CN116913410B - 一种元素浓度值确定方法和装置 - Google Patents

一种元素浓度值确定方法和装置 Download PDF

Info

Publication number
CN116913410B
CN116913410B CN202310855218.4A CN202310855218A CN116913410B CN 116913410 B CN116913410 B CN 116913410B CN 202310855218 A CN202310855218 A CN 202310855218A CN 116913410 B CN116913410 B CN 116913410B
Authority
CN
China
Prior art keywords
preset
value
element concentration
sample point
determining
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
CN202310855218.4A
Other languages
English (en)
Other versions
CN116913410A (zh
Inventor
徐成东
沈峰北
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.)
Institute of Geographic Sciences and Natural Resources of CAS
Original Assignee
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 Institute of Geographic Sciences and Natural Resources of CAS filed Critical Institute of Geographic Sciences and Natural Resources of CAS
Priority to CN202310855218.4A priority Critical patent/CN116913410B/zh
Publication of CN116913410A publication Critical patent/CN116913410A/zh
Application granted granted Critical
Publication of CN116913410B publication Critical patent/CN116913410B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Chemical & Material Sciences (AREA)
  • Computing Systems (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Evolutionary Biology (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本申请实施例公开了一种元素浓度值确定方法和装置，包括：采集多个样本点的预设元素浓度值，对多个样本点进行分类，得到多个分类数据集；确定分类数据集对应的半变异拟合函数；确定全局半变异拟合函数；对多个待测点进行遍历，确定与当前待测点距离小于等于预设距离的至少两个样本点；确定第一协方差矩阵，第二协方差矩阵；基于第一协方差矩阵和第二协方差矩阵确定至少两个样本点中每个样本点的权重，并基于每个样本点的权重和预设元素浓度值确定当前待测点的预设元素浓度值；遍历完成后，得到每个待测点的预设元素浓度值。

Description

一种元素浓度值确定方法和装置
技术领域
本申请涉及数据处理技术领域，尤其涉及一种元素浓度值确定方法和装置。
