CN115859632B - 在线源解析模型不确定度调节方法、装置与可读存储介质 - Google Patents
在线源解析模型不确定度调节方法、装置与可读存储介质 Download PDFInfo
- Publication number
- CN115859632B CN115859632B CN202211567327.8A CN202211567327A CN115859632B CN 115859632 B CN115859632 B CN 115859632B CN 202211567327 A CN202211567327 A CN 202211567327A CN 115859632 B CN115859632 B CN 115859632B
- Authority
- CN
- China
- Prior art keywords
- species
- concentration data
- value
- target
- uncertainty
- 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
Links
Images
Abstract
本公开涉及一种在线源解析模型不确定度调节方法、装置与可读存储介质,涉及计算机技术领域。包括:获取输入至在线源解析模型中物种的第一不确定度与第一浓度数据;确定每次迭代过程中,该在线源解析模型输出的第二浓度数据;该迭代过程包括:在上次该在线源解析模型输出物种的浓度数据与该第一浓度数据之间的拟合值小于第一预设拟合值的情况下,以目标值增大该第一不确定度,得到第二不确定度;将该第二不确定度输入至该在线源解析模型,得到该第二浓度数据。在该第二浓度数据与该第一浓度数据之间的拟合值大于第一预设拟合值的情况下,输出污染源图谱。使用本公开提出的在线源解析模型不确定度调节方法,可以自动地调节不确定度。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种在线源解析模型不确定度调节方法、装置与可读存储介质。
背景技术
在线源解析模型(Positive Matrix Factorization,PMF)是用于对污染物的贡献率与主要污染源进行计算的模型,在线源解析模型通过输入颗粒物浓度数据、物种浓度数据、检出限与不确定度等消息,使用最小二乘法来确定污染物的主要污染源与贡献率。
相关技术中,在对在线源解析模型进行训练的过程中,需要人工不断地调节不确定度,来使得在线源解析模型能够运行输出合理的物种浓度数据,人工调节不确定度的方式的效率较低。
发明内容
为克服相关技术中存在的问题,本公开提供一种在线源解析模型不确定度调节方法、装置与可读存储介质。
根据本公开实施例的第一方面,提供一种在线源解析模型不确定度调节方法,所述方法包括:
获取输入至在线源解析模型中物种的第一不确定度与第一浓度数据;
确定每次迭代过程中,所述在线源解析模型输出的第二浓度数据;所述迭代过程包括:在上次所述在线源解析模型输出物种的浓度数据与所述第一浓度数据之间的拟合值小于第一预设拟合值的情况下,以目标值增大所述第一不确定度,得到第二不确定度;将所述第二不确定度输入至所述在线源解析模型,得到所述第二浓度数据。
在所述第二浓度数据与所述第一浓度数据之间的拟合值大于第一预设拟合值的情况下,输出污染源图谱。
可选地,所述在所述第二浓度数据与所述第一浓度数据之间的拟合值大于第一预设拟合值的情况下,输出污染源图谱,包括:
在迭代次数小于预设次数,且所述第二浓度数据与所述第一浓度数据之间的拟合值大于所述第一预设拟合值的情况下,输出污染源图谱。
可选地,所述在所述第二浓度数据与所述第一浓度数据之间的拟合值大于第一预设拟合值的情况下,输出污染源图谱,包括:
在所述第二浓度数据与所述第一浓度数据之间的拟合值大于第一预设拟合值的情况下,根据目标不确定度、目标因子数与目标物种,得到所述污染源图谱,所述污染源图谱中具有多个物种的浓度数据,所述目标不确定度为所述拟合值大于第一预设拟合值的情况下,所述第二浓度数据对应的第二不确定度。
可选地,所述目标因子数通过以下步骤得到:
将因子数范围输入至所述在线源解析模型;
通过所述在线源解析模型,从小到大逐个运行所述因子数范围中的因子数;
在所述因子数对应的目标函数值与上一因子数对应的目标函数值之间的差值大于第一预设差值的情况下,将所述上一因子数作为所述目标因子数,所述目标函数值用于反映所述在线源解析模型的质量。
可选地,所述目标物种通过以下步骤得到:
在所述物种的残差图呈正态分布且所述物种的残差值在预设范围之内的情况下,将所述物种作为所述目标物种;
其中,所述物种的残差值为所述在线源解析模型输出的物种浓度数据与所述第一浓度数据之间的差值。
可选地,所述在所述物种的残差图呈正态分布且所述物种的残差值在预设范围之内的情况下,将所述物种作为所述目标物种,包括:
在所述物种的残差图呈正态分布且所述物种的残差值在预设范围之内的情况下,将所述物种作为第一物种;
从多个所述第一物种中,剔除所述第一浓度数据与所述第二浓度数据之间的拟合值小于第二预设拟合值的物种,得到所述目标物种,和/或;
从多个所述第一物种中,剔除迭代次数达到预设次数,且所述第一浓度数据与所述第三浓度数据之间的拟合值小于所述第一预设拟合值的物种,得到所述目标物种;
所述第二预设拟合值小于所述第一预设拟合值。
可选地,所述根据所述目标不确定度、目标因子数与目标物种,得到所述污染源图谱,包括:
从多个不同的时刻中,确定残差值大于第二预设差值的目标残差值,所述残差值为所述在线源解析模型输出的浓度数据与所述第一浓度数据之间的差值;
将所述目标残差值对应的异常浓度数据进行剔除,得到所述物种的正常浓度数据;
根据所述正常浓度数据、目标不确定度、目标物种、目标因子数,得到所述污染源图谱。
可选地,所述根据所述目标不确定度、目标因子数与目标物种,得到所述污染源图谱,包括:
