CN114019139A - 一种农用地土壤重金属异常数据的探测方法 - Google Patents

一种农用地土壤重金属异常数据的探测方法 Download PDF

Info

Publication number
CN114019139A
CN114019139A CN202111252383.8A CN202111252383A CN114019139A CN 114019139 A CN114019139 A CN 114019139A CN 202111252383 A CN202111252383 A CN 202111252383A CN 114019139 A CN114019139 A CN 114019139A
Authority
CN
China
Prior art keywords
soil
data
value
time
space
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.)
Granted
Application number
CN202111252383.8A
Other languages
English (en)
Other versions
CN114019139B (zh
Inventor
徐成东
王丽
谈熙
王俊宇
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.)
Fudan University
Institute of Geographic Sciences and Natural Resources of CAS
Original Assignee
Fudan University
Institute of Geographic Sciences and Natural Resources of CAS
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 Fudan University, Institute of Geographic Sciences and Natural Resources of CAS filed Critical Fudan University
Priority to CN202111252383.8A priority Critical patent/CN114019139B/zh
Publication of CN114019139A publication Critical patent/CN114019139A/zh
Application granted granted Critical
Publication of CN114019139B publication Critical patent/CN114019139B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G01N33/245—Earth materials for agricultural purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Medicinal Chemistry (AREA)
  • Remote Sensing (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Geology (AREA)
  • Immunology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Food Science & Technology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Sampling And Sample Adjustment (AREA)

Abstract

本发明涉及土壤重金属异常探测技术领域，具体是一种农用地土壤重金属异常数据的探测方法，包括获取土壤污染数据集；获取待质量评价污染数据记录值；提取待质量评价污染数据记录值前后预设时间段内的所述土壤污染数据获取时空数据子集；根据每个所述时空数据子集，计算待评价目标土壤采样调查点的观测值的估计值，并计算每个观测值对应的回归残差；基于残差形成一个目标土壤时空数据子集；计算所述目标土壤采样调查点对应的时空邻域内的残差均值、方差和标准差，并获取计算每个所述目标土壤采样调查点的置信概率。本方法能有效解决传统方法无法同时利用土壤重金属时间和空间变异的空间自相关性和空间分异性的问题，且能有效提高异常值探测精度。