背景技术
目前对土壤中的任意元素的浓度值进行确定的方法有反距离加权、样条函数、普通克里金等。但在实际场景插值中，不仅仅存在空间自相关性，还存在空间分层异质性，因此出现了分层克里金方法，该方法假设总体存在空间分层异质性，在对总体进行分层后，使得每个层内只存在空间自相关性，进而使用普通克里金进行层内插值。但该方法忽略了层与层之间存在的相关性，使得插值结果中层边缘存在边缘效应或突变，进而导致插值结果准确度不足。
发明内容
本申请提供一种元素浓度值确定方法和装置，以解决上述的技术问题。
为此，本申请实施例一方面提供一种元素浓度值确定方法，所述方法包括：
采集多个样本点的预设元素浓度值，并按照预设规则对所述多个样本点进行分类，得到多个分类数据集，所述预设规则为水平区域或垂直区域；
基于所述分类数据集确定该分类数据集对应的半变异拟合函数；
确定所述分类数据集的预设元素浓度均值，基于所述分类数据集中的每个样本点的预设元素浓度值和该分类数据集的预设元素浓度均值确定该分类数据集中每个样本点的全局预设元素浓度值；
基于所有分类数据集和每个样本点的全局预设元素浓度值确定全局半变异拟合函数；
对多个待测点进行遍历，确定与当前待测点距离小于等于预设距离的至少两个样本点；
基于所述至少两个样本点中每两个样本点之间的距离、所有半变异拟合函数和全局半变异拟合函数确定第一协方差矩阵，并基于当前待测点与所述至少两个样本点中每个样本点之间的距离、当前待测点对应的半变异拟合函数和全局半变异拟合函数确定第二协方差矩阵；
基于所述第一协方差矩阵和第二协方差矩阵确定所述至少两个样本点中每个样本点的权重，并基于每个样本点的权重和预设元素浓度值确定当前待测点的预设元素浓度值；
所述遍历完成后，得到每个待测点的预设元素浓度值。
其中，所述基于所述分类数据集确定该分类数据集对应的半变异拟合函数，包括：
对多个预设范围值进行遍历；
确定距离小于等于当前预设范围值的至少一个样本点对；
根据所述当前预设范围值的至少一个样本点对、每个样本点的预设元素浓度值和半变异函数确定所述当前预设范围值对应的函数值；
所述遍历完成后，得到每个预设范围值对应的函数值；
根据多个预设范围值和每个预设范围值对应的函数值确定所述分类数据集对应的半变异拟合函数。
其中，所述根据所述至少一个样本点对、每个样本点的预设元素浓度值和半变异函数确定所述当前预设范围值对应的函数值，包括：
根据每个样本点的预设元素浓度值确定每个样本点对的预设元素浓度差值的平方；
将所有样本点对的预设元素浓度差值的平方求和，并将求和结果除以两倍的样本点对总数，得到所述当前预设范围值对应的函数值。
其中，所述基于所有分类数据集和每个样本点的全局预设元素浓度值确定全局半变异拟合函数，包括：
对多个预设范围值进行遍历；
确定距离小于等于当前预设范围值的至少一个样本点对；
根据所述至少一个样本点对、每个样本点的全局预设元素浓度值和半变异函数确定所述当前预设范围值对应的函数值；
所述遍历完成后，得到每个预设范围值对应的函数值；
根据多个预设范围值和每个预设范围值对应的函数值确定全局半变异拟合函数。
其中，所述根据所述至少一个样本点对、每个样本点的全局预设元素浓度值和半变异函数确定所述当前预设范围值对应的函数值，包括：
根据每个样本点的全局预设元素浓度值确定每个样本点对的全局预设元素浓度差值的平方；
将所有样本点对的全局预设元素浓度差值的平方求和，并将求和结果除以两倍的样本点对总数，得到所述当前预设范围值对应的函数值。
其中，所述得到每个待测点的预设元素浓度值之后，还包括：
根据每个样本点的预设元素浓度值和预设颜色库绘制三维预设元素浓度分布图，所述预设颜色库中包含多个与不同预设元素浓度值区间对应的第一预设颜色。
本申请实施例另一方面提供一种元素浓度值确定装置，所述装置包括：
采集模块，用于采集多个样本点的预设元素浓度值，并按照预设规则对所述多个样本点进行分类，得到多个分类数据集，所述预设规则为水平区域或垂直区域；