在上一时刻的残差值与下一时刻的残差值之间的差值大于第三预设差值的情况下,将下一时刻的残差值进行剔除,得到所述物种的正常残差值;
通过所述在线源解析模型,根据所述正常残差值、目标不确定度、目标物种、目标因子数,得到所述污染源图谱。
根据本公开实施例的第二方面,提供一种在线源解析模型不确定度调节装置,所述装置包括:
数据获取模块,被配置为获取输入至在线源解析模型中物种的第一不确定度与第一浓度数据;
浓度数据确定模块,被配置为确定每次迭代过程中,所述在线源解析模型输出的第二浓度数据;所述迭代过程包括:在上次所述在线源解析模型输出物种的浓度数据与所述第一浓度数据之间的拟合值小于第一预设拟合值的情况下,以目标值增大所述第一不确定度,得到第二不确定度;将所述第二不确定度输入至所述在线源解析模型,得到所述第二浓度数据。
污染源图谱输出模块,被配置为在所述第二浓度数据与所述第一浓度数据之间的拟合值大于第一预设拟合值的情况下,输出污染源图谱。
根据本公开实施例的第三方面,提供一种在线源解析模型不确定度调节装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
执行所述可执行指令,以实现本公开实施例的第一方面提供的在线源解析模型不确定度调节方法的步骤。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开实施例的第一方面提供的在线源解析模型不确定度调节方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果:
在每次迭代的过程中,若上次在线源解析模型输出物种的浓度数据与第一浓度数据之间的拟合值小于第一预设拟合值,则会以目标值增大第一不确定度,得到第二不确定度;将第二不确定度输入至在线源解析模型,得到第二浓度数据,直到第二浓度数据与第一浓度数据之间的拟合值大于第一预设拟合值时,才输出污染源图谱。
在这个过程中,当在线源解析模型输出的第二浓度数据与第一浓度数据之间的拟合值小于第一预设拟合值时,则会自动地将第二不确定度以目标值的幅度进行调高,而无需用户手动调节第二不确定度,从而提高了调节第二不确定度的效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种在线源解析模型不确定度调节方法的流程图。
图2是根据一示例性实施例示出的污染源图谱。
图3是根据一示例性实施例示出的一种在线源解析模型不确定度调节方法的逻辑示意图。
图4是根据一示例性实施例示出物种的浓度数据的拟合结果图。
图5是根据一示例性实施例示出的因子数与目标函数值之间的因子数图。
图6是根据一示例性实施例示出某一物种的残差图。
图7是根据一示例性实施例示出的拟合时序图。
图8是根据一示例性实施例示出的拟合残差图。
图9是根据一示例性实施例示出的一种在线源解析模型不确定度调节装置的框图。
图10是根据一示例性实施例示出的一种在线源解析模型不确定度调节装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
需要说明的是,本申请中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
在介绍本公开之前,先介绍下本公开大量涉及的术语。
1、污染源、物种,颗粒物又称为尘,在气溶胶体系中均匀分散的各种固体或液体微粒。颗粒物包含二次硫酸盐、二次硝酸盐、二次源、扬尘源、机动车源于燃煤源等各种因子,因子可以理解为污染源;污染源包括各种物种,例如二次硝酸盐包括SO4 2-,机动车源包括OC、EC,扬尘源包括Ca、Si、Al等,物种可以理解为各种元素组分。下文部分描述中会将因子数量称为污染源数量。
2、不确定度(Uncertainty,Unc),不确定度是在在线源解析模型在进行源解析的过程中,会存在采样、实验分析测试、模型计算等过程引起的误差,不确定度越大,在线源解析模型输出的数据的可信度越低;不确定度越小,在线源解析模型输出的数据的可信度越高。当某一物种的缺失数据较多时,可以设定较大的不确定度来降低该物种浓度的权重。
3、检出限(Method Detection Limit,MDL),检出限是最低检测浓度,检出限与物种测量仪器相关,每一台物种测量仪器针对不同的物种有不同的最低检测浓度。
4、残差,残差是输入至在线源解析模型中的观测值与在线源解析模型输出的预测值之间的差值,例如下文介绍的输入至在线源解析模型中的第一浓度数据与在线源解析模型输出的浓度数据之间的差值。
5、目标函数值(Objectfunction,Q值)。
在线源解析模型是将物种浓度矩阵因子化,分为两个因子矩阵以及一个残差矩阵,如以下表达式(1):
X(n×m)=G(n×p)F(p×m)+E(n×m) (1)
在表达式(1)中,G(n×p)是污染源贡献矩阵,即因子的贡献矩阵;F(p×m)是源成分谱矩阵,即因子包含的物种的矩阵;E(n×m)为残差矩阵;n表示样品个数;m表示污染源中的化学成分的种数;p是在线源解析模型解析出来的污染源的数量。
在线源解析模型解析上述矩阵(1)的过程中,通过定义一个目标函数值,并使得目标函数值最小,来得到以下表达式(2):
在表达式(2)中,式中,σij是第j个物种中第i个化学成分的不确定度;Q(E)为目标函数值;Eij是第j个物种中第i个化学成分的残差值。
从表达式(2)可以看出,物种的残差值与物种的目标函数值之间呈正比关系,目标函数值可以用来表示在线源解析模型的好坏程度,目标函数值越小,在线源解析模型输出的预测值与输入至在线源解析模型的观测值之间的残差值越小,在线源解析模型的质量越好。
6、拟合值(R值),拟合值为两个数值之间的相关程度,请参阅图4所示,图4为某个物种的拟合结果图,图4的横坐标与纵坐标分别表示的是该物种随着时间变化的坐标值,图4中的斜率代表拟合值,拟合值越接近1,两个数值之间的相关程度越强,反之拟合值越接近0,两个数值之间的相关程度越弱。
