CN114254544B - 一种太阳质子事件峰值通量预测方法 - Google Patents

一种太阳质子事件峰值通量预测方法 Download PDF

Info

Publication number
CN114254544B
CN114254544B CN202111566203.3A CN202111566203A CN114254544B CN 114254544 B CN114254544 B CN 114254544B CN 202111566203 A CN202111566203 A CN 202111566203A CN 114254544 B CN114254544 B CN 114254544B
Authority
CN
China
Prior art keywords
proton
solar
energy
event
maximum
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.)
Active
Application number
CN202111566203.3A
Other languages
English (en)
Other versions
CN114254544A (zh
Inventor
王月
王世金
张威泰
马新
韩金钟
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.)
Digital Space Beijing Technology Co ltd
Original Assignee
Digital Space Beijing Intelligent Technology Research Institute Co ltd
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 Digital Space Beijing Intelligent Technology Research Institute Co ltd filed Critical Digital Space Beijing Intelligent Technology Research Institute Co ltd
Priority to CN202111566203.3A priority Critical patent/CN114254544B/zh
Publication of CN114254544A publication Critical patent/CN114254544A/zh
Application granted granted Critical
Publication of CN114254544B publication Critical patent/CN114254544B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明公开了一种太阳质子事件峰值通量预测方法，涉及质子事件技术领域，包括以下步骤，S1，实时获取太阳高能质子数据；S2，根据能谱因子计算公式得到能谱因子Ri；S3，根据能谱因子Ri与F10的关系式lg(Ri)＝C+D*F10，利用最小二乘法得到常数C、D，同时根据相关系数计算公式得到相关系数rr；S4，根据质子事件最大值的预测值公式F10max＝(lg(Rmin)‑C)/D计算质子事件最大值的预测值F10max，S5，重复步骤S1‑S4，获得多个质子事件最大值的预测值，当连续X个质子事件最大值的预测值之间的相对误差小于P时，计算这X个质子事件最大值的预测值的平均值，以此实现对质子事件的峰值通量的预测值的计算。