处理模块，用于基于所述分类数据集确定该分类数据集对应的半变异拟合函数；
计算模块，用于确定所述分类数据集的预设元素浓度均值，基于所述分类数据集中的每个样本点的预设元素浓度值和该分类数据集的预设元素浓度均值确定该分类数据集中每个样本点的全局预设元素浓度值；
所述处理模块，还用于基于所有分类数据集和每个样本点的全局预设元素浓度值确定全局半变异拟合函数；
所述计算模块，还用于对多个待测点进行遍历，确定与当前待测点距离小于等于预设距离的至少两个样本点；
所述计算模块，还用于基于所述至少两个样本点中每两个样本点之间的距离、所有半变异拟合函数和全局半变异拟合函数确定第一协方差矩阵，并基于当前待测点与所述至少两个样本点中每个样本点之间的距离、当前待测点对应的半变异拟合函数和全局半变异拟合函数确定第二协方差矩阵；
所述计算模块，还用于基于所述第一协方差矩阵和第二协方差矩阵确定所述至少两个样本点中每个样本点的权重，并基于每个样本点的权重和预设元素浓度值确定当前待测点的预设元素浓度值；
所述计算模块，还用于所述遍历完成后，得到每个待测点的预设元素浓度值。
其中，所述计算模块，还用于对多个预设范围值进行遍历；
所述计算模块，还用于确定距离小于等于当前预设范围值的至少一个样本点对；
所述计算模块，还用于根据所述当前预设范围值的至少一个样本点对、每个样本点的预设元素浓度值和半变异函数确定所述当前预设范围值对应的函数值；
所述计算模块，还用于所述遍历完成后，得到每个预设范围值对应的函数值；
所述处理模块，还用于根据多个预设范围值和每个预设范围值对应的函数值确定所述分类数据集对应的半变异拟合函数。
其中，所述计算模块，还用于对多个预设范围值进行遍历；
所述计算模块，还用于确定距离小于等于当前预设范围值的至少一个样本点对；
所述计算模块，还用于根据所述至少一个样本点对、每个样本点的全局预设元素浓度值和半变异函数确定所述当前预设范围值对应的函数值；
所述计算模块，还用于所述遍历完成后，得到每个预设范围值对应的函数值；
所述处理模块，还用于根据多个预设范围值和每个预设范围值对应的函数值确定全局半变异拟合函数。
其中，所述处理模块，还用于根据每个样本点的预设元素浓度值和预设颜色库绘制三维预设元素浓度分布图，所述预设颜色库中包含多个与不同预设元素浓度值区间对应的第一预设颜色。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1示出了根据本申请的一个实施例的预设元素浓度值确定方法的流程图；
图2示出了根据本申请的另一个实施例的预设元素浓度值确定方法的流程图；
图3示出了根据本申请的一个实施例的半变异拟合函数曲线的示意图；
图4示出了根据本申请的另一个实施例的预设元素浓度值确定方法的流程图；
图5示出了根据本申请的另一个实施例的预设元素浓度值确定方法的流程图；
图6示出了根据本申请的一个实施例的全局半变异拟合函数曲线的示意图；
图7示出了根据本申请的另一个实施例的预设元素浓度值确定方法的流程图；
图8示出了根据本申请的一个实施例的预设元素浓度值确定装置的结构示意图。
具体实施方式
为使本申请的目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而非全部实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。
为了提高对元素浓度值进行检测的准确度，本申请一实施例提供了一种元素浓度值确定方法，如图1所示，该方法包括：
步骤101，采集多个样本点的预设元素浓度值，并按照预设规则对所述多个样本点进行分类，得到多个分类数据集，所述预设规则为水平区域或垂直区域。
预设元素可以根据需求进行设置和检测。预设元素浓度值是指预设元素的单元素和包含预设元素的化合物的总浓度值。
例如，对多个车间进行苯浓度采集，通过空间采样方法，从每个车间的多个样本点进行采集，采集后通过实验室化学分析，得到每个样本点的苯浓度值。
