CN110674983A - 一种基于copula函数尾部关联分析的工作面瓦斯预警方法 - Google Patents
一种基于copula函数尾部关联分析的工作面瓦斯预警方法 Download PDFInfo
- Publication number
- CN110674983A CN110674983A CN201910878739.5A CN201910878739A CN110674983A CN 110674983 A CN110674983 A CN 110674983A CN 201910878739 A CN201910878739 A CN 201910878739A CN 110674983 A CN110674983 A CN 110674983A
- Authority
- CN
- China
- Prior art keywords
- function
- copula
- early warning
- working face
- gas
- 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
- 241000039077 Copula Species 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000010219 correlation analysis Methods 0.000 title claims abstract description 14
- 238000009826 distribution Methods 0.000 claims abstract description 47
- 238000007689 inspection Methods 0.000 claims abstract description 8
- 238000005315 distribution function Methods 0.000 claims description 17
- 238000010586 diagram Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 6
- 230000003044 adaptive effect Effects 0.000 abstract 1
- 239000003245 coal Substances 0.000 description 8
- 238000001514 detection method Methods 0.000 description 4
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 241001491813 Scopula Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000011081 inoculation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明介绍了一种基于copula函数尾部关联分析的工作面瓦斯预警方法,采用copula函数尾部关联分析方法,研究工作面及其运输巷瓦斯浓度的统计学特征、概率分布上尾部关联程度及最大概率瓦斯预警阀值,包括:样本分布形态的判断,利用非参数法对模型参数进行估计,通过拟合优度检验确定最优模型函数,根据模型函数的上尾部特征确定适应实际情况的瓦斯预警阀值,本发明通过从整体上分析矿井工作面及其关联巷道瓦斯涌出的相依性,确定适应实际情况的瓦斯预警阀值,从而为短周期瓦斯关联预警提供理论支持。
Description
技术领域
本发明涉及煤矿工作面瓦斯灾害的预警领域,特别涉及工作面及其关联巷道一种基copula函数尾部关联分析的工作面瓦斯预警方法。
背景技术
瓦斯灾害防治是煤矿安全生产的关键环节,分析工作面及其关联巷道瓦斯涌出的相依性结构,确定适应实际情况的瓦斯预警阀值对瓦斯灾害预警及防治具有重要意义,长期以来煤矿瓦斯预警存在依赖单一区域监测水平的弊端和固定的预警阀值,忽视宏观上对各瓦斯关联区涌出水平相依性和适应实际情况的瓦斯预警值分析。可见,如何实现对各瓦斯涌出区关联分析和确定实际预警指标是亟待解决的问题。
发明内容
本发明之目的是:针对现有技术主要从单一区域检测瓦斯水平,缺乏对关联巷道瓦斯涌出水平相依性结构分析和对数据的统计特征挖掘不足,本发明提出了基于copula函数尾部关联分析的工作面瓦斯预警方法,为瓦斯灾害预警提供了理论辅助作用,可广泛应用于煤矿瓦斯灾害关联预测预警中,它包括以下步骤,其特征在于:
(1)从矿井安全生产监控系统中,以时间m为间隔,截取工作面及其运输巷瓦斯浓度(Xt,Yt)t=1,2,...,n,Xt,Yt分别为工作面运输巷和工作面瓦斯浓度;
(2)将两组瓦斯浓度样本(Xt,Yt),用核密度估计法检验样本的分布形态;
(3)将工作面及其运输巷瓦斯浓度的时间序列分布Xt,Yt,转化为各自的累积分布函数值,形成新的序列(ut,vt),其中ut,vt为t时刻工作面运输巷和工作面瓦斯浓度的概率值,并画出它们的散点图;
(4)根据散点图、样本分布形态选取符合条件的copula函数;
(5)根据样本计算copula模型函数的Kendal秩系数τ和参数θ;