Description

一种太阳质子事件峰值通量预测方法
技术领域
本发明涉及太阳质子事件技术领域，具体为一种太阳质子事件峰值通量预测方法。
背景技术
太阳质子事件是一种伴随太阳爆发出现的太阳发出的高能质子的急剧增加的现象，国际上通常以一次事件中能量大于10MeV的高能质子的通量的最大值来确定事件的级别，而且，通过对卫星异常的统计，质子事件的影响与质子事件的峰值通量密切相关。
太阳质子事件的峰值通量不仅与太阳爆发事件的特征密切相关，与爆发点在日面上的位置也有联系，因此，通过观测太阳爆发活动的特征能够预测质子事件的有无，但无法准确预测质子事件的峰值通量。
发明内容
本发明的目的在于克服现有技术的不足，提供一种太阳质子事件峰值通量预测方法。
本发明的目的是通过以下技术方案来实现的：
一种太阳质子事件峰值通量预测方法，包括以下步骤：
S1，实时获取太阳高能质子数据；
S2，从实时太阳高能质子数据中分别选取最近多组起始能量大于10MeV以及起始能量大于50MeV的高能质子数据，所述起始能量大于10MeV的高能质子数据即为F10，所述起始能量大于50MeV的高能质子数据即为F50，根据能谱因子计算公式得到能谱因子Ri；
S3，根据能谱因子Ri与F10的关系式lg(Ri)＝C+D*F10，利用最小二乘法得到常数C、D，根据多组F10的平均值以及lg(Ri)的平均值利用相关系数计算公式得到相关系数rr；
S4，根据相关系数rr的计算结果，如果rr大于预设的阈值，则根据质子事件最大值的预测值公式F10max＝(lg(Rmin)-C)/D，式中，Rmin的值取决于当年太阳活动水平，为固定值，以此得到质子事件最大值的预测值F10max，如果rr小于等于预设的阈值，则返回步骤S1重新获取太阳高能质子数据；
S5，重复步骤S1-S4，获得多个质子事件最大值的预测值，当连续X个质子事件最大值的预测值之间的相对误差小于P时，计算这X个质子事件最大值的预测值的平均值，作为此次质子事件的峰值通量的预测值。
进一步的，所述步骤S2中，获取最近10组F10以及F50，分别记为F10i以及F50i，下角标i为提取通量的序数，分别为t到t-9，根据能谱因子计算公式Ri＝F50i/F10i得到10个能谱因子Ri。
进一步的，所述步骤S3中，相关系数rr的计算公式为：
Figure BDA0003421981220000021
式中，x和
Figure BDA0003421981220000022
分别表示F10i及其平均值，y和
Figure BDA0003421981220000023
则分别表示lg(Ri)及其平均值。
进一步的，所述步骤S4中，相关系数rr的预设阈值为0.9，如果rr大于0.9，则根据质子事件最大值的预测值公式计算质子事件最大值的预测值F10max，如果rr小于等于0.9，则返回步骤S1重新获取太阳高能质子数据。
进一步的，所述步骤S4中，将太阳活动水平分为太阳活动极大期、太阳活动中期、太阳活动极小期，将太阳活动极大年所在年份设为E，所述太阳活动极大期所在年份包括E、E+1、E-1，所述太阳活动中期所在年份包括E+3、E+2、E-3、E-2，其余年份为太阳活动极小期。
进一步的，所述太阳活动极大期，Rmin＝-1.8，所述太阳活动中期，Rmin＝-1.45，所述太阳活动极小期，Rmin＝-1.0。
进一步的，所述步骤S5中，当连续5个质子事件最大值的预测值之间的相对误差小于10％时，计算这5个质子事件最大值的预测值的平均值，将这个平均值作为此次质子事件的峰值通量的预测值。
.一种数据处理装置，所述装置包括：
数据获取模块：用于获取太阳高能质子数据；
数据计算模块；用于根据太阳高能质子数据计算质子事件的峰值通量的预测值。
一种计算机存储设备，包括一个或多个存储器，其上存储有可执行程序，一个或多个处理器，用于执行所述存储器中的所述可执行程序，以实现所述一种太阳质子事件峰值通量预测方法的步骤。
本发明的有益效果是：
1、本发明专利中，通过一系列可实施步骤能有效确定太阳质子事件的峰值通量的预测值。
2、本发明专利的峰值通量计算流程启动的前提是质子事件的发生，因此，有助于避免误报现象发生。
附图说明
图1为本发明流程图；
图2为本发明专利的实施例流程判断图；