按照预设规则对多个样本点进行分类，得到多个分类数据集。
例如，上述对多个车间进行苯浓度的采集后，得到多个样本点和每个样本点的苯浓度值。这多个车间中有两个车间发生过泄露事件，因此，将这些车间分为两层，第一层为发生过泄露事件的两个车间，第二层为其他车间。按照车间对多个样本点进行分类，得到第一层车间的分类数据集和第二层车间的分类数据集。
再例如，存在5个样本点，分别为样本点A(16.19029，242.3504，-0.5)、样本点B(18.23096，262.3816，-0.5)、样本点C(22.4251，239.3544，-2.5)、样本点D(22.4251，239.3544，-4.5)和样本点E(22.4251，239.3544，-8)，对这些样本点的苯浓度进行检测，得到这些样本点对应的苯浓度值，该5个样本点分散在多个车间中，多个车间被分为两层，第一层为发生过泄露事件的车间，第二层为其他车间。样本点A和样本点B均位于第一层的车间，样本点C、样本点D和样本点E均位于第二层的车间。则第一层的车间的分类数据集中包含样本点A和样本点B。第二层的车间的分类数据集中包含样本点C、样本点D和样本点E。
除了按照水平区域进行分类，还可以按照垂直区域进行分类。
例如，某地地下分为粘土层和淤泥层，土壤质地不同，预设元素的含量分布也不同，因此，将样本点按照粘土层和淤泥层进行分类，第一层为粘土层，第二层为淤泥层。
步骤102，基于所述分类数据集确定该分类数据集对应的半变异拟合函数。
半变异函数(也称为半方差函数)是应用于数学建模的一种计算方法，公式为：
其中，γ1(h)为半变异函数的函数值，h为预设的范围值，N(h)为距离小于等于范围值h的样本点对(即两个不同样本点组成的点对，距离为这两个样本点之间的距离)的数量，Z(Xα)表示在样本点Xα处的预设元素浓度值，Z(Xα+h)表示当前与样本点Xα做计算的样本点处的预设元素浓度值。
对于当前的分类数据集，遍历每个预设的范围值，代入半变异函数中，基于当前的分类数据集中每两个样本点之间的距离、每个样本点的预设元素浓度值求出每个预设的范围值对应的函数值。
基于多个预设的范围值和每个预设的范围值对应的函数值进行拟合，得到当前的分类数据集的半变异拟合函数。
例如，存在2个分类数据集，分别为分类数据集1和分类数据集2，经过计算后，分类数据集1的半变异拟合函数为：
其中，γ(h)为分类数据集1的半变异拟合函数的函数值，h为样本点之间的距离或样本点与待测点之间的距离。
分类数据集2的半变异拟合函数为：
其中，γ(h)为分类数据集2的半变异拟合函数的函数值，h为样本点之间的距离或样本点与待测点之间的距离。
步骤103，确定所述分类数据集的预设元素浓度均值，基于所述分类数据集中的每个样本点的预设元素浓度值和该分类数据集的预设元素浓度均值确定该分类数据集中每个样本点的全局预设元素浓度值。
确定分类数据集的预设元素浓度均值。再将该分类数据集中的每个样本点的预设元素浓度值减去该分类数据集的预设元素浓度均值，得到该分类数据集中每个样本点的全局预设元素浓度值。
例如，某个分类数据集中有3个样本点，3个样本点的苯浓度值分别为3.2ppm、2.5ppm和1.2ppm，那么该分类数据集的苯浓度均值为2.3ppm。那么该3个样本点的全局预设元素浓度值分别为-0.9ppm、-0.2ppm和1.1ppm。
步骤104，基于所有分类数据集和每个样本点的全局预设元素浓度值确定全局半变异拟合函数。
此处还是利用半变异函数，公式为：
其中，与步骤102中的差别在于，此处Z(Xα)表示在样本点Xα处的全局预设元素浓度值，Z(Xα+h)表示当前与样本点Xα做计算的样本点处的全局预设元素浓度值，且此处需要基于所有样本点进行计算，而不是针对单个分类数据集进行计算。
遍历每个预设的范围值，代入半变异函数中，基于每两个样本点之间的距离、每个样本点的全局预设元素浓度值求出每个预设的范围值对应的函数值。
