CN111931414A - 基于大数据分析的企业烟气排放数据检测方法及系统 - Google Patents

基于大数据分析的企业烟气排放数据检测方法及系统 Download PDF

Info

Publication number
CN111931414A
CN111931414A CN202010571803.8A CN202010571803A CN111931414A CN 111931414 A CN111931414 A CN 111931414A CN 202010571803 A CN202010571803 A CN 202010571803A CN 111931414 A CN111931414 A CN 111931414A
Authority
CN
China
Prior art keywords
smoke emission
emission data
data
enterprise
regression model
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
Application number
CN202010571803.8A
Other languages
English (en)
Inventor
刘方爱
鞠杰
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.)
Shandong Normal University
Original Assignee
Shandong Normal University
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 Shandong Normal University filed Critical Shandong Normal University
Priority to CN202010571803.8A priority Critical patent/CN111931414A/zh
Publication of CN111931414A publication Critical patent/CN111931414A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/27Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Fire-Detection Mechanisms (AREA)

Abstract

本发明公开了基于大数据分析的企业烟气排放数据检测方法及系统,包括:获取由企业客户端上传的第一烟气排放数据;根据第一烟气排放数据,确定烟气排放时间段;根据烟气排放时间段,获取由安装在企业的传感器采集的第二烟气排放数据;对第一烟气排放数据和第二烟气排放数据进行比较,得到相似系数,根据相似系数判断企业客户端上传的第一烟气排放数据是否准确。上述烟气排放数据检测方法,能够快速的对企业上报的烟气排放数据跟传感器实测数据进行比对,并采用线性回归模型进行大数据分析,快速的检测出两者的差异程度。该方法方便,迅捷,能够及时检测企业烟气排放数据是否存在造假行为,进而避免企业污染烟气的排放,保护我们的生态环境。