(7)通过最优copula函数模型计算不同条件概率时的上尾相关系数λ(α),以最大概率相关系数对应的分位数值作为瓦斯预警阀值;
进一步,上述步骤(2)包括:用核密度估计法画出运输巷道瓦斯样本的分布曲线和标准正态分布曲线进行对比;
用核密度估计法画出工作面瓦斯样本的分布曲线和标准正态分布曲线进行对比;
进一步,上述步骤(4)包括:两样本边际分布均符合正态分布选取正态copula函数族,两样本边际分布均不符合正态分布则考虑采用Archimedes copula函数族进行构造;
二元正态copula函数族对变量上下尾的相关性都很敏感;二元Archimedescopula函数中,Gumbel copula对变量间的上尾相关变化较敏感;No.12copula、No.14copula能够快速捕捉变量间上下尾的相关变化,可进行参考优选;
Gumbel copula函数:生成元函数:κ(t)=(-ln t)θ
进一步,上述步骤(6)包括:
二维Archimedes copula函数为C,函数C(U,V)的分布函数为K(t),其生成函数记为κ(·):
κ-1为生成元函数κ(·)的一阶导数。
随机样本(X1,Y1),...,(Xn,Yn)来自联合分布H(X,Y),其有连续的边际分布函数F(x),G(y),对应的Archimedes copula为C(U,V),其中U=F(x),V=G(y)符合均匀分布,则copula函数的分布函数的估计为:
K(t)=P(C(u,v)≤t)=P(H(x,y)≤t)。
对于样本集的分布函数Fn(x)和其假设的理论F(x):
K-S检验定义为:Dn=supx|Fn(x)-F(x)|,x∈(0,1),supx是距离的上确界:
若Xi服从理论分布F(x),则当n趋于无穷时Fn(x)近似等于F(x),Dn值则趋于0;
进一步,上述步骤(7)包括:
式中:X,Y是关联随机变量,α是条件概率,qα是相对于α的分位数,分别计算模型函数条件概率为0.7、0.75、0.85、0.95时的上尾相关系数λ(α)值;
选取相关系数最强的λ(α)对应的分位数qα做为最大概率瓦斯预警阀值进行预警检验。
本发明的有益效果是本发明基于copula函数尾部关联分析的工作面瓦斯预警方法,具有以下方面的优点:实现了通过结构关联分析对工作面瓦斯的短期预警,通过研究工作面及其关联巷道瓦斯浓度的分布特征,从整体上分析矿井工作面及其关联巷道瓦斯涌出的相依性,选择符合条件的copula函数进行样本的上尾部相关性特征研究,可以得到关联区瓦斯涌出的相关系数和对应的瓦斯预警阀值,当工作面运输巷瓦斯浓度超过预警阀值时发出预警,从而为工作面瓦斯超前预警决策提供理论支持。
附图说明
图1是本发明一实施例的基于copula函数尾部关联分析的工作面瓦斯预警方法流程图也是本发明的摘要附图;
图2(a)、(b)是本发明一实施例的样本分布核密度估曲线图;
图3是本发明一实施例的瓦斯检测区样本瓦斯浓度概率分布散点图;
图4是本发明一实施例的工作面及其运输巷瓦斯预警结果图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
根据现场资料,2019年3月23日研究区A煤矿工作面发生瓦斯超限警报,从矿井安全生产监控系统中工作面发生瓦斯超限报警前一段时间内,每15min为间隔截取工作面及其运输巷瓦斯浓度的500组、1000个有效检测数据作为研究对象进行分析。以研究区A煤矿工作面瓦斯灾害孕育时期为例,基于基于copula函数尾部关联分析的工作面瓦斯预警方法的流程如图1所示,包括如下步骤:
(1)、A煤矿为高瓦斯矿井,工作面采用钻孔预先抽采瓦斯的方法降低煤层瓦斯涌出水平,抽放检验孔兼做瓦斯排放孔,矿井采用抽出式通风方法,从矿井安全生产监控系统中工作面发生瓦斯超限报警前一段时间内,每15min为间隔截取工作面及其运输巷瓦斯浓度的500组、1000个有效检测数据作为研究对象进行分析,Xt,Yt分别为工作面运输巷和工作面瓦斯浓度;
(2)、将两组瓦斯浓度样本(Xt,Yt),用核密度估计法检验样本的分布形态,如图2:用核密度估计法画出运输巷道瓦斯样本的分布曲线和标准正态分布曲线进行对比;用核密度估计法画出工作面瓦斯样本的分布曲线和标准正态分布曲线进行对比;根据对比结果确定样本数据的分布形态为非正态分布;
(3)、将工作面及其运输巷瓦斯浓度的时间序列分布Xt,Yt,转化为各自的累积分布函数值,形成新的序列(ut,vt),其中ut,vt为t时刻工作面运输巷和工作面瓦斯浓度的概率值,并画出它们的散点图,如图3;
以ut,vt为横纵坐标画出他们的散点图;
(4)、根据散点图、样本分布形态选取符合条件的copula函数;两样本边际分布均符合正态分布选取正态copula函数族,两样本边际分布均不符合正态分布,考虑采用Archimedes copula函数族进行构造;二元正态copula函数族对变量上下尾的相关性都很敏感;二元Archimedes copula函数中,Gumbel copula对变量间的上尾相关变化较敏感;No.12copula、No.14copula能够快速捕捉变量间上下尾的相关变化,可进行参考优选;
(5)、根据样本计算copula模型函数的Kendal秩系数τ和参数θ,包括:
二维Archimedes copula函数为C,函数C(U,V)的分布函数为K(t),其生成函数记为κ(·):
κ-1为生成元函数κ(·)的一阶导数;
