides through seismic waveform back projection | |
CN108376245A (zh) | 基于ud通道的时空序列图像震源识别方法 | |
Carmichael et al. | Persistent,“Mysterious” seismoacoustic signals reported in Oklahoma state during 2019 | |
CN110907989A (zh) | 重建拟地面地震反射波成像方法及系统 | |
CN116502171B (zh) | 一种基于大数据分析算法的网络安全信息动态检测系统 | |
Bowman et al. | Unusual signals recorded by ocean bottom seismometers in the flooded caldera of Deception Island volcano: volcanic gases or biological activity? | |
Adhaityar et al. | Multi-target regression using Convolutional Neural Network-Random Forests (CNN-RF) for early earthquake warning system | |
Kim et al. | Seismoacoustic explosion yield and depth estimation: Insights from the large surface explosion coupling experiment | |
Brill et al. | Foundations for forecasting: defining baseline seismicity at Fuego volcano, Guatemala | |
Colak et al. | Automatic sunspot classification for real-time forecasting of solar activities | |
CN105044471A (zh) | 计算机数字视频信息电磁泄漏检测方法 | |
CN107728194B (zh) | 一种共振胞及其耦合预测地震的方法 | |
CN111337973B (zh) | 地震数据重建方法、系统 |
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 |
Application publication date: 20180511 |
|
RJ01 | Rejection of invention patent application after publication |