CN108830507A - 一种食品安全风险预警方法 - Google Patents
一种食品安全风险预警方法 Download PDFInfo
- Publication number
- CN108830507A CN108830507A CN201810701394.1A CN201810701394A CN108830507A CN 108830507 A CN108830507 A CN 108830507A CN 201810701394 A CN201810701394 A CN 201810701394A CN 108830507 A CN108830507 A CN 108830507A
- Authority
- CN
- China
- Prior art keywords
- food
- early warning
- category
- different
- disqualification rate
- 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
- 235000013305 food Nutrition 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000007689 inspection Methods 0.000 claims abstract description 38
- 238000005070 sampling Methods 0.000 claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 238000007726 management method Methods 0.000 claims abstract description 8
- 235000015219 food category Nutrition 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000011478 gradient descent method Methods 0.000 claims description 6
- 239000000447 pesticide residue Substances 0.000 claims description 5
- 239000000273 veterinary drug Substances 0.000 claims description 5
- 239000002778 food additive Substances 0.000 claims description 4
- 235000013373 food additive Nutrition 0.000 claims description 4
- 244000005700 microbiome Species 0.000 claims description 4
- 239000000356 contaminant Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000012913 prioritisation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000000714 time series forecasting Methods 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种食品安全风险预警方法，通过食品安全检测分机获取当前时间段下食品的检验数据；由管理服务器收集不同食品品类在不同地理区域的历史检验数据，并对历史检验数据；进行食品安全风险预警分析，获取预警分析结果；且当预警分析结果风险指数超出预设范围值时，由管理服务器向检测分机进行风险报警。本发明预测未来不同食品品类在不同地理区域的风险指数；能够向抽检人员提供抽检依据，提高抽检针对性，提高食品安全检验效率，降低人工劳动成本，为食品需求和生产提供指导，提高食品的利用率，降低食品安全风险。
Description
技术领域
本发明属于食品安全与计算机数据建模技术领域，特别是涉及一种食品安全风险预警方法。
背景技术
食药监抽检工作分为评价性抽检和监督性抽检。评价性抽检是通过随机抽样的方式来评估地理区域的整体食品安全情况。而监督性抽检的目标是准确发现那些容易出问题的企业和食品。在缺少足够指导依据的情况下，抽检人员一般根据历史经验来对企业进行监督性抽检，这会导致部分企业被过度抽检，而部分企业从不被抽检。
食品品类在不同地理区域的风险预测的本质是时序预测。然而，因为食品品类数量和地理区域数量较多，在实际中应用中很难对每个食品品类在每个地理区域进行分别时序建模，故现有的食品安全预警方式无法解决该问题。
发明内容