7、在线源解析模型,通过对环境样品的化学组分数据进行分析,提取若干因子,利用标识物种将因子识别为不同的污染源类,再通过多远线性回归计算不同污染源类对环境样品的贡献。
图1是根据一示例性实施例示出的一种在线源解析模型不确定度调节方法的流程图,如图1所示,在线源解析模型不确定度调节方法用于终端中,包括以下步骤。
在步骤S1 1中,获取输入至在线源解析模型中物种的第一不确定度与第一浓度数据。
其中,第一不确定度与第一浓度数据为初始的输入至在线源解析模型中的与物种相关的数据。
用户在将物种输入至在线源解析模型中后,会先选择物种;再设置物种的第一不确定度与检出限。在用户选择物种之后,系统会自动地从物种测量仪器(物种测量仪器也可以称为元素测量仪器或组分测量仪器)中获取物种的第一浓度数据,物种测量仪器一方面用于对物种浓度进行监测,另一方面用于提供物种的检出限。
示例地,在物种测量仪器监测的物种浓度小于或等于物种测量仪器的检出限的情况下,物种的第一不确定度通过以下表达式得到:
在表达式(3)中,Unc为第一不确定度;MDL为检出限。
在物种测量仪器监测的物种浓度大于检出限的情况下,物种的第一不确定度通过以下表达式得到:
在表达式(4)中,Unc为第一不确定度;MDL为检出限;EF为测量结果不确定度的百分比,concentration为物种测量仪器监测的物种浓度。
在步骤S12中,确定每次迭代过程中,所述在线源解析模型输出的第二浓度数据;所述迭代过程包括:在上次所述在线源解析模型输出物种的浓度数据与所述第一浓度数据之间的拟合值小于第一预设拟合值的情况下,以目标值增大所述第一不确定度,得到第二不确定度;将所述第二不确定度输入至所述在线源解析模型,得到所述第二浓度数据。
其中,第二浓度数据可以为每次迭代过程中在线源解析模型运行不同的第二不确定度所输出的物种的浓度数据,第二浓度数据在每次迭代的过程中不同,也可以相同。第二浓度数据与第一浓度数据之间的拟合值,代表两个数据之间的相关程度,拟合值越大(拟合值不能大于1)代表在线源解析模型得到的第二浓度数据与第一浓度数据的相关性越高。
其中,每次迭代过程是在上次迭代的第二不确定度的基础上,增加目标值,得到此次迭代的第二不确定度,再将此次迭代的第二不确定度输入至在线源解析模型中,使得在线源解析模型运行此次迭代的第二不确定度,来得到此次迭代的第二浓度数据。
在这个过程中,若此次迭代的第二浓度数据与第一浓度数据之间的拟合值小于第一预设拟合值,则说明此次迭代得到的第二浓度数据与第一浓度数据之间的相关度较弱,输入至在线源解析模型中的第二不确定度的数值并非是适宜的,在线源解析模型依据该第二不确定度得到的污染源图谱的准确性也较低,因此需要继续对增加第二不确定度,来继续进行迭代。
其中,可以对第二不确定度进行进一步地限定,以使得得到的第二浓度数据的准确度更高。示例地,在每次迭代的过程中,若迭代次数大于预设次数,且在线源解析模型输出的第二浓度数据与第一浓度数据之间的拟合值大于第二预设拟合值且小于第一预设拟合值的情况下,则将此次迭代过程得到的第二浓度数据进行剔除。第一预设拟合值可以为小于或等于1的数值,例如为0.6或0.8等,第二预设拟合值小于第一预设拟合值,例如可以为0.5或0.4等。
以预设次数为2次,第二预设拟合值为0.4,第一预设拟合值为0.6,目标值为0.05举例。在第一次迭代的过程中,在线源解析模型依据第一浓度数据与第一不确定度,得到第一次迭代的第二浓度数据,若此次迭代的第二浓度数据与第一浓度数据之间的拟合值大于0.4且小于0.6,则将第一不确定度增加0.05得到第二不确定度进行二次迭代;在二次迭代的过程中,在线源解析模型依据第二不确定度,得到第二次迭代的第二浓度数据,若此次迭代的第二浓度数据与第一浓度数据之间的拟合值仍然大于0.4且小于0.6,则在将此次迭代的第二不确定度增加0.05,得到下次迭代的第二不确定度进行第三次迭代…,在这个过程中,由于预设次数为2次,所以若在第二次迭代得到的第二浓度数据与第一浓度数据之间的拟合值仍然没有大于0.6,则会剔除该第二浓度数据。
在步骤S13中,在所述第二浓度数据与所述第一浓度数据之间的拟合值大于第一预设拟合值的情况下,输出污染源图谱。
其中,在第二浓度数据与第一浓度数据之间的拟合值大于第一预设拟合值的情况下,说明依据此次迭代的第二不确定度,所得到的第二浓度数据与第一浓度数据之间的相关度较强,此时可以依据此次迭代的第二不确定度与第二浓度数据,输出污染源图谱。
在增加了迭代次数的限制条件之后,步骤S13可以包括:在每次迭代的过程中,在迭代次数小于预设次数,且在线源解析模型输出的第二浓度数据与第一浓度数据之间的拟合值大于第一预设拟合值的情况下,则依据此次迭代过程得到的第二浓度数据与此次迭代过程中的第二不确定度,得到污染源图谱。
其中,请参阅图2所示,图2示出了机动车的污染源图谱,该污染源图谱中的若干个黑点代表物种在污染源中的浓度,柱状代表物种浓度在污染源中的占比。由于不同类型的污染源图谱中,物种的占比是不同的,例如在二次硫酸盐污染源中,SO4 2-与Zn的浓度占比较大;在工业污染源中,Pb的浓度占比较大,因此用户通过污染源图谱中占比较大的浓度,可以确定该污染源图谱是属于哪个污染源图谱。
示例地,请参阅图2所示,在该污染源图谱中,SO4 2-与Zn的占据污染源的比例较大,因此用户可以据此确定该污染源图谱是二次硫酸盐的污染源图谱。
其中,在线源解析模型会依据用户输入的第一浓度数据、选择的多个物种以及在线源解析模型计算得到的污染源数量,来得到与污染源数量相匹配的污染源图谱,并且所有的污染源图谱中包含的物种种类,均在用户选择的多个物种的种类之中。