图3为本发明专利的能谱指数与F10的相关特征示意图；
图4为本发明专利实施例中预测的质子事件峰值(对数)与实测值(对数)的相关性示意图。
具体实施方式
下面结合本发明的附图，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的一部分实施例，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做出创造性劳动前提下所获得的所有其他实施。
在本发明的描述中，需要理解的是，术语“逆时针”、“顺时针”“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
一种太阳质子事件峰值通量预测方法，包括以下步骤：
S1，实时获取太阳高能质子数据，太阳高能质子数据是通过美国空间天气预报中心下载获取的；
S2，从实时太阳高能质子数据中分别选取最近多组起始能量大于10MeV以及起始能量大于50MeV的高能质子数据，所述起始能量大于10MeV的高能质子数据即为F10，所述起始能量大于50MeV的高能质子数据即为F50，根据能谱因子计算公式得到能谱因子Ri；
S3，根据能谱因子Ri与F10的关系式lg(Ri)＝C+D*F10，利用最小二乘法得到常数C、D，根据多组F10的平均值以及lg(Ri)的平均值利用相关系数计算公式得到相关系数rr；
S4，根据相关系数rr的计算结果，如果rr大于预设的阈值，则根据质子事件最大值的预测值公式F10max＝(lg(Rmin)-C)/D，式中，Rmin的值取决于当年太阳活动水平，为固定值，以此得到质子事件最大值的预测值F10max，如果rr小于等于预设的阈值，则返回步骤S1重新获取太阳高能质子数据；
S5，重复步骤S1-S4，获得多个质子事件最大值的预测值，当连续X个质子事件最大值的预测值之间的相对误差小于P时，计算这X个质子事件最大值的预测值的平均值，作为此次质子事件的峰值通量的预测值。
进一步的，所述步骤S2中，获取最近10组F10以及F50，分别记为F10i以及F50i，下角标i为提取通量的序数，分别为t到t-9，根据能谱因子计算公式Ri＝F50i/F10i得到10个能谱因子Ri。
进一步的，所述步骤S3中，相关系数rr的计算公式为：
Figure BDA0003421981220000041
式中，x和
Figure BDA0003421981220000042
分别表示F10i及其平均值，y和
Figure BDA0003421981220000043
则分别表示lg(Ri)及其平均值。
进一步的，所述步骤S4中，相关系数rr的预设阈值为0.9，如果rr大于0.9，则根据质子事件最大值的预测值公式计算质子事件最大值的预测值F10max，如果rr小于等于0.9，则返回步骤S1重新获取太阳高能质子数据。
进一步的，所述步骤S4中，将太阳活动水平分为太阳活动极大期、太阳活动中期、太阳活动极小期，将太阳活动极大年所在年份设为E，所述太阳活动极大期所在年份包括E、E+1、E-1，所述太阳活动中期所在年份包括E+3、E+2、E-3、E-2，其余年份为太阳活动极小期。
进一步的，所述太阳活动极大期，Rmin＝-1.8，所述太阳活动中期，Rmin＝-1.45，所述太阳活动极小期，Rmin＝-1.0。
进一步的，所述步骤S5中，当连续5个质子事件最大值的预测值之间的相对误差小于10％时，计算这5个质子事件最大值的预测值的平均值，将这个平均值作为此次质子事件的峰值通量的预测值。
.一种数据处理装置，所述装置包括：
数据获取模块：用于获取太阳高能质子数据；
数据计算模块；用于根据太阳高能质子数据计算质子事件的峰值通量的预测值
一种计算机存储设备，包括一个或多个存储器，其上存储有可执行程序，一个或多个处理器，用于执行所述存储器中的所述可执行程序，以实现所述一种太阳质子事件峰值通量预测方法的步骤。
具体的，通过对第23、24太阳活动周的质子事件的通量和能谱的变化过程进行了统计分析，发现了太阳质子事件的能谱在事件进行过程中呈现出规律性的“软化”特征，即能量高的质子占比逐渐减小，直到达到质子事件峰值，此时，高能质子能谱达到“最软”。而且能谱的变化也有规律可循，能谱指数多数呈指数下降。因此，通过分析质子事件初期高能质子能谱及其发展趋势，能够实现对质子事件峰值的预测，本实施例计算了发生在2003年10月28日的一次质子事件的预报过程，我们以50分钟的滑动窗口(10个数据点)连续计算了参数C、D和rr，根据设定的rr的阈值，计算了本次质子事件的峰值通量，如表1所示，表中峰值通量的单位是cm-2s-1sr-1。