Description

一种农用地土壤重金属异常数据的探测方法
技术领域
本发明涉及土壤重金属异常探测技术领域，尤其涉及一种农用地土壤重金属异常数据的探测方法。
背景技术
农用地土壤重金属浓度是反映土壤环境质量的重要指标。近年来，随着大量农用地土壤重金属调查活动的多次开展，某些区域已积累了大量多期的土壤重金属检测数据。然而，由于人类活动、数据调查操作失误、重金属污染解析不规范等原因往往会导致土壤重金属含量异常，这会造成土壤环境质量评价结果的偏误，影响相关决策方案实施。因此有必要对土壤重金属调查数据进行异常数据的探测。
目前常规的农用地土壤重金属异常数据识别方法主要包括基于基于经典概率论的方法；基于地统计的方法，以及基于空间分析的方法。
基于经典概率论的方法它可以根据条件概率的理论，根据先验的知识评价目标对象的属性值为真的概率。
地统计理论建立在变异函数理论和结构分析基础之上，考虑样点的大小、形状、空间关系和空间分布等几何特征，可以使用有限的观测信息来分析、评估和预测目标对象，并且能够评价分析对象的异常程度。
空间分析方法包括多种，以模糊集合和粗糙集理论为代表。模糊集合，是用隶属函数确定的隶属度描述不精确的属性数据，把地理实体分别表达为模糊集合、集合元素，地理实体对备选论域的连续隶属度区间为[0，1]，元素隶属度用于表示实体属于异常的程度。粗糙集理论由上近似和下近似组成，从集合论的观点出发，在给定论域中以知识足够与否作为实体分类的标准，并给出划分是否异常的精度。
以上传统方法无法同时利用土壤重金属时间和空间变异的空间自相关性、空间分异性，异常值探测精度无法保证。
因此，急需一种技术来解决该问题。
发明内容
本发明的目的在于克服上述现有技术的问题，提供了一种农用地土壤重金属异常数据的探测方法，此方法利用时空邻域土壤采样调查点的重金属浓度观测值对目标土壤采样调查点的重金属浓度待评价，本方法能有效解决传统方法无法同时利用土壤重金属时间和空间变异的空间自相关性和空间分异性的问题，且能有效提高异常值探测精度。
上述目的是通过以下技术方案来实现：
一种农用地土壤重金属异常数据的探测方法，包括；
步骤(1)获取土壤污染数据集，所述土壤污染数据集包括含多个不同地点在同一时间段内对应的多时次观测的土壤污染数据；
步骤(2)遍历所述土壤污染数据集，获取待评价数据记录集，每个所述待评价数据记录集中包括至少一个待质量评价污染数据记录值；
步骤(3)提取所述待质量评价污染数据记录值前后预设时间段内的所述土壤污染数据，得第一时间序列；
根据所述预设时间段，基于污染数据空间自相性、分异性，获取预设空间邻近范围内其对应的其他所述土壤污染数据，得第二时间序列；
所述第一时间序列与所述第二时间序列构成以所述待质量评价污染数据记录值为中心的时空数据子集；
所有所述时空数据子集构成时空邻域数据集；
步骤(4)根据每个所述时空数据子集，建立其对应的所述第一时间序列与所述第二时间序列的回归方程，计算待评价目标土壤采样调查点的观测值的估计值，并计算每个观测值对应的回归残差；
步骤(5)基于每个所述目标土壤采样调查点的残差形成一个目标土壤时空数据子集；所有所述目标土壤时空数据子集构成目标土壤时空数据集；
步骤(6)计算所述目标土壤采样调查点对应的时空邻域内的残差均值、方差和标准差；
步骤(7)根据所述残差均值、所述方差和所述标准差，计算每个所述目标土壤采样调查点的置信概率，用于探测土壤重金属的异常程度。
进一步地，步骤(3)中所述预设时间段为自定义值；所述预设空间邻近范围为自定义值。
进一步地，步骤(4)中所述计算待评价目标土壤采样调查点的观测值的估计值，并计算每个观测值对应的回归残差，具体为：
设定估计值为
Figure BDA0003320933000000021
回归残差为e，则公式如下：
Figure BDA0003320933000000022
Figure BDA0003320933000000023
式中，x0t是时间为t地点为0的待评价目标土壤采样调查点观测值，xit是时间为t第i个邻域土壤采样调查点的观测值(i＝1，...，n)，a和b是回归系数。
进一步地，步骤(6)中所述计算所述目标土壤采样调查点对应的时空邻域内的残差均值、方差和标准差，具体为：
设定残差均值为
Figure BDA0003320933000000031
方差为σ2(e)、标准差为σ(e)，则公式如下：
Figure BDA0003320933000000032
Figure BDA0003320933000000033
Figure BDA0003320933000000034
进一步地，步骤(7)中所述计算每个所述目标土壤采样调查点的置信概率，用于探测土壤重金属的异常程度，具体为：
Figure BDA0003320933000000035
式中，v为土壤重金属的异常程度，z为标准正态分布分位点，Prob是目标土壤采样调查点的残差在概率分布中的p值；