示例地,若用户选择了20个物种,在线源解析模型计算得到的污染源数量有6个,那么在线源解析模型则会展示6个污染源图谱,且6个污染源图谱中所包含的物种均在用户选择的20个物种之内。
通过上述技术方案,在每次迭代的过程中,若上次在线源解析模型输出物种的浓度数据与第一浓度数据之间的拟合值小于第一预设拟合值,则会以目标值增大第一不确定度,得到第二不确定度;将第二不确定度输入至在线源解析模型,得到第二浓度数据,直到第二浓度数据与第一浓度数据之间的拟合值大于第一预设拟合值时,才输出污染源图谱。
在这个过程中,当在线源解析模型输出的第二浓度数据与第一浓度数据之间的拟合值小于第一预设拟合值时,系统则会自动地将第二不确定度以目标值的幅度进行调高,而无需用户手动调节第二不确定度,从而提高了调节第二不确定度的效率。
在一种可能的实施方式中,请参阅图3所示,可以根据所述目标不确定度、目标因子数与目标物种,得到所述污染源图谱,所述污染源图谱中具有多个物种的浓度数据。
其中,目标不确定度通过以下步骤得到:
确定每次迭代过程中,在线源解析模型输出的第二浓度数据与第一浓度数据之间的拟合值是否大于第一预设拟合值;在拟合值小于第一预设拟合值的情况下,以目标值增加第一不确定度或第二不确定度,得到迭代过程中的第二不确定度;在拟合值大于第一预设拟合值的情况下,将此次迭代过程中的第二不确定度或第一不确定度作为目标不确定度。
其中,目标因子数通过以下子步骤得到:
1)、将因子数范围输入至所述在线源解析模型。
用户在选择物种的同时,还可以设置因子数范围,例如设置因子数的范围为[0,10]。
2)、通过所述在线源解析模型,从小到大逐个运行所述因子数范围中的因子数。
在确定了物种合适的目标不确定度之后,在线源解析模型可以再运行因子数范围中的因子数与目标不确定度,来得到不同因子数对应的目标函数值。
在线源解析模型在获取到因子数范围之后,会从小到大逐个地运行因子数范围中的因子数,例如先运行因子数1,再运行因子数2,再运行因子数3…。
3)、在所述因子数对应的目标函数值与上一因子数对应的目标函数值之间的差值大于第一预设差值的情况下,将所述上一因子数作为所述目标因子数,所述目标函数值用于反映所述在线源解析模型的质量。
因子数对应的目标函数值体现了在线源解析模型的质量,目标函数值越小,在线源解析模型的解析质量越好。
请参阅图5所示,图5的横坐标为因子数,纵坐标为目标函数值,随着因子数的增大,目标函数值先减小,且目标函数值没有明显变化,此时说明因子数增加比较合理,当因子数增加到某个特定阈值时,目标函数值开始明显变化,此时出现明显变化前的目标函数值对应的因子数则是合理的因子数。
其中,当前因子数对应的目标函数值与上一因子数对应的目标函数值之间的差值,体现了目标函数值是否出现明显变化,当差值大于第一预设差值的情况下,说明目标函数值出现明显变化,此时出现明显变化后的因子数则是不合理的因子数;出现明显变化前的因子数则是合理的因子数。
其中,目标物种通过以下至少一种方式得到:
4)、在所述物种的残差图呈正态分布且所述物种的残差值在预设范围之内的情况下,将所述物种作为目标物种,所述物种的残差值为所述在线源解析模型输出的物种浓度数据与所述第一浓度数据之间的差值。
请参阅图6所示的物种的残差图,图6的横坐标为某一物种的残差值,纵坐标为物种对应的加权残差,加权残差是所有物种的比例残差的平方和除以物种数量,当某个物种的加权残差较大时,说明该物种的残差值可能比较大,在线源解析模型输出的物种浓度数据与第一浓度数据之间的差值较大,在线源解析模型的计算结果较差。
在物种的残差图呈正态分布且物种的残差值在预设范围之内的情况下,说明在线源解析模型对该物种的计算结果较好;如果残差图中存在较多大尺度残差或显示非正常曲线,则说明在线源解析模型对该物种的计算结果较差,因此,可以将残差图呈正态分布且残差值在预设范围之内的物种,作为目标物种。
预设范围可以为(-3,3),本公开在此不做限制。
5)、在所述物种的残差图呈正态分布且所述物种的残差值在预设范围之内的情况下,将所述物种作为第一物种;从多个所述第一物种中,剔除所述第一浓度数据与所述第二浓度数据之间的拟合值小于第二预设拟合值的物种,得到所述目标物种。
为了进一步地保障在线源解析模型输出的污染源图谱的准确性,可以进一步地对目标物种进行限定,从符合残差图呈正态分布且物种残差值在预设范围之内的第一物种中,去掉低拟合物种,来得到目标物种,以保障在线源解析模型输出的污染源图谱中各个物种的准确性。
可以在多个第一物种中,剔除第二浓度数据与第一浓度数据之间的拟合值小于第二预设拟合值的物种,来得到目标物种。拟合值小于第二预设拟合值的情况下,说明在线源解析模型依据此次迭代的第二不确定度输出的第二浓度数据与第一浓度数据之间的相关度较弱,此时则可以不必考虑该第二浓度数据对应的物种。
示例地,以第二预设拟合值为0.4举例,可以剔除第二浓度数据与第一浓度数据之间的拟合值小于0.4的物种,来得到目标物种。
6)、在所述物种的残差图呈正态分布且所述物种的残差值在预设范围之内的情况下,将所述物种作为第一物种;从多个所述第一物种中,剔除迭代次数达到预设次数,且所述第一浓度数据与所述第三浓度数据之间的拟合值小于所述第一预设拟合值的物种,得到所述目标物种。
为了进一步地保障在线源解析模型输出的污染源图谱的准确性,可以进一步地对目标物种进行限定,从符合残差图呈正态分布且物种残差值在预设范围之内的第一物种中,去掉低拟合物种,来得到目标物种,以保障在线源解析模型输出的污染源图谱中各个物种的准确性。
可以在多个第一物种中,剔除迭代次数达到预设次数,且所述第一浓度数据与所述第三浓度数据之间的拟合值小于所述第一预设拟合值的物种,来得到目标物种。在经过预设次数的迭代次数,且拟合值仍然小于第一预设拟合值的情况下,说明在线源解析模型输出的该物种的第二浓度数据与第一浓度数据之间的相关度较弱,此时也可以不必考虑该第二浓度数据对应的物种。