Gumbel copula函数的生成元函数:κ(t)=(-ln t)θ,No.12 copula函数的生成元函数:κ(t)=(t-1-1)θ,No.14 copula函数的生成元函数:随机样本(X1,Y1),...,(Xn,Yn)来自联合分布H(X,Y),其有连续的边际分布函数F(x),G(y),对应的Archimedes copula为C(U,V),其中U=F(x),V=G(y)符合均匀分布,则copula函数的分布函数的估计为:
K(t)=P(C(u,v)≤t)=P(H(x,y)≤t);
随机变量:
对于样本集的分布函数Fn(x)和其假设的理论F(x);
K-S检验定义为:Dn=supx|Fn(x)-F(x)|,x∈(0,1),supx是距离的上确界,若Xi服从理论分布F(x),则当n趋于无穷时Fn(x)近似等于F(x),Dn值则趋于0,得copula函数的解析表达式K(t)和非参数估计拟合优度检验结果如下表:
(7)、通过最优copula函数模型计算不同条件概率时的上尾相关系数λ(α),以最大概率相关系数对应的分位数值作为瓦斯预警阀值;
X,Y是关联随机变量,α是条件概率,qα是相对于α的分位数,分别计算模型函数条件概率为0.7、0.75、0.85、0.95时的上尾相关系数λ(α)值,见下表:
选取相关系数最强的λ(α)对应的分位数qα做为最大概率瓦斯预警阀值进行预警检验。当工作面运输巷瓦斯浓度超过q0.7、q0.75、q0.85、q0.95对应值时,工作面瓦斯浓度超过对应分位数的概率是57%、69%、77%、64%,都远远超过了0.3、0.25、0.15、0.05,说明工作面运输巷瓦斯浓度和工作面瓦斯浓度有很强的正尾部相关性。且当工作面运输巷瓦斯浓度超过q0.85≈0.64%时,工作面瓦斯浓度超限的概率最大,可以此作为工作面瓦斯预警的阀值。
(8)、对工作面及其运输巷瓦斯浓度进行跟踪检测,得到一段时间内的数据,以最大概率瓦斯预警阀值为预警指标做出预警判断,并分析比较各自的瓦斯浓度变化趋势,如图4;
结果显示共监测到三次预警情况:
在时间t=12.5h时运输巷瓦斯水平大幅超过预警阀值触发预警,工作面瓦斯浓度随即持续上升至监测以来的峰值(0.91%),在持续45min后警报解除,工作面瓦斯浓度恢复至正常水平;
在t=60h时出现预警情况,工作面瓦斯浓度剧烈上升,达到峰值0.92%后随即下降;
在t=22.5h时,监测到运输巷瓦斯达到预警阀值的情况,随后瓦斯浓度回落,此时工作面并没有发生瓦斯浓度异常变化的状况。
对该时段的瓦斯浓度跟踪监测分析可知,此次预警检验成功预测到两次工作面瓦斯涌出异常的事件,预警结果符合实际瓦斯浓度异常变化的情况,表明应用该方法对矿井工作面瓦斯浓度预警具有有效性和实用性。
以上所述的仅是本发明的实施例,方案中公知的具体方法或特性等常识在此未作过多的描述。应当指出,对于本技术领域人员来说,在不脱离本发明的前提下,还可以进行若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以权力要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (5)
1.一种基于copula函数尾部关联分析的工作面瓦斯预警方法,它包括以下步骤,其特征在于:
(1)从矿井安全生产监控系统中,以时间m为间隔,截取工作面及其运输巷瓦斯浓度(Xt,Yt)t=1,2,…,n,Xt,Yt分别为工作面运输巷和工作面瓦斯浓度;
(2)将两组瓦斯浓度样本(Xt,Yt),用核密度估计法检验样本的分布形态;
(3)将工作面及其运输巷瓦斯浓度的时间序列分布Xt,Yt,转化为各自的累积分布函数值,形成新的序列(ut,vt),其中ut,vt为t时刻工作面运输巷和工作面瓦斯浓度的概率值,并画出它们的散点图;
(4)根据散点图、样本分布形态选取符合条件的copula函数;
(5)根据样本计算copula模型函数的Kendal秩系数τ和参数θ;
(7)通过最优copula函数模型计算不同条件概率时的上尾相关系数λ(α),以最大概率相关系数对应的分位数值作为瓦斯预警阀值。
2.根据权利要求1所述的基于copula函数尾部关联分析的工作面瓦斯预警方法,其特征在于:步骤(4)所述的包括两样本边际分布均符合正态分布时选取正态copula函数族,两样本边际分布均不符合正态分布则采用Archimedes copula函数族进行构造;二元Archimedes copula函数中,Gumbel copula对变量间的上尾相关变化较敏感;No.12copula、No.14copula能够快速捕捉变量间上下尾的相关变化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910878739.5A CN110674983A (zh) | 2019-09-05 | 2019-09-05 | 一种基于copula函数尾部关联分析的工作面瓦斯预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910878739.5A CN110674983A (zh) | 2019-09-05 | 2019-09-05 | 一种基于copula函数尾部关联分析的工作面瓦斯预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110674983A true CN110674983A (zh) | 2020-01-10 |