表1 2003年10月28日部分时间段参数计算结果
时间UT C D rr 峰值通量
12:35 -9.57E-02 -5.88E-03 -9.50E-01 230.4832
12:40 -1.23E-01 -4.78E-03 -9.52E-01 277.8129
12:45 -1.72E-01 -3.38E-03 -9.23E-01 378.4696
16:40 -3.04E-01 -1.13E-04 -9.17E-01 10162.1
16:45 -3.02E-01 -1.13E-04 -9.26E-01 10140.15
16:50 -2.94E-01 -1.15E-04 -9.26E-01 10043.66
16:55 -2.95E-01 -1.15E-04 -9.18E-01 10065.19
17:25 -4.98E-01 -4.90E-05 -9.62E-01 19416.57
17:30 -4.84E-01 -5.25E-05 -9.83E-01 18396.53
17:35 -4.64E-01 -5.79E-05 -9.57E-01 17011.13
17:40 -4.77E-01 -5.51E-05 -9.26E-01 17662.51
17:45 -5.07E-01 -5.34E-05 -9.03E-01 17641.07
17:50 -4.99E-01 -5.64E-05 -9.49E-01 16878.61
17:55 -4.96E-01 -5.74E-05 -9.44E-01 16608.32
18:00 -5.09E-01 -5.52E-05 -9.62E-01 17046.58
18:05 -5.22E-01 -5.26E-05 -9.44E-01 17655.05
本次质子事件起始时间为12:10UT，12:35UT开始的3个数据点满足峰值通量计算条件，但其后相关系数rr不满足条件，因此不能作为峰值通量的预测结果；16:40-15:55UT尽管计算的峰值通量稳定，但没有达到稳定条件要求的5组数据；17:25-17:45UT，开始，预测的5个峰值通量平均值为：18925.56cm-2s-1sr-1，每个预测值的相对误差小于15％，因此，对此次质子事件的峰值预测为：18925cm-2s-1sr-1。该次质子事件的实测峰值通量达到时间为10月29日6:15UT，数值为29500cm-2s-1sr-1。数据显示，这是因为激波到加速造成的，持续时间很短，很难预测。本例中，预测到了质子事件峰值通量将超过10000cm-2s-1sr-1，提前量超过10小时，预报时的E>10MeV质子通量为2000cm-2s-1sr-1左右；
针对第24太阳活动周(2009-2020)的全部质子事件，按照所形成太阳质子事件峰值通量的计算流程，逐个进行计算和统计，得到的结果如表2所示。
表2 第24太阳活动周质子事件预警方案应用效果
Figure BDA0003421981220000051
Figure BDA0003421981220000061
可以看到，多数质子事件(23/34)的峰值通量都可以通过本专利提供的方法预测太阳质子事件的峰值通量，计算失败的事例中(11个)，只有1个峰值通量仅为136cm-2s-1sr-1，预测的太阳质子事件峰值与实测峰值正相关，如图3所示，二者取对数后的相关系数为0.88，6次峰值通量超过500cm-2s-1sr-1的质子事件的峰值通量都实现了较好的预测。
以上所述仅是本发明的优选实施方式，应当理解所描述的实施例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做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。本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (8)