示例地,以迭代次数为3次,第一预设拟合值为0.6举例,在达到3次迭代次数,且在线源解析模型输出的第二浓度数据与第一浓度数据之间的拟合值仍然小于0.6的情况下,则会将该第二浓度数据对应的物种进行剔除,来得到目标物种。
其中,在得到目标因子数、目标物种与目标不确定度之后,为了保障数据的准确性,还需要对部分异常数据进行剔除,以保障在线源解析模型所运行的数据的准确性,具体还包括以下至少两种方式:
7)、从多个不同的时刻中,确定残差值大于第二预设差值的目标残差值,所述残差值为所述在线源解析模型输出的浓度数据与所述第一浓度数据之间的差值;将所述目标残差值对应的异常浓度数据进行剔除,得到所述物种的正常浓度数据;根据所述正常浓度数据、目标不确定度、目标物种、目标因子数,得到所述污染源图谱。
其中,在确定了目标不确定度、目标因子数与目标物种之后,在线源解析模型可以依据目标不确定度、目标因子数、目标物种以及目标物种的第一浓度数据,来对不同时刻下的物种的浓度数据进行模拟。
请参阅图7所示,图7的横坐标为日期,纵坐标为在线源解析模型输出的物种的浓度数据,图7中的若干点为第一浓度数据,图7中的折线为在线源解析模型输出的若干浓度数据。
残差值为同一时刻下的第一浓度数据与在线源解析模型输出的浓度数据之差,在残差值大于第二预设差值的情况下,说明在线源解析模型输出的浓度数据与第一浓度数据差别较大,此时可以将在线源解析模型输出的浓度数据作为异常浓度数据进行剔除,来得到不同时刻下的正常浓度数据。
在确定了正常浓度数据之后,在线源解析模型则可以依据第一浓度数据、正常浓度数据、目标不确定度、目标物种、目标因子数,来得到污染源图谱
8)、在上一时刻的残差值与下一时刻的残差值之间的差值大于第三预设差值的情况下,将下一时刻的残差值进行剔除,得到所述物种的正常残差值;
通过所述在线源解析模型,根据所述正常残差值、目标不确定度、目标物种、目标因子数,得到所述污染源图谱。
其中,在确定了不同时刻下的残差值之后,可以得到图8所示的不同时刻下的残差值的曲线图。在图8中,横坐标为日期,纵坐标为残差值。
在一些情况下,残差值在不同时刻下是趋于不变的,当残差值出现陡然变化时,则说明该残差值对应的在线源解析模型输出的浓度数据是异常数据,此时可以将出现陡然变化的残差值以及残差值对应的浓度数据进行剔除,来得到正常残差值。
在上一时刻的残差值与下一时刻的残差值之间的差值大于第三预设差值的情况下,说明残差值出现了陡然变化,此时可以将这些极端的残差值进行剔除,以使得输入至在线源解析模型中的数据更加正常。
通过上述技术方案,可以将拟合值大于第一预设拟合值的情况下,第二浓度数据对应的第二不确定度作为目标不确定度;再运行目标不确定度与因子数,来从因子数范围中确定目标因子数;再从多个物种中确定符合正态分布且位于预设范围的目标物种;最后从多个符合时间顺序变化的残差值与浓度数据中,剔除异常数据,以使得最终输入至在线源解析模型中的目标不确定度、目标因子数与目标物种均是适宜的数据,会使得在线源解析模型的计算结果更好。
可以理解的是,将目标不确定度、目标因子数与目标物种,来重新运行在线源解析模型时,在线源解析模型输出的浓度数据的结果更加可靠,得到的污染源图谱也更加可靠。
图9是根据一示例性实施例示出的一种在线源解析模型不确定度调节装置框图。参照图9,该在线源解析模型不确定度调节装置910包括数据获取模块920、浓度数据确定模块930与污染源图谱输出模块940。
数据获取模块910,被配置为获取输入至在线源解析模型中物种的第一不确定度与第一浓度数据;
浓度数据确定模块920,被配置为确定每次迭代过程中,所述在线源解析模型输出的第二浓度数据;所述迭代过程包括:在上次所述在线源解析模型输出物种的浓度数据与所述第一浓度数据之间的拟合值小于第一预设拟合值的情况下,以目标值增大所述第一不确定度,得到第二不确定度;将所述第二不确定度输入至所述在线源解析模型,得到所述第二浓度数据。
污染源图谱输出模块930,被配置为在所述第二浓度数据与所述第一浓度数据之间的拟合值大于第一预设拟合值的情况下,输出污染源图谱。
可选地,污染源图谱输出模块930包括:
第一污染源图谱输出子模块,被配置为在迭代次数小于预设次数,且所述第二浓度数据与所述第一浓度数据之间的拟合值大于所述第一预设拟合值的情况下,输出污染源图谱。
可选地,污染源图谱输出模块930包括:
第二污染源图谱输出子模块,被配置为在所述第二浓度数据与所述第一浓度数据之间的拟合值大于第一预设拟合值的情况下,根据目标不确定度、目标因子数与目标物种,得到所述污染源图谱,所述污染源图谱中具有多个物种的浓度数据,所述目标不确定度为所述拟合值大于第一预设拟合值的情况下,所述第二浓度数据对应的第二不确定度。
可选地,在线源解析模型不确定度调节装置910包括:
因子数范围输入模块,被配置为将因子数范围输入至所述在线源解析模型;
运行模块,被配置为通过所述在线源解析模型,从小到大逐个运行所述因子数范围中的因子数;
目标因子数确定模块,被配置为在所述因子数对应的目标函数值与上一因子数对应的目标函数值之间的差值大于第一预设差值的情况下,将所述上一因子数作为所述目标因子数,所述目标函数值用于反映所述在线源解析模型的质量。
可选地,在线源解析模型不确定度调节装置910包括:
目标物种确定模块,被配置为在所述物种的残差图呈正态分布且所述物种的残差值在预设范围之内的情况下,将所述物种作为所述目标物种;
其中,所述物种的残差值为所述在线源解析模型输出的物种浓度数据与所述第一浓度数据之间的差值。
可选地,目标物种确定模块包括:
第一物种确定子模块,被配置为在所述物种的残差图呈正态分布且所述物种的残差值在预设范围之内的情况下,将所述物种作为第一物种;
第一目标物种确定子模块,被配置为从多个所述第一物种中,剔除所述第一浓度数据与所述第二浓度数据之间的拟合值小于第二预设拟合值的物种,得到所述目标物种,和/或;
