CN108805447A - 一种农田土壤重金属污染分析预警系统 - Google Patents
一种农田土壤重金属污染分析预警系统 Download PDFInfo
- Publication number
- CN108805447A CN108805447A CN201810591904.4A CN201810591904A CN108805447A CN 108805447 A CN108805447 A CN 108805447A CN 201810591904 A CN201810591904 A CN 201810591904A CN 108805447 A CN108805447 A CN 108805447A
- Authority
- CN
- China
- Prior art keywords
- heavy metals
- data
- soil heavy
- farmland soil
- monitoring data
- 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.)
- Withdrawn
Links
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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Abstract
本发明提供了一种农田土壤重金属污染分析预警系统,包括:数据采集模块,用于获取农田土壤重金属污染监测数据;数据预处理模块,用于对获取的农田土壤重金属污染监测数据进行预处理,并发送至数据管理模块处进行存储;数据管理模块,用于对存储的数据进行管理;风险分析模块,用于构建农田土壤重金属污染风险综合评估指标体系,确定农田重金属污染的影响因子及其权重,对农田土壤重金属污染风险进行综合评估,并输出农田土壤重金属污染风险评估值;预警模块,用于在农田土壤重金属污染风险评估值大于设定的风险阈值时向设定的用户终端输出报警信息。
Description
技术领域
本发明涉及农田重金属污染防治技术领域,具体涉及一种农田土壤重金属污染分析预警系统。
背景技术
目前,农田土壤重金属污染的管理手段仍十分落后,管理工作主要是依靠人工为主,管理模式往往都是采用临时抽查或巡查的方式进行,管理成本高、效率低、管理到位难,管理手段迫切需要从“人工巡查式”方式向“基于信息技术支撑”的管理方式转变。由于缺乏基于现代信息技术的农田土壤重金属污染决策系统做支撑,难以综合考虑多方面因素以及时对某一区域的农田土壤重金属污染状况进行预警。
发明内容
针对上述问题,本发明提供一种农田土壤重金属污染分析预警系统。
本发明的目的采用以下技术方案来实现:
提供了一种农田土壤重金属污染分析预警系统,包括:
数据采集模块,用于获取农田土壤重金属污染监测数据;
数据预处理模块,用于对获取的农田土壤重金属污染监测数据进行预处理,并发送至数据管理模块处进行存储;
数据管理模块,用于对存储的数据进行管理;
风险分析模块,用于构建农田土壤重金属污染风险综合评估指标体系,确定农田重金属污染的影响因子及其权重,对农田土壤重金属污染风险进行综合评估,并输出农田土壤重金属污染风险评估值;
预警模块,用于在农田土壤重金属污染风险评估值大于设定的风险阈值时向设定的用户终端输出报警信息。
优选地,所述数据采集模块包括:
任务管理子模块,用于创建、分配和下发数据采集任务;
数据获取子模块,用于通过人工单条录入或批量导入、通过传感器输入、通过外部信息系统导入、通过终端采集设备输入的方式向系统输入农田土壤重金属污染监测数据。
优选地,所述数据管理模块包括:
元数据管理子模块,用于元数据的添加、删除和更新;
数据融合子模块,用于对相关数据进行融合处理;
数据查询子模块,用于根据用户自定义的查询条件实时查询相关数据;
所述相关数据包括所述农田土壤重金属污染监测数据、所述元数据。
本发明的有益效果为:可实现农田土壤重金属污染的风险评估和预警,解决了现有技术中存在的智能化水平低、成本高、效率低等问题;可以对海量的农田土壤重金属污染监测数据进行融合和统一管理,解决了农田土壤重金属污染监测数据零散分布、共享程度低、难以实时查询和高效汇总等问题,能够显著提高农田土壤重金属污染的管理精度。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明一个示例性实施例的农田土壤重金属污染分析预警系统的结构示意框图;
图2是本发明一个示例性实施例的数据预处理模块的结构示意框图。
附图标记:
数据采集模块1、数据预处理模块2、数据管理模块3、风险分析模块4、预警模块5、异常数据处理单元10、缺失数据处理单元20。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本发明实施例提供了一种农田土壤重金属污染分析预警系统,包括:
数据采集模块1,用于获取农田土壤重金属污染监测数据;
数据预处理模块2,用于对获取的农田土壤重金属污染监测数据进行预处理,并发送至数据管理模块3处进行存储;
数据管理模块3,用于对存储的数据进行管理;
风险分析模块4,用于构建农田土壤重金属污染风险综合评估指标体系,确定农田重金属污染的影响因子及其权重,对农田土壤重金属污染风险进行综合评估,并输出农田土壤重金属污染风险评估值;
预警模块5,用于在农田土壤重金属污染风险评估值大于设定的风险阈值时向设定的用户终端输出报警信息。
其中,对农田土壤重金属污染风险进行综合评估时,具体执行:对预处理后的农田土壤重金属污染监测数据进行联机分析处理、空间分析或地统计分析,找出农田土壤重金属污染的影响因素,将其作为农田土壤重金属污染风险综合评估的初选指标;然后利用因子分析法、和/或灰色关联度分析法进行指标筛选和约简,得到最终评估指标;然后,综合利用客观赋权法、主观赋权法确定各指标的权重,以此构建农田土壤重金属污染风险综合评估指标体系,对农田土壤的重金属污染风险进行综合评估,从而得到农田土壤重金属污染风险评估值。
在一种可能实现的方式中,所述数据采集模块1包括:
任务管理子模块,用于创建、分配和下发数据采集任务;
数据获取子模块,用于通过人工单条录入或批量导入、通过传感器输入、通过外部信息系统导入、通过终端采集设备输入的方式向系统输入农田土壤重金属污染监测数据。
在一种可能实现的方式中,所述数据管理模块3包括:
元数据管理子模块,用于元数据的添加、删除和更新;
数据融合子模块,用于对相关数据进行融合处理;
数据查询子模块,用于根据用户自定义的查询条件实时查询相关数据;
所述相关数据包括所述农田土壤重金属污染监测数据、所述元数据。
本发明上述实施例可实现农田土壤重金属污染的风险评估和预警,解决了现有技术中存在的智能化水平低、成本高、效率低等问题;可以对海量的农田土壤重金属污染监测数据进行融合和统一管理,解决了农田土壤重金属污染监测数据零散分布、共享程度低、难以实时查询和高效汇总等问题,能够显著提高农田土壤重金属污染的管理精度。
在一个实施例中,如图2所示,数据预处理模块2包括异常数据处理单元10和缺失数据处理单元20,异常数据处理单元10用于对获取的农田土壤重金属污染监测数据进行异常检测,并将检测出的异常数据进行修正处理;缺失数据处理单元20用于对农田土壤重金属污染监测数据进行缺失检测,并对检测出的缺失序列进行数据填补。
在一种可选的方式中,异常数据处理单元10对获取的农田土壤重金属污染监测数据进行异常检测,包括:若农田土壤重金属污染监测数据与预设的异常数据列表满足异常条件,则将该农田土壤重金属污染监测数据视为异常农田土壤重金属污染监测数据,其中异常数据列表根据实际情况选择历史异常农田土壤重金属污染监测数据进行构建;
其中,设采集到的农田土壤重金属污染监测数据时间序列为{yt,t=1,2…,n},所述的异常条件为:
式中,yp表示{yt,t=1,2…,n}中p时刻的农田土壤重金属污染监测数据,为所述异常数据列表的中值,为所述异常数据列表的平均值,σv为所述异常数据列表的标准方差,a为设定的阈值。
本实施例根据实际情况选择历史异常农田土壤重金属污染监测数据,进行构建异常数据列表,并根据异常数据列表来对农田土壤重金属污染监测数据进行异常检测,相对于较复杂的异常检测算法,检测效率更高,且符合实际监测情况。
在一个实施例中,所述将检测出的异常数据进行修正处理,包括:
(1)设定样本个数阈值R,设在农田土壤重金属污染监测数据时间序列{yt,t=1,2…,n}中的一个时刻t=i时出现了异常农田土壤重金属污染监测数据yi,选择在t=i时刻前R个未经过预处理的农田土壤重金属污染监测数据作为该异常农田土壤重金属污染监测数据yi的替换处理样本;若在t=i时刻前的未经过预处理的农田土壤重金属污染监测数据数目小于R时,取在t=i时刻前所有未经过预处理的农田土壤重金属污染监测数据作为该异常农田土壤重金属污染监测数据yi的替换处理样本;
(2)设异常农田土壤重金属污染监测数据yi的替换处理样本为{yi-u,yi-u+1,…,yi-1},计算该异常农田土壤重金属污染监测数据yi的替换值,并用该替换值替换异常农田土壤重金属污染监测数据yi;
其中,替换值的计算公式为:
式中,Yi表示该异常农田土壤重金属污染监测数据yi的替换值,Yi-1为异常农田土壤重金属污染监测数据yi的上一异常农田土壤重金属污染监测数据对应的替换值,ui-1为所述上一异常农田土壤重金属污染监测数据对应的替换处理样本中的农田土壤重金属污染监测数据个数,为{yi-u,yi-u+1,…,yi-1}的平均值,为{yi-u,yi-u+1,…,yi-1}的中值,x为设置的权重系数,当异常农田土壤重金属污染监测数据yi之前无其他异常农田土壤重金属污染监测数据时设置Yi-1=0且x=0。