查找标准正态分布表，可得v值，v∈[0，1]，这个值越接近于0，表示异常程度越大，反之越接近于1异常程度越小。
有益效果
本发明所提供的一种农用地土壤重金属异常数据的探测方法，利用时空邻域土壤采样调查点的重金属浓度观测值对目标土壤采样调查点的重金属浓度待评价，本方法能有效解决传统方法无法同时利用土壤重金属时间和空间变异的空间自相关性和空间分异性的问题，且能有效提高异常值探测精度。
附图说明
图1为本发明所述一种农用地土壤重金属异常数据的探测方法的示意图；
图2为本发明所述一种农用地土壤重金属异常数据的探测方法中土壤污染数据集示意图；
图3为本发明所述一种农用地土壤重金属异常数据的探测方法中目标土壤采样调查点的残差在其时空邻域内的概率分布示意图。
具体实施方式
下面根据附图和实施例对本发明作进一步详细说明。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它实施例，都属于本发明保护的范围。
如图1所示，一种农用地土壤重金属异常数据的探测方法，包括如下步骤；
步骤(1)获取土壤污染数据集，所述土壤污染数据集包括含多个不同地点在同一时间段内对应的多时次观测的土壤污染数据；具体的，如图2所示，每个点为数据记录值，所有的点构成数据集，其中的线框中的部分为时空数据子集，水平方向代表一个时间截面观测的数据，每个垂直方向序列表示一个采样点多其采样数据形成的时间序列。
步骤(2)遍历所述土壤污染数据集，获取待评价数据记录集，每个所述待评价数据记录集中包括至少一个待质量评价污染数据记录值；
步骤(3)提取所述待质量评价污染数据记录值前后预设时间段内的所述土壤污染数据，得第一时间序列；
根据所述预设时间段，基于污染数据空间自相性、分异性，获取预设空间邻近范围内其对应的其他所述土壤污染数据，得第二时间序列；
所述第一时间序列与所述第二时间序列构成以所述待质量评价污染数据记录值为中心的时空数据子集；
所有所述时空数据子集构成时空邻域数据集；
步骤(4)根据每个所述时空数据子集，建立其对应的所述第一时间序列与所述第二时间序列的回归方程，计算待评价目标土壤采样调查点的观测值的估计值，并计算每个观测值对应的回归残差；
步骤(5)基于每个所述目标土壤采样调查点的残差形成一个目标土壤时空数据子集；所有所述目标土壤时空数据子集构成目标土壤时空数据集；
步骤(6)计算所述目标土壤采样调查点对应的时空邻域内的残差均值、方差和标准差；
步骤(7)根据所述残差均值、所述方差和所述标准差，计算每个所述目标土壤采样调查点的置信概率，用于探测土壤重金属的异常程度。
本实施例中，步骤(3)中所述预设时间段和所述预设空间邻近范围为自定义值，可根据实际情况进行自定义设置。
步骤(4)中所述计算待评价目标土壤采样调查点的观测值的估计值，并计算每个观测值对应的回归残差，具体为：
设定估计值为
Figure BDA0003320933000000051
回归残差为e，则公式如下：
Figure BDA0003320933000000052
Figure BDA0003320933000000053
式中，x0t是时间为t地点为0的待评价目标土壤采样调查点观测值，xit是时间为t第i个邻域土壤采样调查点的观测值(i＝1，...，n)，a和b是回归系数。
本步骤中所计算的回归残差用于作为后续步骤中土壤采样调查点x0t的质量评价的输入参数。
步骤(6)中所述计算所述目标土壤采样调查点对应的时空邻域内的残差均值、方差和标准差，具体为：
设定残差均值为
Figure BDA0003320933000000054
方差为σ2(e)、标准差为σ(e)，则公式如下：
Figure BDA0003320933000000055
Figure BDA0003320933000000056
Figure BDA0003320933000000057
其中，对于每一个目标土壤采样调查点，共使用到m个空间邻域土壤采样调查点及n个时间邻域土壤采样调查点，则总共土壤采样调查点数目是(m+1)×n-1个。
例如，待评价值x0的残差e，其时间和空间邻近区域观测值对应的残差为1，2，3，4，5，6，7，8，9，则时空邻域内的残差的均值为：(1+2+3+4+5+6+7+8+9)/9＝5，方差为：((1-5)2+(2-5)2+(3-5)2+(4-5)2+(5-5)2+(6-5)2+(7-5)2+(8-5)2+(9-5)2)/(9-1)＝7.5。
利用步骤(6)得到的均值以及方差，并且假设残差在其时空邻域内的概率符合以
Figure BDA0003320933000000058
为期望的正态分布，得到目标土壤采样调查点残差在其时空邻域内土壤采样调查点内的概率分布单侧部分如图3所示，
其中e通过时空异常探测方法估计的每一个目标土壤采样调查点的残差，
Figure BDA0003320933000000061