第二目标物种确定子模块,被配置为从多个所述第一物种中,剔除迭代次数达到预设次数,且所述第一浓度数据与所述第三浓度数据之间的拟合值小于所述第一预设拟合值的物种,得到所述目标物种;
所述第二预设拟合值小于所述第一预设拟合值。
可选地,第二污染源图谱输出子模块包括:
目标残差值确定子模块,被配置为从多个不同的时刻中,确定残差值大于第二预设差值的目标残差值,所述残差值为所述在线源解析模型输出的浓度数据与所述第一浓度数据之间的差值;
第一剔除子模块,被配置为将所述目标残差值对应的异常浓度数据进行剔除,得到所述物种的正常浓度数据;
第三污染源图谱输出子模块,被配置为根据所述正常浓度数据、目标不确定度、目标物种、目标因子数,得到所述污染源图谱。
可选地,第二污染源图谱输出子模块包括:
第二剔除子模块,被配置为在上一时刻的残差值与下一时刻的残差值之间的差值大于第三预设差值的情况下,将下一时刻的残差值进行剔除,得到所述物种的正常残差值;
第四污染源图谱输出子模块,被配置为通过所述在线源解析模型,根据所述正常残差值、目标不确定度、目标物种、目标因子数,得到所述污染源图谱。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开提供的在线源解析模型不确定度调节方法的步骤。
图10是根据一示例性实施例示出的一种用于在线源解析模型不确定度调节的装置800的框图。例如,装置800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图10,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式,如摄影状态或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
输入/输出接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到装置800的打开/关闭状态,组件的相对定位,例如所述组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述在线源解析模型不确定度调节方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器804,上述指令可由装置800的处理器820执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的在线源解析模型不确定度调节方法的代码部分。
本领域技术人员在考虑说明书及实践本公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (11)
1.一种在线源解析模型不确定度调节方法,其特征在于,所述方法包括:
获取输入至在线源解析模型中物种的第一不确定度与第一浓度数据;
确定每次迭代过程中,所述在线源解析模型输出的第二浓度数据;所述迭代过程包括:在上次所述在线源解析模型输出物种的浓度数据与所述第一浓度数据之间的拟合值小于第一预设拟合值的情况下,以目标值增大所述第一不确定度,得到第二不确定度;将所述第二不确定度输入至所述在线源解析模型,得到所述第二浓度数据;
在所述第二浓度数据与所述第一浓度数据之间的拟合值大于第一预设拟合值的情况下,输出污染源图谱。
2.根据权利要求1所述的方法,其特征在于,所述在所述第二浓度数据与所述第一浓度数据之间的拟合值大于第一预设拟合值的情况下,输出污染源图谱,包括:
在迭代次数小于预设次数,且所述第二浓度数据与所述第一浓度数据之间的拟合值大于所述第一预设拟合值的情况下,输出污染源图谱。
3.根据权利要求1所述的方法,其特征在于,所述在所述第二浓度数据与所述第一浓度数据之间的拟合值大于第一预设拟合值的情况下,输出污染源图谱,包括:
在所述第二浓度数据与所述第一浓度数据之间的拟合值大于第一预设拟合值的情况下,根据目标不确定度、目标因子数与目标物种,得到所述污染源图谱,所述污染源图谱中具有多个物种的浓度数据,所述目标不确定度为所述拟合值大于第一预设拟合值的情况下,所述第二浓度数据对应的第二不确定度。
4.根据权利要求3所述的方法,其特征在于,所述目标因子数通过以下步骤得到:
将因子数范围输入至所述在线源解析模型;
通过所述在线源解析模型,从小到大逐个运行所述因子数范围中的因子数;
在所述因子数对应的目标函数值与上一因子数对应的目标函数值之间的差值大于第一预设差值的情况下,将所述上一因子数作为所述目标因子数,所述目标函数值用于反映所述在线源解析模型的质量。
5.根据权利要求3所述的方法,其特征在于,所述目标物种通过以下步骤得到:
在所述物种的残差图呈正态分布且所述物种的残差值在预设范围之内的情况下,将所述物种作为所述目标物种;
其中,所述物种的残差值为所述在线源解析模型输出的物种浓度数据与所述第一浓度数据之间的差值。
6.根据权利要求5所述的方法,其特征在于,所述在所述物种的残差图呈正态分布且所述物种的残差值在预设范围之内的情况下,将所述物种作为所述目标物种,包括:
在所述物种的残差图呈正态分布且所述物种的残差值在预设范围之内的情况下,将所述物种作为第一物种;
从多个所述第一物种中,剔除所述第一浓度数据与所述第二浓度数据之间的拟合值小于第二预设拟合值的物种,得到所述目标物种,和/或;
从多个所述第一物种中,剔除迭代次数达到预设次数,且所述第一浓度数据与所述第二浓度数据之间的拟合值小于所述第一预设拟合值的物种,得到所述目标物种;
所述第二预设拟合值小于所述第一预设拟合值。
7.根据权利要求3所述的方法,其特征在于,所述根据目标不确定度、目标因子数与目标物种,得到所述污染源图谱,包括:
从多个不同的时刻中,确定残差值大于第二预设差值的目标残差值,所述残差值为所述在线源解析模型输出的浓度数据与所述第一浓度数据之间的差值;
将所述目标残差值对应的异常浓度数据进行剔除,得到所述物种的正常浓度数据;