Description

基于大数据分析的企业烟气排放数据检测方法及系统
技术领域
本公开涉及数据检测技术领域,特别是涉及基于大数据分析的企业烟气排放数据检测方法及系统。
背景技术
本部分的陈述仅仅是提到了与本公开相关的背景技术,并不必然构成现有技术。
随着我国经济水平的不断发展以及人们对物质的需求越来越高,我国现有大部分企业通过建设大量的工厂来提高生产力。这些企业建设的工厂能够生产出我们生活中所需要的产品,提高我们的生活质量,使我们的生活变得丰富多彩;但是,大部分企业(例如石油化工、钢铁、医药、塑料等)在生产过程中会产生大量的烟气,这些烟气中往往含有大量的SO2,CO,HCL等即污染环境又对人的身体有害的物质。这些烟气如果不加以控制直接排放到大气中会严重污染我们的生态环境。
在保护生态环境大前提下,环保局要求各个企业在生产过程中对产生的烟气进行二次处理,达到排放要求后方可排放,确保不会污染环境。同时,环保局要求各个企业通过传感器实时监测烟气中各种污染物的浓度,确保污染物排放不会超标。
在实现本公开的过程中,发明人发现现有技术中存在以下技术问题:
各个企业以一个周或一个月为周期,将监测到的排放数据上报到环保局。环保局一方面核查企业上报数据中各污染物浓度是否存在超标现象;另一方面需要检测企业上报数据跟传感器实测数据是否存在差异,面对造假数据环保局无法做到快速识别和准确识别,对于造假数据的造假程度环保局也无法快速得知,现有技术中站位在环保局的角度对企业客户端上传的数据进行检测和甄别。
发明内容
为了解决现有技术的不足,本公开提供了基于大数据分析的企业烟气排放数据检测方法及系统;可以检测企业上报的烟气排放数据跟传感器实测数据是否存在差异,进一步检测两者的数据差异程度。
第一方面,本公开提供了基于大数据分析的企业烟气排放数据检测方法;
基于大数据分析的企业烟气排放数据检测方法,包括:
获取由企业客户端上传的第一烟气排放数据;根据第一烟气排放数据,确定烟气排放时间段;
根据烟气排放时间段,获取由安装在企业的传感器采集的第二烟气排放数据;
对第一烟气排放数据和第二烟气排放数据进行比较,得到相似系数,根据相似系数判断企业客户端上传的第一烟气排放数据是否准确。
第二方面,本公开提供了基于大数据分析的企业烟气排放数据检测系统;
基于大数据分析的企业烟气排放数据检测系统,包括:
第一获取模块,其被配置为:获取由企业客户端上传的第一烟气排放数据;根据第一烟气排放数据,确定烟气排放时间段;
第二获取模块,其被配置为:根据烟气排放时间段,获取由安装在企业的传感器采集的第二烟气排放数据;
检测模块,其被配置为:对第一烟气排放数据和第二烟气排放数据进行比较,得到相似系数,根据相似系数判断企业客户端上传的第一烟气排放数据是否准确。
第三方面,本公开还提供了一种电子设备,包括:一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序;其中,处理器与存储器连接,上述一个或多个计算机程序被存储在存储器中,当电子设备运行时,该处理器执行该存储器存储的一个或多个计算机程序,以使电子设备执行上述第一方面所述的方法。
第四方面,本公开还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成第一方面所述的方法。
第五方面,本公开还提供了一种计算机程序(产品),包括计算机程序,所述计算机程序当在一个或多个处理器上运行的时候用于实现前述第一方面任意一项的方法。
与现有技术相比,本公开的有益效果是:
本发明在对企业上报数据和传感器实测数据进行核对的同时利用线性回归模型进行差异性检测。本发明可以让环保局工作人员更加直观的了解到企业上报数据跟传感器实测数据的差异程度,进一步确定企业上报数据是否存在造假情况。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本公开实施例一的方法流程图;
图2为本公开实施例一的相似系数获取流程图;
图3为本公开实施例一的回归模型训练测试流程图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例提供了基于大数据分析的企业烟气排放数据检测方法;
如图1所示,基于大数据分析的企业烟气排放数据检测方法,包括:
S101:获取由企业客户端上传的第一烟气排放数据;根据第一烟气排放数据,确定烟气排放时间段;
S102:根据烟气排放时间段,获取由安装在企业的传感器采集的第二烟气排放数据;
S103:对第一烟气排放数据和第二烟气排放数据进行比较,得到相似系数,根据相似系数判断企业客户端上传的第一烟气排放数据是否准确。
作为一个或多个实施例,所述方法,还包括:
对第一烟气排放数据和第二烟气排放数据进行比较,得到相似系数,根据相似系数与阈值的比较结果,当相似系数大于设定阈值时,则判定企业客户端上传的第一烟气排放数据是准确的;否则,判定企业客户端上传的第一烟气排放数据是不准确的。
示例性的,所述设定阈值,例如:0.95、0.85、0.75;这里对阈值数值不做任何限定,本领域技术人员可以根据需要设置。
根据得到的相似系数K是否大于0.95来确定企业上报数据跟传感器实测数据是否一致。如果K>0.95,两组数据一致,反之,两组数据不一致。
进一步地,如图2所示,所述相似系数的计算步骤包括:
S1031:设置第一变量和第二变量初始值均为零;
S1032:从起始时间点开始,依次比对第一烟气排放数据和第二烟气排放数据相应时间点内的数据是否相同;
S1033:开始比对时,第一变量值加一;如果比对的数据一致,则第二变量值加一;否则第二变量值不作任何处理;
S1034:重复步骤S1033,直至抽取到最后一个时间点;比对结束后,计算相似系数,所述相似系数等于比对结束后的第一变量与第二变量的比值。
示例性的,所述相似系数的计算步骤包括:
第一步:设置变量n=0,m=0,设置相似系数K=0。
第二步:从起始时间点开始,依次比对相应时间点内数据是否相同。
第三步:每一次比对,m+1。若两组数据一致,n+1,否则n不做处理。循环这个过程到抽取时间段内最后的时间点。
第四步:比对过程结束后,计算相似系数K。
Figure BDA0002549878640000061
应理解的,相似系数K是用来反映两组数据相似性的统计量。相似系数用K表示,K描述的是两组数据间相似性强弱的程度。K的值越大表明相似性越强。
作为一个或多个实施例,所述方法,还包括:
S104:对于第一烟气排放数据结果为不准确时,利用回归模型检测数据的差异程度。
作为一个或多个实施例,利用回归模型检测数据的差异程度;具体是根据回归系数和截距确定两组烟气排放数据的差异程度,回归系数表示第一烟气排放数据的造假程度。
作为一个或多个实施例,对于第一烟气排放数据结果为不准确时,利用回归模型检测数据的差异程度;具体步骤包括:
设置回归模型;将第一烟气排放数据和第二烟气排放数据混合后,将混合数据按照设定比例划分为训练数据集和测试数据集;
根据训练数据集对回归模型进行训练,得到训练好的回归模型。
进一步地,根据训练数据集对回归模型进行训练,得到训练好的回归模型;具体步骤包括:
根据训练数据集对回归模型进行训练,利用最小二乘法进行求解,得到回归系数和截距;
根据测试数据集对训练得到的线性回归模型进行测试,得到线性回归模型的准确率;
如果线性回归模型的准确率大于设定阈值,则表示模型准确;否则,表示模型不准确,对于不准确的模型进行重新训练。
示例性的,如图3所示,对于第一烟气排放数据结果为不准确时,利用回归模型检测数据的差异程度;具体步骤包括:
第一步:设置初始回归模型为y=β1x+β0,其中y代表企业上报数据,x代表传感器实测数据。
第二步:将两组数据按照时间段4:1的比例划分为训练数据集跟测试数据集。
第三步:根据训练数据集对初始设置的回归模型进行训练,利用最小二乘法求解,得到回归系数β1和截距β0
第四步:根据测试数据集对第三步训练得到的线性回归模型进行测试,得到线性回归模型的准确率。若模型准确率大于0.95,则模型准确。反之则不准确,在训练数据集上进行二次训练,重新测试,直到准确率大于0.95。
作为一个或多个实施例,所述方法,还包括:
对判断结果为不准确的企业的第一烟气排放数据,通过环保局服务器端的大屏幕进行可视化,并将第一、第二烟气排放数据之间的差异程度发送到环保局工作人员的移动终端进行显示。
作为一个或多个实施例,所述S102之后,所述S103之前还包括:
S102-3:对第一和第二烟气排放数据中的缺失数据进行删除处理。
应理解的,线性回归模型是利用数理统计中回归分析来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法,就是通过模拟一条直线,比较精确地描述数据之间的关系。
根据得到的线性回归模型来确定企业上报数据跟传感器实测数据的差异程度(例如得到回归模型为y=0.8x+0.5,则说明处理厂上报数据是传感器实测数据*0.8+0.5得到的。)。
上述烟气排放数据检测方法,能够快速的对企业上报的烟气排放数据跟传感器实测数据进行比对,并采用线性回归模型进行大数据分析,快速的检测出两者的差异程度。该方法方便,迅捷,能够及时检测企业烟气排放数据是否存在造假行为,进而避免企业污染烟气的排放,保护我们的生态环境。
实施例二
本实施例提供了基于大数据分析的企业烟气排放数据检测系统;
基于大数据分析的企业烟气排放数据检测系统,包括:
第一获取模块,其被配置为:获取由企业客户端上传的第一烟气排放数据;根据第一烟气排放数据,确定烟气排放时间段;
第二获取模块,其被配置为:根据烟气排放时间段,获取由安装在企业的传感器采集的第二烟气排放数据;
检测模块,其被配置为:对第一烟气排放数据和第二烟气排放数据进行比较,得到相似系数,根据相似系数判断企业客户端上传的第一烟气排放数据是否准确。
此处需要说明的是,上述第一获取模块、第二获取模块和检测模块对应于实施例一中的步骤S101至S103,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
上述实施例中对各个实施例的描述各有侧重,某个实施例中没有详述的部分可以参见其他实施例的相关描述。
所提出的系统,可以通过其他的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如上述模块的划分,仅仅为一种逻辑功能划分,实际实现时,可以有另外的划分方式,例如多个模块可以结合或者可以集成到另外一个系统,或一些特征可以忽略,或不执行。
实施例三
本实施例还提供了一种电子设备,包括:一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序;其中,处理器与存储器连接,上述一个或多个计算机程序被存储在存储器中,当电子设备运行时,该处理器执行该存储器存储的一个或多个计算机程序,以使电子设备执行上述实施例一所述的方法。
应理解,本实施例中,处理器可以是中央处理单元CPU,处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的方法可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本领域普通技术人员可以意识到,结合本实施例描述的各示例的单元即算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
实施例四
本实施例还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例一所述的方法。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。