和σ(e)为此概率分布中的期望和标准差，e是目标土壤采样调查点的残差，prob是e在概率分布中的p值。
利用下式计算待评价点的异常程度：
Figure BDA0003320933000000062
式中，v为土壤重金属的异常程度，
Figure BDA0003320933000000063
为标准正态分布分位点，Prob是目标土壤采样调查点的残差在概率分布中的p值；
查找标准正态分布表，可得v值，v∈[0，1]，这个值越接近于0，表示异常程度越大，反之越接近于1异常程度越小。
例如，当v＝0.95时，表示此为异常值的可能性为95％。
以上所述仅为说明本发明的实施方式，并不用于限制本发明，对于本领域的技术人员来说，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种农用地土壤重金属异常数据的探测方法，其特征在于，包括；
步骤(1)获取土壤污染数据集，所述土壤污染数据集包括含多个不同地点在同一时间段内对应的多时次观测的土壤污染数据；
步骤(2)遍历所述土壤污染数据集，获取待评价数据记录集，每个所述待评价数据记录集中包括至少一个待质量评价污染数据记录值；
步骤(3)提取所述待质量评价污染数据记录值前后预设时间段内的所述土壤污染数据，得第一时间序列；
根据所述预设时间段，基于污染数据空间自相性、分异性，获取预设空间邻近范围内其对应的其他所述土壤污染数据，得第二时间序列；
所述第一时间序列与所述第二时间序列构成以所述待质量评价污染数据记录值为中心的时空数据子集；
所有所述时空数据子集构成时空邻域数据集；
步骤(4)根据每个所述时空数据子集，建立其对应的所述第一时间序列与所述第二时间序列的回归方程，计算待评价目标土壤采样调查点的观测值的估计值，并计算每个观测值对应的回归残差；
步骤(5)基于每个所述目标土壤采样调查点的残差形成一个目标土壤时空数据子集；所有所述目标土壤时空数据子集构成目标土壤时空数据集；
步骤(6)计算所述目标土壤采样调查点对应的时空邻域内的残差均值、方差和标准差；
步骤(7)根据所述残差均值、所述方差和所述标准差，计算每个所述目标土壤采样调查点的置信概率，用于探测土壤重金属的异常程度。
2.根据权利要求1所述的一种农用地土壤重金属异常数据的探测方法，其特征在于，步骤(3)中所述预设时间段为自定义值；所述预设空间邻近范围为自定义值。
3.根据权利要求1所述的一种农用地土壤重金属异常数据的探测方法，其特征在于，步骤(4)中所述计算待评价目标土壤采样调查点的观测值的估计值，并计算每个观测值对应的回归残差，具体为：
设定估计值为
Figure FDA0003320932990000011
回归残差为e，则公式如下：
Figure FDA0003320932990000012
Figure FDA0003320932990000013
式中，x0t是时间为t地点为0的待评价目标土壤采样调查点观测值，xit是时间为t第i个邻域土壤采样调查点的观测值(i＝1，...，n)，a和b是回归系数。
4.根据权利要求1所述的一种农用地土壤重金属异常数据的探测方法，其特征在于，步骤(6)中所述计算所述目标土壤采样调查点对应的时空邻域内的残差均值、方差和标准差，具体为：
设定残差均值为
Figure FDA0003320932990000021
方差为σ2(e)、标准差为σ(e)，则公式如下：
Figure FDA0003320932990000022
Figure FDA0003320932990000023
Figure FDA0003320932990000024
5.根据权利要求1所述的一种农用地土壤重金属异常数据的探测方法，其特征在于，步骤(7)中所述计算每个所述目标土壤采样调查点的置信概率，用于探测土壤重金属的异常程度，具体为：
Figure FDA0003320932990000025
式中，v为土壤重金属的异常程度，z为标准正态分布分位点，Prob是目标土壤采样调查点的残差在概率分布中的p值；
查找标准正态分布表，可得v值，v∈[0，1]，这个值越接近于0，表示异常程度越大，反之越接近于1异常程度越小。
CN202111252383.8A 2021-10-26 2021-10-26 一种农用地土壤重金属异常数据的探测方法 Active CN114019139B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111252383.8A CN114019139B (zh) 2021-10-26 2021-10-26 一种农用地土壤重金属异常数据的探测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111252383.8A CN114019139B (zh) 2021-10-26 2021-10-26 一种农用地土壤重金属异常数据的探测方法