为了解决上述问题，本发明提出了一种食品安全风险预警方法，使用不同食品品类在不同地理区域的抽检历史数据，预测未来不同食品品类在不同地理区域的风险指数；通过预测不同食品品类在不同地理区域的食品风险指数，能够向抽检人员提供抽检依据，提高抽检针对性，提高食品安全检验效率，降低人工劳动成本，为食品需求和生产提供指导，提高食品的利用率，降低食品安全风险。
为达到上述目的，本发明采用的技术方案是：一种食品安全风险预警方法，通过食品安全检测分机获取当前时间段下食品的检验数据；由管理服务器收集不同食品品类在不同地理区域的历史检验数据，并对历史检验数据；进行食品安全风险预警分析，获取预警分析结果；且当预警分析结果风险指数超出预设范围值时，由管理服务器向检测分机进行风险报警；
所述食品安全风险预警分析方法，包括步骤：
步骤1，通过历史检验数据，计算不同月份的食品不合格率的平均值；
步骤2，通过历史检验数据，计算每个食品品类在不同月份的平均不合格率，以及计算不同食品品类在不同月份的抽检不合率与所述平均值的偏置；
步骤3，通过历史检验数据，计算每个区域在不同月份的平均不合格率，以及计算不同地理区域在不同时间段的不合格率与所述平均值的偏置；
步骤4，为每个地理区域和食品品类的建立隐向量和不合格率矩阵；
步骤5，建立目标函数，通过梯度下降法对目标函数中的地理区域和品类隐向量求得最优解；
步骤6，基于历史检验数据求得的地理区域和品类的食品隐向量，结合当前月份历史检验数据的偏置，预测当前时间段下食品品类在不同地理区域的不合格率；
步骤7，通过评分函数，将食品品类在地理区域的预测不合格率映射为风险指数。
进一步的是，所述历史检验数据包括不同食品品类在不同地理区域的检验结果和单个抽检食品的检验结果；所述检验结果包括食品污染物、微生物、食品添加剂、农药残留和兽药残留含量值。
进一步的是，所述食品安全检测装置为生物传感器，快速测定食品中污染物、微生物、食品添加剂、农药残留和兽药残留的含量值。
进一步的是，所述目标函数的建立公式为：
其中，M(h,g)-k为年份h的月份g的前k个月时的不合格率矩阵；u为不合格率的平均值，fi,j为食品品类i在月份g-k的不合格率的偏置；ak,j为区域j在月份g-k的不合格率的偏置；qi每个食品品类隐向量，pj每个区域隐向量；
使用梯度下降法对所述目标函数进行寻优，得到每个食品品类和区域的隐向量最优解。
进一步的是，在实际抽检中过程中，不合格率矩阵元素M中存在大量空值；为了防止过拟合，对所述目标函数加入L2正则项：
进一步的是，所述预测当前时间段下食品品类在不同地理区域的不合格率的计算公式为：
M(h,g)+1(i,j)＝u(g+1)mod12+fi,(g+1)mod12+aj,(g+1)mod12+qi Tpj。
采用本技术方案的有益效果：
本发明通过预测不同食品品类在不同地理区域的食品风险指数，计算速度快且精确度高，能够向抽检人员提供有效的检验依据，提高抽检针对性，从而解决有限监管资源与无限监管对象之间的矛盾，实现高效的靶向性抽检工作；
本发明提高抽检针对性并进行预警提示，提高食品安全检验效率，降低人工劳动成本，为食品需求和生产提供指导，提高食品的利用率，降低食品安全风险。
附图说明
图1为本发明的一种食品安全风险预警方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。
在本实施例中，参见图1所示，本发明提出了一种食品安全风险预警方法，通过食品安全检测分机获取当前时间段下食品的检验数据；由管理服务器收集不同食品品类在不同地理区域的历史检验数据，并对历史检验数据；进行食品安全风险预警分析，获取预警分析结果；且当预警分析结果风险指数超出预设范围值时，由管理服务器向检测分机进行风险报警；
所述食品安全风险预警分析方法，包括步骤：
步骤1，通过历史检验数据，计算不同月份的食品不合格率的平均值；
步骤2，通过历史检验数据，计算每个食品品类在不同月份的平均不合格率，以及计算不同食品品类在不同月份的抽检不合率与所述平均值的偏置；
步骤3，通过历史检验数据，计算每个区域在不同月份的平均不合格率，以及计算不同地理区域在不同时间段的不合格率与所述平均值的偏置；
步骤4，为每个地理区域和食品品类的建立隐向量和不合格率矩阵；
步骤5，建立目标函数，通过梯度下降法对目标函数中的地理区域和品类隐向量求得最优解；
步骤6，基于历史检验数据求得的地理区域和品类的食品隐向量，结合当前月份历史检验数据的偏置，预测当前时间段下食品品类在不同地理区域的不合格率；
步骤7，通过评分函数，将食品品类在地理区域的预测不合格率映射为风险指数。
作为上述实施例的优化方案，所述历史检验数据包括不同食品品类在不同地理区域的检验结果和单个抽检食品的检验结果；所述检验结果包括食品污染物、微生物、食品添加剂、农药残留和兽药残留含量值。
所述食品安全检测装置为生物传感器，快速测定食品中污染物、微生物、食品添加剂、农药残留和兽药残留的含量值。
作为上述实施例的优化方案，所述目标函数的建立公式为：
其中，M(h,g)-k为年份h的月份g的前k个月时的不合格率矩阵；u为不合格率的平均值，fi,j为食品品类i在月份g-k的不合格率的偏置；ak,j为区域j在月份g-k的不合格率的偏置；qi每个食品品类隐向量，pj每个区域隐向量；