基于多个预设的范围值和每个预设的范围值对应的函数值进行拟合，得到全局半变异拟合函数。
例如，某个全局半变异拟合函数为：
其中，γ(h)为全局半变异拟合函数的函数值，h为样本点之间的距离或样本点与待测点之间的距离。
步骤105，对多个待测点进行遍历，确定与当前待测点距离小于等于预设距离的至少两个样本点。
对所有待测点进行遍历，待测点为需要确定预设元素浓度值的点。在本实施例中，为了便于描述，将当前遍历到的待测点称为当前待测点。
此处的计算也是基于所有样本点进行计算。计算每个样本点与当前待测点之间的距离，确定与当前待测点距离小于等于预设距离的至少两个样本点。
在本实施例中，预设距离可以设置为全局半变异拟合函数中的分数的分母值。
例如，某个全局半变异拟合函数为：
预设距离可以设置为18.245。
在其他实施方式中，预设距离也可设置为固定值，具体可基于需求进行设置。
需要指出的是，若通过设定预设距离的方式未能确定出至少两个与当前待测点之间的距离小于等于预设距离的样本点，则可以确定出与当前待测点之间的距离最小的两个样本点，作为与当前待测点进行后续计算的样本点。
另外，最终插值结果准确度和与当前待测点进行计算的样本点数量也有关系，因此，若确定出的样本点数量较少，也可基于需求提高确定出的样本点数量，如确定出与当前待测点之间的距离最小的两个样本点变为确定出与当前待测点之间的距离最小的五个样本点，以此进一步提高最终插值结果的准确度。
步骤106，基于所述至少两个样本点中每两个样本点之间的距离、所有半变异拟合函数和全局半变异拟合函数确定第一协方差矩阵，并基于当前待测点与所述至少两个样本点中每个样本点之间的距离、当前待测点对应的半变异拟合函数和全局半变异拟合函数确定第二协方差矩阵。
确定与当前待测点之间距离小于等于预设距离的至少两个样本点中每两个样本点之间的距离，并对这些距离进行遍历。确定当前遍历到的两个样本点为同一个分类数据集中的样本点，则将这两个样本点之间的距离代入该分类数据集的半变异拟合函数，得到这两个样本点之间的距离对应的函数值。确定当前遍历到的两个样本点为不同分类数据集中的样本点，则将这两个样本点之间的距离代入全局半变异拟合函数，得到这两个样本点之间的距离对应的函数值。遍历完成后，得到每两个样本点之间的距离对应的函数值，将这些函数值组成第一协方差矩阵。
例如，对于当前待测点，有确定出与当前待测点之间距离小于等于预设距离的5个样本点，分别为样本点A、样本点B、样本点C、样本点D和样本点E，确定所有两两样本点之间的距离。得到距离AA、AB、AC、AD、AE、BA、BB、BC、BD、BE、CA、CB、CC、CD、CE、DA、DB、DC、DD、DE、EA、EB、EC、ED和EE。其中，样本点A和样本点B属于分类数据集1，样本点C、样本点D和样本点E属于分类数据集2。那么距离AA、AB、BA和BB需要代入分类数据集1的半变异拟合函数，得到这些距离对应的函数值。距离CC、CD、CE、DC、DD、DE、EC、ED和EE需要代入分类数据集2的半变异拟合函数，得到这些距离对应的函数值。距离AC、AD、AE、BC、BD、BE、CA、CB、DA、DB、EA和EB需要代入全局半变异拟合函数，得到这些距离对应的函数值。最后将这些函数值组成第一协方差矩阵：
再例如，有5个与当前待测点之间距离小于等于预设距离的样本点，这5个样本点和坐标分别为样本点A(16.19029，242.3504，-0.5)、样本点B(18.23096，262.3816，-0.5)、样本点C(22.4251，239.3544，-2.5)、样本点D(22.4251，239.3544，-4.5)和样本点E(22.4251，239.3544，-8)，求出这5个样本点两两之间的距离，并基于这些样本点所属的分类数据集将这些距离分别代入半变异拟合函数或全局半变异拟合函数，得到这些距离对应的函数值，最后将这些函数值组成第一协方差矩阵：