由于环境因素或者系统本身的局限性,采集到的农田土壤重金属污染监测数据往往存在数据异常和数据缺失情况,针对该情况需要对采集的农田土壤重金属污染监测数据进行预先处理。
本实施例设定了对异常农田土壤重金属污染监测数据进行替换处理的新预处理机制,该预处理机制中,创新性地设定了替换处理的公式,其中选择未经过预处理的农田土壤重金属污染监测数据作为异常农田土壤重金属污染监测数据的替换处理样本,能够避免替换计算中误差的传递,该公式还考虑到上一异常农田土壤重金属污染监测数据的替换处理样本个数可能不满足设定的数目要求的情况,在上一替换值的权重系数上加以改进,使得计算出的当前替换值更加符合农田土壤重金属污染监测数据序列的整体趋势,进一步提高了异常农田土壤重金属污染监测数据替换的准确度。
在一个实施例中,缺失数据处理单元20对农田土壤重金属污染监测数据进行缺失检测,并对检测出的缺失序列进行数据填补,包括:
(1)若采集到的农田土壤重金属污染监测数据时间序列{yt,t=1,2…,n}中连续出现多个零值,则将该多个零值对应的位置视为农田土壤重金属污染监测数据缺失,该多个零值构成的农田土壤重金属污染监测数据时间序列为缺失序列;
(2)选择在该缺失序列前的R个未经过预处理的农田土壤重金属污染监测数据作为第一平滑处理样本;若在该缺失序列前的未经过预处理的农田土壤重金属污染监测数据数目小于R时,取在该缺失序列前的所有未经过预处理的农田土壤重金属污染监测数据作为第一平滑处理样本;选择在该缺失序列后的R个未经过预处理的农田土壤重金属污染监测数据作为第二平滑处理样本,并计算第二平滑处理样本的均值和中值
(3)根据该缺失序列对应的第一平滑处理样本,采用霍尔特指数平滑法构建预测模型,利用构建的预测模型计算对应于该缺失序列各缺失位置的农田土壤重金属污染监测数据预测值,其中预测模型相关公式为:
Qj=dyj+(1-d)(Qj-1+Gj-1)
Gj=f(Qj-Qj-1)+(1-f)Gj-1
yj+1′=Qj+Gj
式中,yj表示在第j时刻的农田土壤重金属污染监测数据;d、f为平滑系数,反映了第一平滑处理样本中的农田土壤重金属污染监测数据对预测结果的影响,d、f的取值范围均为(0,1);Qj、Qj-1分别表示第j、j-1时刻的平滑值,反映了农田土壤重金属污染监测数据的整体水平;Gj、Gj-1分别表示第j、j-1时刻的趋势值,反应了农田土壤重金属污染监测数据的变化趋势;yj+1′表示在第j+1时刻的农田土壤重金属污染监测数据预测值;
(4)设对应于该缺失序列中第k个缺失位置的农田土壤重金属污染监测数据预测值为yk′,按照下列公式计算所述第k个缺失位置的插入值:
式中,Yk′表示所述第k个缺失位置的插入值,h为设定的权重系数;
(5)将计算出的各插入值插入到该缺失序列中相应的缺失位置,形成完整的农田土壤重金属污染监测数据时间序列。
本实施例对缺失农田土壤重金属污染监测数据进行预处理时,在霍尔特指数平滑法的基础上,设定了新的农田土壤重金属污染监测数据缺失处理机制,该机制中,基于霍尔特指数平滑法构建的预测模型计算对应于该缺失序列各缺失位置的农田土壤重金属污染监测数据预测值,并考虑到缺失序列后的农田土壤重金属污染监测数据序列与该缺失序列之间的关联性,将缺失序列后的农田土壤重金属污染监测数据序列和农田土壤重金属污染监测数据预测值一起作为计算插入值的原始数据,相对于单靠霍尔特指数平滑法来计算插入值的方式,更加贴近农田土壤重金属污染监测数据的时间特性,有益于提高农田土壤重金属污染监测数据缺失处理的精度,为风险分析模块4提供良好的数据源。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (6)
1.一种农田土壤重金属污染分析预警系统,其特征是,包括:
数据采集模块,用于获取农田土壤重金属污染监测数据;
数据预处理模块,用于对获取的农田土壤重金属污染监测数据进行预处理,并发送至数据管理模块处进行存储;
数据管理模块,用于对存储的数据进行管理;
风险分析模块,用于构建农田土壤重金属污染风险综合评估指标体系,确定农田重金属污染的影响因子及其权重,对农田土壤重金属污染风险进行综合评估,并输出农田土壤重金属污染风险评估值;
预警模块,用于在农田土壤重金属污染风险评估值大于设定的风险阈值时向设定的用户终端输出报警信息。
2.根据权利要求1所述的一种农田土壤重金属污染分析预警系统,其特征是,所述数据采集模块包括:
任务管理子模块,用于创建、分配和下发数据采集任务;
数据获取子模块,用于通过人工单条录入或批量导入、通过传感器输入、通过外部信息系统导入、通过终端采集设备输入的方式向系统输入农田土壤重金属污染监测数据。
3.根据权利要求1或2所述的一种农田土壤重金属污染分析预警系统,其特征是,所述数据管理模块包括:
元数据管理子模块,用于元数据的添加、删除和更新;
数据融合子模块,用于对相关数据进行融合处理;
数据查询子模块,用于根据用户自定义的查询条件实时查询相关数据;
所述相关数据包括所述农田土壤重金属污染监测数据、所述元数据。
4.根据权利要求1所述的一种农田土壤重金属污染分析预警系统,其特征是,数据预处理模块包括异常数据处理单元和缺失数据处理单元,异常数据处理单元用于对获取的农田土壤重金属污染监测数据进行异常检测,并将检测出的异常数据进行修正处理;缺失数据处理单元用于对农田土壤重金属污染监测数据进行缺失检测,并对检测出的缺失序列进行数据填补。
5.根据权利要求4所述的一种农田土壤重金属污染分析预警系统,其特征是,异常数据处理单元对获取的农田土壤重金属污染监测数据进行异常检测,包括:若农田土壤重金属污染监测数据与预设的异常数据列表满足异常条件,则将该农田土壤重金属污染监测数据视为异常农田土壤重金属污染监测数据,其中异常数据列表根据实际情况选择历史异常农田土壤重金属污染监测数据进行构建;
其中,设采集到的农田土壤重金属污染监测数据时间序列为{yt,t=1,2…,n},所述的异常条件为:
式中,yp表示{yt,t=1,2…,n}中p时刻的农田土壤重金属污染监测数据,为所述异常数据列表的中值,为所述异常数据列表的平均值,σv为所述异常数据列表的标准方差,a为设定的阈值。
6.根据权利要求4或5所述的一种农田土壤重金属污染分析预警系统,其特征是,缺失数据处理单元对农田土壤重金属污染监测数据进行缺失检测,并对检测出的缺失序列进行数据填补,包括:
(1)若采集到的农田土壤重金属污染监测数据时间序列{yt,t=1,2…,n}中连续出现多个零值,则将该多个零值对应的位置视为农田土壤重金属污染监测数据缺失,该多个零值构成的农田土壤重金属污染监测数据时间序列为缺失序列;
(2)选择在该缺失序列前的R个未经过预处理的农田土壤重金属污染监测数据作为第一平滑处理样本;若在该缺失序列前的未经过预处理的农田土壤重金属污染监测数据数目小于R时,取在该缺失序列前的所有未经过预处理的农田土壤重金属污染监测数据作为第一平滑处理样本;选择在该缺失序列后的R个未经过预处理的农田土壤重金属污染监测数据作为第二平滑处理样本,并计算第二平滑处理样本的均值和中值
(3)根据该缺失序列对应的第一平滑处理样本,采用霍尔特指数平滑法构建预测模型,利用构建的预测模型计算对应于该缺失序列各缺失位置的农田土壤重金属污染监测数据预测值,其中预测模型相关公式为:
Qj=dyj+(1-d)(Qj-1+Gj-1)
Gj=f(Qj-Qj-1)+(1-f)Gj-1
yj+1′=Qj+Gj
式中,yj表示在第j时刻的农田土壤重金属污染监测数据;d、f为平滑系数,反映了第一平滑处理样本中的农田土壤重金属污染监测数据对预测结果的影响,d、f的取值范围均为(0,1);Qj、Qj-1分别表示第j、j-1时刻的平滑值,反映了农田土壤重金属污染监测数据的整体水平;Gj、Gj-1分别表示第j、j-1时刻的趋势值,反应了农田土壤重金属污染监测数据的变化趋势;yj+1′表示在第j+1时刻的农田土壤重金属污染监测数据预测值;
(4)设对应于该缺失序列中第k个缺失位置的农田土壤重金属污染监测数据预测值为yk′,按照下列公式计算所述第k个缺失位置的插入值:
式中,Yk′表示所述第k个缺失位置的插入值,h为设定的权重系数;
(5)将计算出的各插入值插入到该缺失序列中相应的缺失位置,形成完整的农田土壤重金属污染监测数据时间序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810591904.4A CN108805447A (zh) | 2018-06-11 | 2018-06-11 | 一种农田土壤重金属污染分析预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810591904.4A CN108805447A (zh) | 2018-06-11 | 2018-06-11 | 一种农田土壤重金属污染分析预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108805447A true CN108805447A (zh) | 2018-11-13 |
Family
ID=64088926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810591904.4A Withdrawn CN108805447A (zh) | 2018-06-11 | 2018-06-11 | 一种农田土壤重金属污染分析预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108805447A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108965417A (zh) * | 2018-07-04 | 2018-12-07 | 梧州市兴能农业科技有限公司 | 农田土壤污染无线监测系统 |