Family
ID=69076697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910878739.5A Pending CN110674983A (zh) | 2019-09-05 | 2019-09-05 | 一种基于copula函数尾部关联分析的工作面瓦斯预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110674983A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111855178A (zh) * | 2020-07-23 | 2020-10-30 | 贵州永红航空机械有限责任公司 | 一种旋转类产品运行状态的诊断方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222166A (zh) * | 2011-06-08 | 2011-10-19 | 北京交通大学 | 一种动车组弓网关系的安全性预测方法 |
WO2012129561A1 (en) * | 2011-03-24 | 2012-09-27 | Pariyani Ankur | Dynamic risk analysis using alarm database |
CN103902837A (zh) * | 2014-04-16 | 2014-07-02 | 广西大学 | 一种基于经验Copula函数进行风速预测的方法 |
CN103914622A (zh) * | 2014-04-04 | 2014-07-09 | 清华大学 | 一种化学品泄漏快速预测预警应急响应决策方法 |
CN105117512A (zh) * | 2015-07-23 | 2015-12-02 | 华北电力大学 | 变压器预警值的估算方法及装置 |
PL409990A1 (pl) * | 2014-10-30 | 2016-05-09 | Instytut Technik Innowacyjnych Emag | Sposób i system do oceny wystąpienia zagrożenia wstrząsami wysokoenergetycznymi generowanymi eksploatacją podziemną |
CN106894841A (zh) * | 2017-04-28 | 2017-06-27 | 辽宁工程技术大学 | 基于正态分布检验辨识瓦斯涌出异常的瓦斯灾害预警方法 |
CN107464071A (zh) * | 2017-09-29 | 2017-12-12 | 辽宁工程技术大学 | 基于时间序列游程检验的瓦斯灾害预警方法 |
CN108898250A (zh) * | 2018-06-29 | 2018-11-27 | 河海大学 | 一种基于D藤copula函数的月径流模拟方法 |
CN109214588A (zh) * | 2018-09-28 | 2019-01-15 | 郑州大学 | 基于copula函数的山洪灾害概率雨型推求方法 |
CN109272162A (zh) * | 2018-09-20 | 2019-01-25 | 马鞍山九天智控科技有限公司 | 一种基于燃爆指数的安防预测系统及方法 |
-
2019
- 2019-09-05 CN CN201910878739.5A patent/CN110674983A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012129561A1 (en) * | 2011-03-24 | 2012-09-27 | Pariyani Ankur | Dynamic risk analysis using alarm database |
CN102222166A (zh) * | 2011-06-08 | 2011-10-19 | 北京交通大学 | 一种动车组弓网关系的安全性预测方法 |
CN103914622A (zh) * | 2014-04-04 | 2014-07-09 | 清华大学 | 一种化学品泄漏快速预测预警应急响应决策方法 |
CN103902837A (zh) * | 2014-04-16 | 2014-07-02 | 广西大学 | 一种基于经验Copula函数进行风速预测的方法 |
PL409990A1 (pl) * | 2014-10-30 | 2016-05-09 | Instytut Technik Innowacyjnych Emag | Sposób i system do oceny wystąpienia zagrożenia wstrząsami wysokoenergetycznymi generowanymi eksploatacją podziemną |
CN105117512A (zh) * | 2015-07-23 | 2015-12-02 | 华北电力大学 | 变压器预警值的估算方法及装置 |