使用梯度下降法对所述目标函数进行寻优，得到每个食品品类和区域的隐向量最优解。
在实际抽检中过程中，不合格率矩阵元素M中存在大量空值；为了防止过拟合，对所述目标函数加入L2正则项：
所述预测当前时间段下食品品类在不同地理区域的不合格率的计算公式为：
M(h,g)+1(i,j)＝u(g+1)mod12+fi,(g+1)mod12+aj,(g+1)mod12+qi Tpj。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种食品安全风险预警方法，其特征在于，通过食品安全检测分机获取当前时间段下食品的检验数据；由管理服务器收集不同食品品类在不同地理区域的历史检验数据，并对历史检验数据；进行食品安全风险预警分析，获取预警分析结果；且当预警分析结果风险指数超出预设范围值时，由管理服务器向检测分机进行风险报警；
所述食品安全风险预警分析方法，包括步骤：
步骤1，通过历史检验数据，计算不同月份的食品不合格率的平均值；
步骤2，通过历史检验数据，计算每个食品品类在不同月份的平均不合格率，以及计算不同食品品类在不同月份的抽检不合率与所述平均值的偏置；
步骤3，通过历史检验数据，计算每个区域在不同月份的平均不合格率，以及计算不同地理区域在不同时间段的不合格率与所述平均值的偏置；
步骤4，为每个地理区域和食品品类的建立隐向量和不合格率矩阵；
步骤5，建立目标函数，通过梯度下降法对目标函数中的地理区域和品类隐向量求得最优解；
步骤6，基于历史检验数据求得的地理区域和品类的食品隐向量，结合当前月份历史检验数据的偏置，预测当前时间段下食品品类在不同地理区域的不合格率；
步骤7，通过评分函数，将食品品类在地理区域的预测不合格率映射为风险指数。
2.根据权利要求1所述的一种食品安全风险预警方法，其特征在于，所述历史检验数据包括不同食品品类在不同地理区域的检验结果和单个抽检食品的检验结果；所述检验结果包括食品污染物、微生物、食品添加剂、农药残留和兽药残留含量值。
3.根据权利要求2所述的一种食品安全风险预警方法，其特征在于，所述食品安全检测装置为生物传感器。
4.根据权利要求1所述的一种食品安全风险预警方法，其特征在于，所述目标函数的建立公式为：
其中，M(h,g)-k为年份h的月份g的前k个月时的不合格率矩阵；u为不合格率的平均值，fi,j为食品品类i在月份g-k的不合格率的偏置；ak,j为区域j在月份g-k的不合格率的偏置；qi每个食品品类隐向量，pj每个区域隐向量；
使用梯度下降法对所述目标函数进行寻优，得到每个食品品类和区域的隐向量最优解。
5.根据权利要求4所述的一种食品安全风险预警方法，其特征在于，对所述目标函数加入L2正则项：
6.根据权利要求5所述的一种食品安全风险预警方法，其特征在于，所述预测当前时间段下食品品类在不同地理区域的不合格率的计算公式为：
M(h,g)+1(i,j)＝u(g+1)mod12+fi,(g+1)mod12+aj,(g+1)mod12+qi Tpj。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810701394.1A CN108830507A (zh) | 2018-06-29 | 2018-06-29 | 一种食品安全风险预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810701394.1A CN108830507A (zh) | 2018-06-29 | 2018-06-29 | 一种食品安全风险预警方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108830507A true CN108830507A (zh) | 2018-11-16 |
Family
ID=64134940
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810701394.1A Pending CN108830507A (zh) | 2018-06-29 | 2018-06-29 | 一种食品安全风险预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108830507A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109816405A (zh) * | 2019-02-14 | 2019-05-28 | 江门出入境检验检疫局检验检疫技术中心 | 一种二维码食品安全检测方法 |
| CN110826855A (zh) * | 2019-10-09 | 2020-02-21 | 广州供电局有限公司 | 智能配电房状态监测传感器入网性能的检验方法及系统 |
| CN111598408A (zh) * | 2020-04-23 | 2020-08-28 | 成都数之联科技有限公司 | 一种贸易信息风险预警模型的构建方法及应用 |
| CN112101819A (zh) * | 2020-10-28 | 2020-12-18 | 平安国际智慧城市科技股份有限公司 | 食品风险预测方法、装置、设备及存储介质 |