Claims (10)

1.基于大数据分析的企业烟气排放数据检测方法,其特征是,包括:
获取由企业客户端上传的第一烟气排放数据;根据第一烟气排放数据,确定烟气排放时间段;
根据烟气排放时间段,获取由安装在企业的传感器采集的第二烟气排放数据;
对第一烟气排放数据和第二烟气排放数据进行比较,得到相似系数,根据相似系数判断企业客户端上传的第一烟气排放数据是否准确。
2.如权利要求1所述的方法,其特征是,所述方法,还包括:
对第一烟气排放数据和第二烟气排放数据进行比较,得到相似系数,根据相似系数与阈值的比较结果,当相似系数大于设定阈值时,则判定企业客户端上传的第一烟气排放数据是准确的;否则,判定企业客户端上传的第一烟气排放数据是不准确的。
3.如权利要求1或2所述的方法,其特征是,所述相似系数的计算步骤包括:
设置第一变量和第二变量初始值均为零;
从起始时间点开始,依次比对第一烟气排放数据和第二烟气排放数据相应时间点内的数据是否相同;
开始比对时,第一变量值加一;如果比对的数据一致,则第二变量值加一;否则第二变量值不作任何处理;
重复上一步,直至抽取到最后一个时间点;比对结束后,计算相似系数,所述相似系数等于比对结束后的第一变量与第二变量的比值。
4.如权利要求1或2所述的方法,其特征是,所述方法,还包括:
对于第一烟气排放数据结果为不准确时,利用回归模型检测数据的差异程度。
5.如权利要求4所述的方法,其特征是,利用回归模型检测数据的差异程度;具体是根据回归系数和截距确定两组烟气排放数据的差异程度,回归系数表示第一烟气排放数据的造假程度。
6.如权利要求4所述的方法,其特征是,对于第一烟气排放数据结果为不准确时,利用回归模型检测数据的差异程度;具体步骤包括:
设置回归模型;将第一烟气排放数据和第二烟气排放数据混合后,将混合数据按照设定比例划分为训练数据集和测试数据集;
根据训练数据集对回归模型进行训练,得到训练好的回归模型。
7.如权利要求6所述的方法,其特征是,根据训练数据集对回归模型进行训练,得到训练好的回归模型;具体步骤包括:
根据训练数据集对回归模型进行训练,利用最小二乘法进行求解,得到回归系数和截距;
根据测试数据集对训练得到的线性回归模型进行测试,得到线性回归模型的准确率;
如果线性回归模型的准确率大于设定阈值,则表示模型准确;否则,表示模型不准确,对于不准确的模型进行重新训练。
8.基于大数据分析的企业烟气排放数据检测系统,其特征是,包括:
第一获取模块,其被配置为:获取由企业客户端上传的第一烟气排放数据;根据第一烟气排放数据,确定烟气排放时间段;
第二获取模块,其被配置为:根据烟气排放时间段,获取由安装在企业的传感器采集的第二烟气排放数据;
检测模块,其被配置为:对第一烟气排放数据和第二烟气排放数据进行比较,得到相似系数,根据相似系数判断企业客户端上传的第一烟气排放数据是否准确。
9.一种电子设备,其特征是,包括:一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序;其中,处理器与存储器连接,上述一个或多个计算机程序被存储在存储器中,当电子设备运行时,该处理器执行该存储器存储的一个或多个计算机程序,以使电子设备执行上述权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征是,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-7任一项所述的方法。
CN202010571803.8A 2020-06-22 2020-06-22 基于大数据分析的企业烟气排放数据检测方法及系统 Pending CN111931414A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010571803.8A CN111931414A (zh) 2020-06-22 2020-06-22 基于大数据分析的企业烟气排放数据检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010571803.8A CN111931414A (zh) 2020-06-22 2020-06-22 基于大数据分析的企业烟气排放数据检测方法及系统

Publications (1)

Publication Number Publication Date
CN111931414A true CN111931414A (zh) 2020-11-13

Family

ID=73317616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010571803.8A Pending CN111931414A (zh) 2020-06-22 2020-06-22 基于大数据分析的企业烟气排放数据检测方法及系统