CN106894841A (zh) * | 2017-04-28 | 2017-06-27 | 辽宁工程技术大学 | 基于正态分布检验辨识瓦斯涌出异常的瓦斯灾害预警方法 |
CN107464071A (zh) * | 2017-09-29 | 2017-12-12 | 辽宁工程技术大学 | 基于时间序列游程检验的瓦斯灾害预警方法 |
CN108898250A (zh) * | 2018-06-29 | 2018-11-27 | 河海大学 | 一种基于D藤copula函数的月径流模拟方法 |
CN109272162A (zh) * | 2018-09-20 | 2019-01-25 | 马鞍山九天智控科技有限公司 | 一种基于燃爆指数的安防预测系统及方法 |
CN109214588A (zh) * | 2018-09-28 | 2019-01-15 | 郑州大学 | 基于copula函数的山洪灾害概率雨型推求方法 |
Non-Patent Citations (4)
Title |
---|
刘浪等: "基于极值理论的煤矿事故风险分析", 《南昌航空大学学报(社会科学版)》 * |
徐长江: "设计洪水计算方法及水库防洪标准比较研究", 《中国优秀博士学位论文全文数据库工程科技Ⅱ辑》 * |
杨艳国等: "工作面瓦斯浓度时间序列特征挖掘与预警应用", 《中国安全科学学报》 * |
谢中华编著: "《MATLAB统计分析与应用 40个案例分析》", 30 May 2015, 北京航空航天大学出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111855178A (zh) * | 2020-07-23 | 2020-10-30 | 贵州永红航空机械有限责任公司 | 一种旋转类产品运行状态的诊断方法 |
CN111855178B (zh) * | 2020-07-23 | 2022-04-19 | 贵州永红航空机械有限责任公司 | 一种旋转类产品运行状态的诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107169600B (zh) | 识别重大危险源的方法、系统、存储介质及计算机设备 | |
CN106341414A (zh) | 一种基于贝叶斯网络的多步攻击安全态势评估方法 | |
CN111324639B (zh) | 数据监测方法、装置及计算机可读存储介质 | |
Wu et al. | Traffic incident duration prediction based on support vector regression | |
CN104572391A (zh) | 监控告警策略配置方法及装置、监控告警方法及装置 | |
CN111210128B (zh) | 一种基于人工智能及随机自适应阈值的湿地预警方法 | |
CN105208040A (zh) | 一种网络攻击检测方法及装置 | |
CN114580260B (zh) | 一种基于机器学习和概率理论的滑坡区间预测方法 | |
CN112188531A (zh) | 异常检测方法、装置、电子设备及计算机存储介质 | |
CN110889554A (zh) | 基于重现时间间隔分析法的电力负荷波动分析和风险预警方法 | |
CN107808237B (zh) | 一种并联水库群实时防洪风险解析计算方法 | |
CN112906738B (zh) | 一种水质检测及处理方法 | |
CN105117322A (zh) | 一种基于多源报警日志安全事件特征分析的去冗余方法 | |
CN111898831A (zh) | 一种实时洪水概率预报实用化方法 | |
CN113256037B (zh) | 非稳态废水排放预测方法、装置、计算机设备和存储介质 | |
CN114023399A (zh) | 一种基于人工智能的空气颗粒物分析预警方法和装置 | |
CN110674983A (zh) | 一种基于copula函数尾部关联分析的工作面瓦斯预警方法 | |
CN112183887A (zh) | 一种水环境承载力预警指标阈值及分级标准确定方法 | |
CN115964503B (zh) | 基于社区设备设施的安全风险预测方法及系统 | |
CN108876062B (zh) | 一种犯罪事件智能预测的大数据方法及装置 | |
Sun et al. | Detecting Crime Types Using Classification Algorithms. | |
Piadeh et al. | Multi-step flood forecasting in urban drainage systems using time-series data mining techniques | |
CN108459991B (zh) | 一种获得设备可靠性数据的方法 | |
CN114294062A (zh) | 一种冲击地压时空动态综合预警方法 | |
Schmidt et al. | The choice of variables sampling plans using cost effective criteria |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200110 |