| CN112258082A (zh) * | 2020-11-04 | 2021-01-22 | 成都市食品药品检验研究院 | 一种食品生产经营企业个性化风险防控智能系统 |
| CN112256806A (zh) * | 2020-11-04 | 2021-01-22 | 成都市食品药品检验研究院 | 一种食品生产经营全程风险信息库的构建方法及系统 |
| CN112465264A (zh) * | 2020-12-07 | 2021-03-09 | 湖北省食品质量安全监督检验研究院 | 食品安全风险等级预测方法、装置及电子设备 |
| CN112508456A (zh) * | 2020-12-25 | 2021-03-16 | 平安国际智慧城市科技股份有限公司 | 食品安全风险评估方法、系统、计算机设备及存储介质 |
| CN114611919A (zh) * | 2022-03-09 | 2022-06-10 | 广东产品质量监督检验研究院（国家质量技术监督局广州电气安全检验所、广东省试验认证研究院、华安实验室） | 一种不合格产品的风险评估方法 |
| CN117688452A (zh) * | 2024-02-01 | 2024-03-12 | 山东龙奥生物技术有限公司 | 一种基于神经网络的食品农药残留量检测预警方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104951664A (zh) * | 2015-07-22 | 2015-09-30 | 通号通信信息集团有限公司 | 建筑物倾斜角度的预测方法及系统 |
| CN106339829A (zh) * | 2016-11-10 | 2017-01-18 | 国网山东省电力公司济南供电公司 | 基于大云物移技术的配电网主动抢修全景监控系统 |
| CN108052534A (zh) * | 2017-11-15 | 2018-05-18 | 南京邮电大学 | 一种基于地理特征的房地产推荐方法 |
| CN108090093A (zh) * | 2016-11-22 | 2018-05-29 | 华为技术有限公司 | 生成推荐结果的方法和装置 |
| CN108133038A (zh) * | 2018-01-10 | 2018-06-08 | 重庆邮电大学 | 一种基于动态记忆网络的实体级别情感分类系统及方法 |
-
2018
- 2018-06-29 CN CN201810701394.1A patent/CN108830507A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104951664A (zh) * | 2015-07-22 | 2015-09-30 | 通号通信信息集团有限公司 | 建筑物倾斜角度的预测方法及系统 |
| CN106339829A (zh) * | 2016-11-10 | 2017-01-18 | 国网山东省电力公司济南供电公司 | 基于大云物移技术的配电网主动抢修全景监控系统 |
| CN108090093A (zh) * | 2016-11-22 | 2018-05-29 | 华为技术有限公司 | 生成推荐结果的方法和装置 |
| CN108052534A (zh) * | 2017-11-15 | 2018-05-18 | 南京邮电大学 | 一种基于地理特征的房地产推荐方法 |
| CN108133038A (zh) * | 2018-01-10 | 2018-06-08 | 重庆邮电大学 | 一种基于动态记忆网络的实体级别情感分类系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| KOREN Y: "Matrix factorization techniques for recommender systems", 《COMPUTER》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109816405A (zh) * | 2019-02-14 | 2019-05-28 | 江门出入境检验检疫局检验检疫技术中心 | 一种二维码食品安全检测方法 |
| CN110826855A (zh) * | 2019-10-09 | 2020-02-21 | 广州供电局有限公司 | 智能配电房状态监测传感器入网性能的检验方法及系统 |
| CN111598408A (zh) * | 2020-04-23 | 2020-08-28 | 成都数之联科技有限公司 | 一种贸易信息风险预警模型的构建方法及应用 |
| CN111598408B (zh) * | 2020-04-23 | 2023-04-18 | 成都数之联科技股份有限公司 | 一种贸易信息风险预警模型的构建方法及应用 |