根据所述正常浓度数据、目标不确定度、目标物种、目标因子数,得到所述污染源图谱。
8.根据权利要求3所述的方法,其特征在于,所述根据目标不确定度、目标因子数与目标物种,得到所述污染源图谱,包括:
在上一时刻的残差值与下一时刻的残差值之间的差值大于第三预设差值的情况下,将下一时刻的残差值进行剔除,得到所述物种的正常残差值;
通过所述在线源解析模型,根据所述正常残差值、目标不确定度、目标物种、目标因子数,得到所述污染源图谱。
9.一种在线源解析模型不确定度调节装置,其特征在于,所述装置包括:
数据获取模块,被配置为获取输入至在线源解析模型中物种的第一不确定度与第一浓度数据;
浓度数据确定模块,被配置为确定每次迭代过程中,所述在线源解析模型输出的第二浓度数据;所述迭代过程包括:在上次所述在线源解析模型输出物种的浓度数据与所述第一浓度数据之间的拟合值小于第一预设拟合值的情况下,以目标值增大所述第一不确定度,得到第二不确定度;将所述第二不确定度输入至所述在线源解析模型,得到所述第二浓度数据;
污染源图谱输出模块,被配置为在所述第二浓度数据与所述第一浓度数据之间的拟合值大于第一预设拟合值的情况下,输出污染源图谱。
10.一种在线源解析模型不确定度调节装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
执行所述可执行指令,以实现权利要求1至8任一项所述方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,该程序指令被处理器执行时实现权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211567327.8A CN115859632B (zh) | 2022-12-07 | 2022-12-07 | 在线源解析模型不确定度调节方法、装置与可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211567327.8A CN115859632B (zh) | 2022-12-07 | 2022-12-07 | 在线源解析模型不确定度调节方法、装置与可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115859632A CN115859632A (zh) | 2023-03-28 |
CN115859632B true CN115859632B (zh) | 2023-05-26 |
Family
ID=85670911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211567327.8A Active CN115859632B (zh) | 2022-12-07 | 2022-12-07 | 在线源解析模型不确定度调节方法、装置与可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115859632B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105486349A (zh) * | 2015-12-29 | 2016-04-13 | 中国科学院上海微系统与信息技术研究所 | 一种空间三维多参数分布测试系统及其实施方法 |
CN110489785A (zh) * | 2019-07-05 | 2019-11-22 | 山东大学 | 一种大气污染物在线源解析方法及系统 |
AU2020101615A4 (en) * | 2020-08-02 | 2020-09-10 | Beijing Normal University | A Method for Source Apportionment of PAHs in Roadway Sediments Coupled with Transport and Transformation Process |
CN111680422A (zh) * | 2020-06-08 | 2020-09-18 | 中科三清科技有限公司 | 臭氧来源分析方法及装置 |
CN112505254A (zh) * | 2020-12-03 | 2021-03-16 | 中科三清科技有限公司 | 一种大气污染来源的解析方法、装置、存储介质及终端 |
CN112562796A (zh) * | 2020-12-07 | 2021-03-26 | 中科三清科技有限公司 | 大气污染来源的解析方法、装置、存储介质及终端 |
CN113670879A (zh) * | 2021-08-27 | 2021-11-19 | 生态环境部南京环境科学研究所 | 基于多变量和pmf模型对黑臭水体底泥重金属源的分析方法 |
CN114544894A (zh) * | 2022-01-26 | 2022-05-27 | 中国科学院新疆生态与地理研究所 | 基于pmf模型的源解析不确定性分析方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8383420B2 (en) * | 2006-12-07 | 2013-02-26 | Applied Isotope Technologies, Inc. | Solid phase and catalyzed enabled automated isotope dilution and speciated isotope dilution mass spectrometry |
-
2022