对与当前待测点之间距离小于等于预设距离的至少两个样本点进行遍历，对于当前遍历到的样本点，若该样本点与当前待测点属于同一个分类数据集，则将该样本点与当前待测点的距离代入该分类数据集的半变异拟合函数，得到对应的函数值。若该样本点与当前待测点属于不同的分类数据集，则将该样本点与当前待测点的距离代入全局半变异拟合函数，得到对应的函数值。遍历完成后，得到多个函数值，将这些函数值组成第二协方差矩阵。
例如，确定有与当前待测点之间距离小于等于预设距离的5个样本点，分别为样本点A、样本点B、样本点C、样本点D和样本点E，当前待测点为点F，则计算当前待测点F与每个样本点之间的距离。其中，当前待测点F属于分类数据集1，样本点A和样本点B属于分类数据集1，样本点C、样本点D和样本点E属于分类数据集2。那么距离AF和BF需要代入分类数据集1的半变异拟合函数，得到这些距离对应的函数值。距离CF、DF和EF需要代入全局半变异拟合函数，得到这些距离对应的函数值。最后将这些函数值组成第二协方差矩阵：
再例如，有5个与当前待测点之间距离小于等于预设距离的样本点，这5个样本点和坐标分别为样本点A(16.19029，242.3504，-0.5)、样本点B(18.23096，262.3816，-0.5)、样本点C(22.4251，239.3544，-2.5)、样本点D(22.4251，239.3544，-4.5)和样本点E(22.4251，239.3544，-8)，求出当前待测点与这5个样本点中每个样本点之间的距离，并基于当前待测点和这些样本点所属的分类数据集将这些距离分别代入半变异拟合函数或全局半变异拟合函数，得到这些距离对应的函数值，最后将这些函数值组成第二协方差矩阵：
步骤107，基于所述第一协方差矩阵和第二协方差矩阵确定所述至少两个样本点中每个样本点的权重，并基于每个样本点的权重和预设元素浓度值确定当前待测点的预设元素浓度值。
设置属于同一个分类数据集的样本点的权重和为1，属于不同分类数据集的样本点的权重和为0。基于第一协方差矩阵和第二协方差矩阵确定方程组，基于方程组确定每个样本点对于当前待测点的权重。
例如，有第一协方差矩阵和第二协方差矩阵/>将两者代入方程组，得到其中，/>为权重矩阵，λA为样本点A对于当前待测点的权重，λB为样本点B对于当前待测点的权重，λC为样本点C对于当前待测点的权重，λD为样本点D对于当前待测点的权重，λE为样本点E对于当前待测点的权重，μ1为第一拉格朗日参数，μ2为第二拉格朗日参数。在本实施例中，只需要求出样本点对于当前待测点的权重即可，根据上述方程组确定出权重矩阵为/>即λA为0.602，λB为0.398，λC为0.281，λD为-0.067，λE为-0.214。
需要指出的是，在方程组中，第六排和第六列的值是基于对应的样本点与待测点是否在同一分类数据集对应的层中来设置的。
例如，第六排第一列对应的是样本点A，样本点A与待测点在同一分类数据集对应的层中，所以样本点A的权重和为1，因此，第六排第一列设置为1。
再例如，第三排第六列对应的是样本点C，样本点C与待测点不在同一分类数据集对应的层中，所以样本点C的权重和为0，因此，第三排第六列设置为0。
而方程组中的第七排和第七列则与第六排和第六列的设置相反。第六排第六列、第六排第七列、第七排第六列和第七排第七列则全部设置为0。
在得到样本点对当前待测点的权重后，基于样本点的权重和预设元素浓度值确定当前待测点的预设元素浓度值。
例如，λA为0.602，λB为0.398，λC为0.281，λD为-0.067，λE为-0.214，样本点A的苯浓度值为1.009ppm，样本点B的苯浓度值为2.318ppm，样本点C的苯浓度值为1.000ppm，样本点D的苯浓度值为1.000ppm，样本点E的苯浓度值为1.000ppm。则将权重和苯浓度值代入预设元素浓度值公式：
其中，Z(x)为当前待测点的预设元素浓度值，N为与当前待测点之间距离小于等于预设距离的样本点总数，λi为第i个样本点的权重，Z(xi)为第i个样本点的预设元素浓度值。