Publications (2)

Publication Number Publication Date
CN114019139A true CN114019139A (zh) 2022-02-08
CN114019139B CN114019139B (zh) 2024-03-26

Family

ID=80057757

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111252383.8A Active CN114019139B (zh) 2021-10-26 2021-10-26 一种农用地土壤重金属异常数据的探测方法

Country Status (1)

Country Link
CN (1) CN114019139B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115510670A (zh) * 2022-10-12 2022-12-23 生态环境部土壤与农业农村生态环境监管技术中心 一种基于三维仿真模型的土壤污染状况调查点位方法

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102590473A (zh) * 2012-01-29 2012-07-18 中国农业大学 农业区域地块土壤重金属适宜性测试方法及系统
WO2016101690A1 (zh) * 2014-12-22 2016-06-30 国家电网公司 基于时间序列分析的输变电设备的状态监测数据清洗方法
CN106227965A (zh) * 2016-07-29 2016-12-14 武汉大学 一种顾及时空分布非平稳特征的土壤有机碳空间抽样网络设计方法
CN106407633A (zh) * 2015-07-30 2017-02-15 中国科学院遥感与数字地球研究所 基于时空回归克里金模型估算地面pm2.5的方法及系统
CN106803137A (zh) * 2017-01-25 2017-06-06 东南大学 城市轨道交通afc系统实时进站客流量异常检测方法
CN107092582A (zh) * 2017-03-31 2017-08-25 江苏方天电力技术有限公司 一种基于残差后验的异常值在线检测及置信度评估方法
CN107729293A (zh) * 2017-09-27 2018-02-23 中南大学 一种基于多元自适应回归的地理空间异常探测方法
CN107798425A (zh) * 2017-10-16 2018-03-13 中国科学院地理科学与资源研究所 一种基于大数据的时空混淆暴露度评估系统及方法
CN107909192A (zh) * 2017-11-01 2018-04-13 北京农业质量标准与检测技术研究中心 土壤重金属含量的估测方法及装置
CN109142679A (zh) * 2018-08-13 2019-01-04 中国科学院东北地理与农业生态研究所 基于人工神经网络克里金插值的森林土壤养分的空间预测方法
CN110689179A (zh) * 2019-09-18 2020-01-14 北京工商大学 基于时空序列混合模型的水华预测方法
CN110795695A (zh) * 2019-10-28 2020-02-14 华北理工大学 消去时序相关性的多模型动态pca故障监测方法
CN111562996A (zh) * 2020-04-11 2020-08-21 北京交通大学 一种关键性能指标数据的时序异常检测方法及系统
CN112986538A (zh) * 2021-05-06 2021-06-18 中南大学 大区域土壤重金属检测与时空分布特征分析方法及系统
CN113470765A (zh) * 2021-06-29 2021-10-01 广州市华南自然资源科学技术研究院 一种土壤重金属来源解析方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102590473A (zh) * 2012-01-29 2012-07-18 中国农业大学 农业区域地块土壤重金属适宜性测试方法及系统
WO2016101690A1 (zh) * 2014-12-22 2016-06-30 国家电网公司 基于时间序列分析的输变电设备的状态监测数据清洗方法
CN106407633A (zh) * 2015-07-30 2017-02-15 中国科学院遥感与数字地球研究所 基于时空回归克里金模型估算地面pm2.5的方法及系统
CN106227965A (zh) * 2016-07-29 2016-12-14 武汉大学 一种顾及时空分布非平稳特征的土壤有机碳空间抽样网络设计方法
CN106803137A (zh) * 2017-01-25 2017-06-06 东南大学 城市轨道交通afc系统实时进站客流量异常检测方法
CN107092582A (zh) * 2017-03-31 2017-08-25 江苏方天电力技术有限公司 一种基于残差后验的异常值在线检测及置信度评估方法
CN107729293A (zh) * 2017-09-27 2018-02-23 中南大学 一种基于多元自适应回归的地理空间异常探测方法
CN107798425A (zh) * 2017-10-16 2018-03-13 中国科学院地理科学与资源研究所 一种基于大数据的时空混淆暴露度评估系统及方法
CN107909192A (zh) * 2017-11-01 2018-04-13 北京农业质量标准与检测技术研究中心 土壤重金属含量的估测方法及装置
CN109142679A (zh) * 2018-08-13 2019-01-04 中国科学院东北地理与农业生态研究所 基于人工神经网络克里金插值的森林土壤养分的空间预测方法
CN110689179A (zh) * 2019-09-18 2020-01-14 北京工商大学 基于时空序列混合模型的水华预测方法
CN110795695A (zh) * 2019-10-28 2020-02-14 华北理工大学 消去时序相关性的多模型动态pca故障监测方法
CN111562996A (zh) * 2020-04-11 2020-08-21 北京交通大学 一种关键性能指标数据的时序异常检测方法及系统
CN112986538A (zh) * 2021-05-06 2021-06-18 中南大学 大区域土壤重金属检测与时空分布特征分析方法及系统
CN113470765A (zh) * 2021-06-29 2021-10-01 广州市华南自然资源科学技术研究院 一种土壤重金属来源解析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙栓柱;宋蓓;李春岩;王皓;: "一种基于贝叶斯后验的异常值在线检测及置信度评估算法", 中国科学技术大学学报, no. 08, 15 August 2017 (2017-08-15) *
张见;张宁;邵家玉;: "城市轨道交通自动售检票系统实时进站客流量异常检测", 城市轨道交通研究, no. 10, 10 October 2018 (2018-10-10) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115510670A (zh) * 2022-10-12 2022-12-23 生态环境部土壤与农业农村生态环境监管技术中心 一种基于三维仿真模型的土壤污染状况调查点位方法