- 2022-12-07 CN CN202211567327.8A patent/CN115859632B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105486349A (zh) * | 2015-12-29 | 2016-04-13 | 中国科学院上海微系统与信息技术研究所 | 一种空间三维多参数分布测试系统及其实施方法 |
CN110489785A (zh) * | 2019-07-05 | 2019-11-22 | 山东大学 | 一种大气污染物在线源解析方法及系统 |
CN111680422A (zh) * | 2020-06-08 | 2020-09-18 | 中科三清科技有限公司 | 臭氧来源分析方法及装置 |
AU2020101615A4 (en) * | 2020-08-02 | 2020-09-10 | Beijing Normal University | A Method for Source Apportionment of PAHs in Roadway Sediments Coupled with Transport and Transformation Process |
CN112505254A (zh) * | 2020-12-03 | 2021-03-16 | 中科三清科技有限公司 | 一种大气污染来源的解析方法、装置、存储介质及终端 |
CN112562796A (zh) * | 2020-12-07 | 2021-03-26 | 中科三清科技有限公司 | 大气污染来源的解析方法、装置、存储介质及终端 |
CN113670879A (zh) * | 2021-08-27 | 2021-11-19 | 生态环境部南京环境科学研究所 | 基于多变量和pmf模型对黑臭水体底泥重金属源的分析方法 |
CN114544894A (zh) * | 2022-01-26 | 2022-05-27 | 中国科学院新疆生态与地理研究所 | 基于pmf模型的源解析不确定性分析方法及系统 |
Non-Patent Citations (2)
Title |
---|
Receptor Modeling of Ambient Particulate Matter Data Using Positive Matrix Factorization: Review of Existing Methods;Adam Reff等;《Journal of the Air & Waste Management Association》;第57卷;全文 * |
大气污染物监测数据不确定度评估方法体系建立及其对PMF源解析的影响分析;张夏夏等;《环境科学学报》;第39卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115859632A (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108632081B (zh) | 网络态势评估方法、装置及存储介质 | |
CN114240882A (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
CN110941942A (zh) | 电路原理图检查方法、装置及系统 | |
EP4068119A1 (en) | Model training method and apparatus for information recommendation, electronic device and medium | |
CN107995500A (zh) | 视频水印识别方法、装置及终端 | |
CN109214175B (zh) | 基于样本特征训练分类器的方法、装置及存储介质 | |
CN115859632B (zh) | 在线源解析模型不确定度调节方法、装置与可读存储介质 | |
CN110738267B (zh) | 图像分类方法、装置、电子设备及存储介质 | |
CN111797746A (zh) | 人脸识别方法、装置及计算机可读存储介质 | |
CN111523555A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN117348710A (zh) | 设备控制方法、装置、介质、设备和芯片 | |
CN116859248A (zh) | 电池循环寿命预测方法、装置及存储介质 | |
CN113779257A (zh) | 文本分类模型的解析方法、装置、设备、介质及产品 | |
CN112036507B (zh) | 图像识别模型的训练方法、装置、存储介质和电子设备 | |
CN111626883A (zh) | 核保方法及装置、电子设备和存储介质 | |
CN111382061A (zh) | 一种测试方法、装置、介质和电子设备 | |
CN111401048B (zh) | 一种意图识别方法及装置 | |
CN112766737B (zh) | 一种确定广告投放物料风险的方法及相关装置 | |
CN115225702B (zh) | 信息推送方法、装置、电子设备及存储介质 | |
CN111428806B (zh) | 图像标签确定方法、装置、电子设备及存储介质 | |
CN117808610A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN111681118A (zh) | 一种数据处理方法及装置 | |
CN115934525A (zh) | 测试数据生成方法、装置和设备 | |
CN115061932A (zh) | 回归测试方法、装置和设备 | |
CN116645052A (zh) | 业务信息的审核方法、装置、设备及存储介质 |
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 |