基于公式确定出当前待测点的苯浓度值为1.530ppm。
步骤108，所述遍历完成后，得到每个待测点的预设元素浓度值。
在上述的方案中，通过每个分类数据集中的所有样本点确定该分类数据集对应的半变异拟合函数。通过所有样本点确定全局半变异拟合函数。分类数据集对应的半变异拟合函数可以确定同属于该分类数据集中样本点或待测点的相关性，而全局半变异拟合函数则可以确定属于不同分类数据集的样本点或待测点的相关性，也就是层与层之间的相关性。而通过将待测点和与待测点之间距离小于等于预设距离的样本点的数据代入半变异拟合函数或全局半变异拟合中，并将得出的函数值通过计算求解方程组来确定出每个样本点的预设元素浓度值对于待测点的预设元素浓度值所占的权重，然后通过每个样本点所占的权重和每个样本点的预设元素浓度值来确定出待测点准确的预设元素浓度值。由于考虑了层间关系，更多样本点可以被利用，使得确定出的待测点的预设元素浓度值更加准确，且显著减少了插值结果中层边缘的边缘效应和突变，进而提高了插值结果整体的准确性。
如图2所示，在一个示例中，上述步骤102中，基于所述分类数据集确定该分类数据集对应的半变异拟合函数，包括：
步骤201，对多个预设范围值进行遍历。
在本实施例中，可以设置初始范围值和最终范围值来确定范围值的范围，然后设置步长来确定多个范围值。
例如，设置初始范围值为20，最终范围值为50，步长为5，则得到20、25、30、35、40、45和50共7个范围值。
在本实施例中，为了便于描述，将当前遍历到的范围值称为当前范围值。
步骤202，确定所述分类数据集中距离小于等于当前预设范围值的至少一个样本点对。
例如，某个分类数据集中有样本点A、样本点B和样本点C，三个样本点形成了3个样本点对，分别为样本点对AB、样本点对AC和样本点对BC。样本点对AB对应的距离为2.56km，样本点对AC之间的距离为1.88km，样本点对BC之间的距离为1.98km。当前范围值为2km，则将样本点对AC和样本点对BC确定为当前范围值的样本点对。
步骤203，根据所述当前预设范围值的至少一个样本点对、每个样本点的预设元素浓度值和半变异函数确定所述当前范围值对应的函数值。
求出当前预设范围值的每个样本点对中两个样本点的预设元素浓度差值的平方并求和，将求和的结果除以两倍的当前预设范围值的样本点对数量，得到当前范围值对应的函数值。
步骤204，所述遍历完成后，得到每个预设范围值对应的函数值。
步骤205，根据多个预设范围值和每个预设范围值对应的函数值确定所述分类数据集对应的半变异拟合函数。
如图3所示，建立以范围值为X轴，函数值为Y轴的坐标系，将预设范围值作为横坐标，对应的函数值作为纵坐标，生成多个坐标点，将这些坐标点放置在坐标系中，基于这多个坐标点进行曲线拟合，得到该分类数据集对应的半变异拟合函数。
如图4所示，在一个示例中，上述步骤203中，根据所述当前预设范围值的至少一个样本点对、每个样本点的预设元素浓度值和所述分类数据集的半变异拟合函数确定所述当前范围值对应的函数值，包括：
步骤301，根据每个样本点的预设元素浓度值确定每个样本点对的预设元素浓度差值的平方。
例如，在样本点对AB中，样本点A的苯浓度值为70，样本点B的苯浓度值为60，则样本点对AB的苯浓度差值的平方为100。
步骤302，将所有样本点对的预设元素浓度差值的平方求和，并将求和结果除以两倍的样本点对总数，得到所述当前预设范围值对应的函数值。
例如，共有样本点对AB、样本点对AC和样本点对BC，苯浓度差值的平方分别为144、225和81，则将这些苯浓度差值的平方求和，得到求和结果450，将求和结果除以两倍的样本点对总数也就是6，得到当前预设范围值对应的函数值75。
如图5所示，在一个示例中，上述步骤104中，基于所有分类数据集和每个样本点的全局预设元素浓度值确定全局半变异拟合函数，包括：
步骤401，对多个预设范围值进行遍历。