Also Published As

Publication number Publication date
CN114019139B (zh) 2024-03-26

Similar Documents

Publication Publication Date Title
CN109816031B (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
CN113344134B (zh) 一种低压配电监控终端数据采集异常检测方法及系统
CN105574669B (zh) 时空联合数据聚类分析的输变电设备状态异常检测方法
CN107391515A (zh) 基于关联规则分析的电力系统指标分析方法
CN108268901B (zh) 一种基于动态时间弯曲距离发现环境监测异常数据的方法
US20220027230A1 (en) Predicting Equipment Fail Mode from Process Trace
CN116881749B (zh) 一种污染场地施工监测方法及系统
CN115454778A (zh) 大规模云网络环境下的时序指标异常智能监控系统
CN116308305B (zh) 一种桥梁健康监测数据管理系统
CN115130578A (zh) 一种基于增量式粗糙聚类的配电设备状态在线评估方法
CN114019139B (zh) 一种农用地土壤重金属异常数据的探测方法
Kitchenham et al. Design metrics in practice
CN111400911A (zh) 一种基于ewma控制图的gnss变形信息识别与预警方法
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
CN117094184A (zh) 基于内网平台的风险预测模型的建模方法、系统及介质
CN115545112B (zh) 一种大量地下水实时自动监测数据自动识别和处理的方法
CN110956112A (zh) 一种新的高可靠性回转支承寿命评估方法
CN113688506B (zh) 基于微站等多维数据的潜在大气污染源识别方法
CN115112183A (zh) 一种用于异形机械零件尺寸检测系统
Carroll Modelling abiotic indicators when obtaining spatial predictions of species richness
CN114597886A (zh) 基于区间二型模糊聚类分析的配电网运行状态评估方法
CN114997666A (zh) 一种区域泥石流易发性评估方法
CN114819260A (zh) 一种水文时间序列预测模型动态生成方法
CN111766622A (zh) b值时空扫描方法、系统及装置
CN115249059A (zh) 模型训练及异常数据分析方法、装置及计算机存储介质

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
GR01 Patent grant
GR01 Patent grant