1.一种太阳质子事件峰值通量预测方法，其特征在于，包括以下步骤：
S1，实时获取太阳高能质子数据；
S2，从实时太阳高能质子数据中分别选取最近多组起始能量大于10MeV以及起始能量大于50MeV的高能质子数据，所述起始能量大于10MeV的高能质子数据即为F10，所述起始能量大于50MeV的高能质子数据即为F50，根据能谱因子计算公式得到能谱因子Ri；
S3，根据能谱因子Ri与F10的关系式lg(Ri)＝C+D*F10，利用最小二乘法得到常数C、D，根据多组F10的平均值以及lg(Ri)的平均值利用相关系数计算公式得到相关系数rr；
S4，根据相关系数rr的计算结果，如果rr大于预设的阈值，则根据质子事件最大值的预测值公式F10max＝(lg(Rmin)-C)/D，式中，Rmin的值取决于当年太阳活动水平，为固定值，以此得到质子事件最大值的预测值F10max，如果rr小于等于预设的阈值，则返回步骤S1重新获取太阳高能质子数据；
S5，重复步骤S1-S4，获得多个质子事件最大值的预测值，当连续X个质子事件最大值的预测值之间的相对误差小于P时，计算这X个质子事件最大值的预测值的平均值，作为此次质子事件的峰值通量的预测值。
2.根据权利要求1所述的一种太阳质子事件峰值通量预测方法，其特征在于，所述步骤S2中，获取最近10组F10以及F50，分别记为F10i以及F50i，下角标i为提取通量的序数，分别为t到t-9，根据能谱因子计算公式Ri＝F50i/F10i得到10个能谱因子Ri。
3.根据权利要求2所述的一种太阳质子事件峰值通量预测方法，其特征在于，所述步骤S3中，相关系数rr的计算公式为：
Figure FDA0003770186130000011
式中，x和
Figure FDA0003770186130000012
分别表示F10i及其平均值，y和
Figure FDA0003770186130000013
则分别表示lg(Ri)及其平均值。
4.根据权利要求1所述的一种太阳质子事件峰值通量预测方法，其特征在于，所述步骤S4中，相关系数rr的预设阈值为0.9，如果rr大于0.9，则根据质子事件最大值的预测值公式计算质子事件最大值的预测值F10max，如果rr小于等于0.9，则返回步骤S1重新获取太阳高能质子数据。
5.根据权利要求1所述的一种太阳质子事件峰值通量预测方法，其特征在于，所述步骤S4中，将太阳活动水平分为太阳活动极大期、太阳活动中期、太阳活动极小期，将太阳活动极大年所在年份设为E，所述太阳活动极大期所在年份包括E、E+1、E-1，所述太阳活动中期所在年份包括E+3、E+2、E-3、E-2，其余年份为太阳活动极小期。
6.根据权利要求5所述的一种太阳质子事件峰值通量预测方法，其特征在于，所述太阳活动极大期，Rmin＝-1.8，所述太阳活动中期，Rmin＝-1.45，所述太阳活动极小期，Rmin＝-1.0。
7.根据权利要求1所述的一种太阳质子事件峰值通量预测方法，其特征在于，所述步骤S5中，当连续5个质子事件最大值的预测值之间的相对误差小于10％时，计算这5个质子事件最大值的预测值的平均值，将这个平均值作为此次质子事件的峰值通量的预测值。
8.一种数据处理装置，其特征在于，所述装置用于实现权利要求1-7任一项所述的一种太阳质子事件峰值通量预测方法，包括：
数据获取模块：用于获取太阳高能质子数据；
数据计算模块；用于根据太阳高能质子数据计算质子事件的峰值通量的预测值。
CN202111566203.3A 2021-12-20 2021-12-20 一种太阳质子事件峰值通量预测方法 Active CN114254544B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111566203.3A CN114254544B (zh) 2021-12-20 2021-12-20 一种太阳质子事件峰值通量预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111566203.3A CN114254544B (zh) 2021-12-20 2021-12-20 一种太阳质子事件峰值通量预测方法