Country Status (1)

Country Link
CN (1) CN111931414A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117237165A (zh) * 2023-09-22 2023-12-15 中节能天融科技有限公司 一种检测造假数据的方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204706058U (zh) * 2015-05-27 2015-10-14 天津军粮城发电有限公司 基于cems系统的gprs上传数据企业监测平台
CN106610636A (zh) * 2015-10-21 2017-05-03 邹锁荣 一种污染源远程抽查系统及抽查方法
CN107229796A (zh) * 2017-06-05 2017-10-03 东北大学 一种燃煤电厂大气污染物排放仿真方法
CN209979595U (zh) * 2019-05-24 2020-01-21 河北鸿海环保科技有限公司 烟气在线监测系统远程质控装置
CN111275333A (zh) * 2020-01-20 2020-06-12 江苏神彩科技股份有限公司 污染数据处理方法和装置
CN111289697A (zh) * 2020-03-24 2020-06-16 山东达斯特信息技术有限公司 Cems运行状态监控与数据作假识别方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204706058U (zh) * 2015-05-27 2015-10-14 天津军粮城发电有限公司 基于cems系统的gprs上传数据企业监测平台
CN106610636A (zh) * 2015-10-21 2017-05-03 邹锁荣 一种污染源远程抽查系统及抽查方法
CN107229796A (zh) * 2017-06-05 2017-10-03 东北大学 一种燃煤电厂大气污染物排放仿真方法
CN209979595U (zh) * 2019-05-24 2020-01-21 河北鸿海环保科技有限公司 烟气在线监测系统远程质控装置
CN111275333A (zh) * 2020-01-20 2020-06-12 江苏神彩科技股份有限公司 污染数据处理方法和装置
CN111289697A (zh) * 2020-03-24 2020-06-16 山东达斯特信息技术有限公司 Cems运行状态监控与数据作假识别方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117237165A (zh) * 2023-09-22 2023-12-15 中节能天融科技有限公司 一种检测造假数据的方法
CN117237165B (zh) * 2023-09-22 2024-05-07 中节能数字科技有限公司 一种检测造假数据的方法

Similar Documents

Publication Publication Date Title
CN107122483B (zh) 基础地理信息数据质检方法、装置及系统
Belis et al. A new methodology to assess the performance and uncertainty of source apportionment models II: The results of two European intercomparison exercises
Heng et al. Automatic estimate of OEE considering uncertainty
CN112232571B (zh) 一种废气主要污染物浓度的预测方法
CN115689396B (zh) 污染物排放管控方法、装置、设备及介质
CN110826767B (zh) 一种基于排放源监测数据的空气污染追溯方法和装置
CN110083542B (zh) 一种推荐系统中模型测试方法、装置及电子设备
CN111931414A (zh) 基于大数据分析的企业烟气排放数据检测方法及系统
CN114819773A (zh) 一种基于大数据的企业绿色生产管控方法及系统
CN111289697A (zh) Cems运行状态监控与数据作假识别方法及系统
CN111898905A (zh) 质量抽检管理方法、装置、计算机设备和存储介质
CN113128797A (zh) 业务指标异常监测方法及装置
CN113419024A (zh) 一种同位素丰度溯源排污企业的方法及计算机设备
CN113283768A (zh) 食品检测项目提取方法、装置、设备及存储介质
CN116681307B (zh) 基于多端融合反馈的河道四乱监管追溯显示方法及系统
CN116821633A (zh) 大气污染成因分析方法、装置、设备及存储介质
Lai Fitting power law distributions to data
CN112364445B (zh) 一种夹具稳定性测试方法、系统、装置和存储介质
CN112381697B (zh) 一种水污染源在线监测数据弄虚作假行为自动识别方法
CN113660227A (zh) 网络安全脆弱性评估定量计算方法及设备
CN112149546A (zh) 一种信息处理方法、装置、电子设备及存储介质
CN111428820A (zh) 基于特征选择的矿井突水水源判别方法
CN112395544A (zh) 废气收集效率评估方法、数据处理方法及装置
CN112711911A (zh) 基于污染源谱库的应用于边界观测的快速污染溯源方法
CN114819300A (zh) 一种基于密度分析耦合神经网络预测的不良数据辨识方法

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