| CN112101819A (zh) * | 2020-10-28 | 2020-12-18 | 平安国际智慧城市科技股份有限公司 | 食品风险预测方法、装置、设备及存储介质 |
| CN112258082A (zh) * | 2020-11-04 | 2021-01-22 | 成都市食品药品检验研究院 | 一种食品生产经营企业个性化风险防控智能系统 |
| CN112256806A (zh) * | 2020-11-04 | 2021-01-22 | 成都市食品药品检验研究院 | 一种食品生产经营全程风险信息库的构建方法及系统 |
| CN112465264A (zh) * | 2020-12-07 | 2021-03-09 | 湖北省食品质量安全监督检验研究院 | 食品安全风险等级预测方法、装置及电子设备 |
| CN112508456A (zh) * | 2020-12-25 | 2021-03-16 | 平安国际智慧城市科技股份有限公司 | 食品安全风险评估方法、系统、计算机设备及存储介质 |
| CN114611919A (zh) * | 2022-03-09 | 2022-06-10 | 广东产品质量监督检验研究院（国家质量技术监督局广州电气安全检验所、广东省试验认证研究院、华安实验室） | 一种不合格产品的风险评估方法 |
| CN117688452A (zh) * | 2024-02-01 | 2024-03-12 | 山东龙奥生物技术有限公司 | 一种基于神经网络的食品农药残留量检测预警方法及系统 |
| CN117688452B (zh) * | 2024-02-01 | 2024-05-07 | 山东龙奥生物技术有限公司 | 一种基于神经网络的食品农药残留量检测预警方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108830507A (zh) | 一种食品安全风险预警方法 | |
| CN104317681B (zh) | 针对计算机系统的行为异常自动检测方法及检测系统 | |
| CN111046564B (zh) | 两阶段退化产品的剩余寿命预测方法 | |
| CN108508863A (zh) | 一种基于灰色模型的机电设备故障诊断方法 | |
| CN107679734A (zh) | 一种用于无标签数据分类预测的方法和系统 | |
| CN107516279B (zh) | 一种网络舆情自动预警的方法 | |
| CN105871634A (zh) | 检测集群异常的方法及应用、管理集群的系统 | |
| CN110334816A (zh) | 一种工业设备检测方法、装置、设备及可读存储介质 | |
| CN109829614A (zh) | 一种基于靶标模型的食品风险量化分级方法及系统 | |
| Hsu | Caveats concerning comparisons of change rates obtained with five methods of identifying significant client changes: comment on Speer and Greenbaum (1995). | |
| CN103902798B (zh) | 数据预处理方法 | |
| CN116308415A (zh) | 一种污水排放数据真伪风险评估方法 | |
| CN112949735A (zh) | 一种基于离群数据挖掘的液态危化品挥发浓度异常发现方法 | |
| CN114429308A (zh) | 一种基于大数据的企业安全风险评估方法及系统 | |
| CN114331114A (zh) | 一种管道安全风险智能化监管方法及系统 | |
| CN108596436A (zh) | 基于计算机的经济指标实时监控分析方法 | |
| Yu et al. | LRProb control chart based on logistic regression for monitoring mean shifts of auto-correlated manufacturing processes | |
| CN111222968A (zh) | 一种企业税务风险管控方法及系统 | |
| CN115660513B (zh) | 一种基于水利工程渡槽变形的监测方法及系统 | |
| CN106446391B (zh) | 金属材料稳态蠕变速率本构方程的可靠性评价方法 | |
| CN116992347A (zh) | 一种管道腐蚀预测方法、系统、终端设备及存储介质 | |
| CN117010549A (zh) | 基于大数据管理体系的信息溯源方法及终端 | |
| CN116433218A (zh) | 基于自组织映射聚类的矿井机械设备在线健康评估方法 | |
| CN107480647B (zh) | 基于归纳式一致性异常检测的异常行为实时检测方法 | |
| CN108109675B (zh) | 一种实验室质量控制数据管理系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181116 |