CN108966169A (zh) * | 2018-07-02 | 2018-12-07 | 梧州市兴能农业科技有限公司 | 针对农田土壤的重金属污染分析预警系统 |
CN113837474A (zh) * | 2021-09-27 | 2021-12-24 | 北京信息科技大学 | 区域土壤重金属污染指数预测方法及装置 |
-
2018
- 2018-06-11 CN CN201810591904.4A patent/CN108805447A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108966169A (zh) * | 2018-07-02 | 2018-12-07 | 梧州市兴能农业科技有限公司 | 针对农田土壤的重金属污染分析预警系统 |
CN108965417A (zh) * | 2018-07-04 | 2018-12-07 | 梧州市兴能农业科技有限公司 | 农田土壤污染无线监测系统 |
CN108965417B (zh) * | 2018-07-04 | 2021-12-21 | 梧州市兴能农业科技有限公司 | 农田土壤污染无线监测系统 |
CN113837474A (zh) * | 2021-09-27 | 2021-12-24 | 北京信息科技大学 | 区域土壤重金属污染指数预测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110278121B (zh) | 一种检测网络性能异常的方法、装置、设备及存储介质 | |
CN108805447A (zh) | 一种农田土壤重金属污染分析预警系统 | |
CN103514259B (zh) | 一种基于数值关联性模型的异常数据探测及修正方法 | |
US10074079B2 (en) | Systems and methods for automated analysis, screening and reporting of group performance | |
CN108550047A (zh) | 交易量的预测方法及装置 | |
CN102880809A (zh) | 基于关联向量回归模型的聚丙烯熔融指数在线检测方法 | |
CN108345985A (zh) | 一种配电网数据质量评估方法及系统 | |
CN103440283A (zh) | 一种测点数据的补缺系统及补缺方法 | |
CN109816031A (zh) | 一种基于数据不均衡度量的变压器状态评估聚类分析方法 | |
CN110232515A (zh) | 一种bim项目实时监测系统及评价方法 | |
CN112257962B (zh) | 一种台区线损预测方法及装置 | |
CN112381364A (zh) | 一种食品质量抽检的综合评价方法 | |
CN108734567A (zh) | 一种基于大数据人工智能风控的资产管理系统及其评估方法 | |
CN108600965A (zh) | 一种基于客人位置信息的客流数据预测方法 | |
CN109242552A (zh) | 一种基于大数据的商铺定位方法 | |
CN104239722A (zh) | 一种基于因素间相关关系识别的预测方法 | |
CN111612019A (zh) | 一种基于大数据模型对智能电表故障异常辨识分析的方法 | |
CN114330102A (zh) | 基于降雨相似与模型参数智能适配的快速洪水预报方法及装置 | |
CN114154866A (zh) | 一种上市企业财务风险预警方法和系统 | |
CN112598227A (zh) | 一种基于电力数据的电力经济指数构建方法及系统 | |
CN114155072B (zh) | 基于大数据分析的财务预测模型构建方法及系统 | |
CN108051676B (zh) | 一种雷电流幅值累积概率分布曲线拟合计算方法 | |
CN109829197A (zh) | 改进的布谷鸟寻优的丙烯聚合生产过程最优软测量仪表 | |
CN109033125A (zh) | 时序数据支配集信息提取方法 | |
Qiang et al. | Relationship model between human resource management activities and performance based on LMBP algorithm |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181113 |