Publications (2)

Publication Number Publication Date
CN114254544A CN114254544A (zh) 2022-03-29
CN114254544B true CN114254544B (zh) 2022-09-13

Family

ID=80793271

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111566203.3A Active CN114254544B (zh) 2021-12-20 2021-12-20 一种太阳质子事件峰值通量预测方法

Country Status (1)

Country Link
CN (1) CN114254544B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115856986B (zh) * 2023-03-03 2023-04-25 数字太空(北京)智能技术研究院有限公司 一种地球轨道航天器粒子辐射环境的计算方法及设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111310102A (zh) * 2020-02-13 2020-06-19 国家卫星气象中心(国家空间天气监测预警中心) 太阳耀斑的预警方法、系统、计算机可读存储介质及设备
CN112446391A (zh) * 2019-08-28 2021-03-05 辽宁省交通高等专科学校 基于最小二乘支持向量机的太阳高度角预测方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6521381B1 (en) * 1999-03-16 2003-02-18 General Motors Corporation Electrode and membrane-electrode assemblies for electrochemical cells
CN101266302B (zh) * 2007-03-15 2011-06-29 中国科学院国家天文台 一种计算机太阳活动预报系统
CN104299037B (zh) * 2013-07-18 2017-07-14 中国科学院空间科学与应用研究中心 一种自动化空间环境模式评估系统及方法
KR101689631B1 (ko) * 2016-08-11 2016-12-27 한국 천문 연구원 항공 방사선량 분석 시스템
CN112327389B (zh) * 2020-10-30 2022-07-26 中国科学院国家空间科学中心 基于太阳10.7cm射电流量的全日面耀斑预报方法及系统
CN113189617B (zh) * 2021-04-30 2023-04-14 北京软奇科技有限公司 一种太阳质子事件预警方法及系统、存储介质及终端

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112446391A (zh) * 2019-08-28 2021-03-05 辽宁省交通高等专科学校 基于最小二乘支持向量机的太阳高度角预测方法
CN111310102A (zh) * 2020-02-13 2020-06-19 国家卫星气象中心(国家空间天气监测预警中心) 太阳耀斑的预警方法、系统、计算机可读存储介质及设备

Also Published As

Publication number Publication date
CN114254544A (zh) 2022-03-29

Similar Documents

Publication Publication Date Title
CN114254544B (zh) 一种太阳质子事件峰值通量预测方法
Scott et al. A combined re-analysis of existing blank-field SCUBA surveys: comparative 850-μm source lists, combined number counts, and evidence for strong clustering of the bright submillimetre galaxy population on arcminute scales
AU2019280042A1 (en) Method and system for risk analysis of power grid failures
EP3401798A1 (en) Push information rough selection sorting method, device and computer storage medium
EP3293737B1 (en) Correlation tolerance limit setting system using repetitive cross-validation and method therefor
CN113114530A (zh) 一种网元健康状态的检测方法及设备
CN113992340B (zh) 用户异常行为识别方法、装置、设备和存储介质
AU2019100631A4 (en) Self-correcting multi-model numerical rainfall ensemble forecasting method
Weller et al. A sum characterization of hidden regular variation with likelihood inference via expectation-maximization
Diendorfer Some comments on the achievable accuracy of local ground flash density values
CN109448215B (zh) 抽奖数据处理方法、装置、存储介质及服务器
CN116488147A (zh) 一种火电厂负荷的预测方法及系统
CN111177656B (zh) 一种行为检测方法、计算机设备和计算机可读存储介质
Amiranashvili et al. Expected change of average semi-annual and annual values of air temperature and precipitation in Tbilisi
CN115115479B (zh) 获取房屋采光信息的方法、装置、电子设备及存储介质
Ali et al. Generalized chain regression-cum-chain ratio estimator for population mean under stratified extreme-cum-median ranked set sampling
CN115495705A (zh) 评价函数确定方法、装置、电子设备以及存储介质
CN114116853A (zh) 基于时序关联分析的数据安全分析方法及装置
CN113189617A (zh) 一种太阳质子事件预警方法及系统、存储介质及终端
FI129316B (en) Communication network performance monitoring
CN108376316B (zh) 一种风电功率预测方法和系统
CN110942196B (zh) 预测辐照修正方法及装置
CN115293517A (zh) 考虑多极端事件影响的可再生能源电力建模方法及装置
JP7177238B1 (ja) 故障判定システム、故障判定プログラム及び故障判定方法
CN113301597B (zh) 网络分析方法及设备

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230811

Address after: Room 0108, 1st Floor, No. 26 Shangdi Information Road, Haidian District, Beijing, 100085

Patentee after: Digital Space (Beijing) Technology Co.,Ltd.

Address before: Room 0112-26, floor 01, No. 26, Shangdi Information Road, Haidian District, Beijing 100089

Patentee before: Digital space (Beijing) Intelligent Technology Research Institute Co.,Ltd.