步骤402，确定距离小于等于当前预设范围值的至少一个样本点对。
此处与步骤202的区别在于，此处将所有样本点都纳入计算中，而不是针对单个分类数据集。
步骤403，根据所述至少一个样本点对、每个样本点的全局预设元素浓度值和半变异函数确定所述当前预设范围值对应的函数值。
求出当前预设范围值的每个样本点对中两个样本点的预设元素浓度差值的平方并求和，将求和的结果除以两倍的当前预设范围值的样本点对数量，得到当前预设范围值对应的函数值。
步骤404，所述遍历完成后，得到每个预设范围值对应的函数值。
步骤405，根据多个预设范围值和每个预设范围值对应的函数值确定全局半变异拟合函数。
如图6所示，建立以范围值为X轴，函数值为Y轴的坐标系，将预设范围值作为横坐标，对应的函数值作为纵坐标，生成多个坐标点，将这些坐标点放置在坐标系中，基于这多个坐标点进行曲线拟合，得到全局半变异拟合函数。
如图7所示，在一个示例中，上述步骤403中，根据所述至少一个样本点对、每个样本点的全局预设元素浓度值和半变异函数确定所述当前预设范围值对应的函数值，包括：
步骤501，根据每个样本点的全局预设元素浓度值确定每个样本点对的全局预设元素浓度差值的平方。
例如，在样本点对AB中，样本点A的全局苯浓度值为5，样本点B的全局苯浓度值为-5，则样本点对AB的全局苯浓度差值的平方为100。
步骤502，将所有样本点对的全局预设元素浓度差值的平方求和，并将求和结果除以两倍的样本点对总数，得到所述当前预设范围值对应的函数值。
在一个示例中，上述步骤108中，得到每个待测点的预设元素浓度值之后，还包括：
步骤501，根据每个样本点的预设元素浓度值和预设颜色库绘制三维预设元素浓度分布图，所述预设颜色库中包含多个与不同预设元素浓度值区间对应的第一预设颜色。
例如，某个待测点的苯浓度值为1.5ppm，则从预设颜色库找到包含苯浓度值1.5ppm对应的苯浓度值区间1.00-2.00，进而找到该苯浓度值区间对应的第一预设颜色。根据该待测点的坐标和第一预设颜色在三维坐标系上进行标记。
根据每个待测点的预设元素浓度值和预设颜色库绘制三维预设元素浓度分布图。能够使得最终得到的多个待测点的预设元素浓度值在立体维度上更直观的进行展现。
为了实现上述的预设元素浓度值确定方法，如图8所示，本申请一示例来提供了一种预设元素浓度值确定装置，包括：
采集模块10，用于采集多个样本点的预设元素浓度值，并按照预设规则对所述多个样本点进行分类，得到多个分类数据集，所述预设规则为水平区域或垂直区域；
处理模块20，用于基于所述分类数据集确定该分类数据集对应的半变异拟合函数；
计算模块30，用于确定所述分类数据集的预设元素浓度均值，基于所述分类数据集中的每个样本点的预设元素浓度值和该分类数据集的预设元素浓度均值确定该分类数据集中每个样本点的全局预设元素浓度值；
所述处理模块20，还用于基于所有分类数据集和每个样本点的全局预设元素浓度值确定全局半变异拟合函数；
所述计算模块30，还用于对多个待测点进行遍历，确定与当前待测点距离小于等于预设距离的至少两个样本点；
所述计算模块30，还用于基于所述至少两个样本点中每两个样本点之间的距离、所有半变异拟合函数和全局半变异拟合函数确定第一协方差矩阵，并基于当前待测点与所述至少两个样本点中每个样本点之间的距离、当前待测点对应的半变异拟合函数和全局半变异拟合函数确定第二协方差矩阵；
所述计算模块30，还用于基于所述第一协方差矩阵和第二协方差矩阵确定所述至少两个样本点中每个样本点的权重，并基于每个样本点的权重和预设元素浓度值确定当前待测点的预设元素浓度值；
所述计算模块30，还用于所述遍历完成后，得到每个待测点的预设元素浓度值。
其中，所述计算模块30，还用于对多个预设范围值进行遍历；
所述计算模块30，还用于确定距离小于等于当前预设范围值的至少一个样本点对；
所述计算模块30，还用于根据所述当前预设范围值的至少一个样本点对、每个样本点的预设元素浓度值和半变异函数确定所述当前预设范围值对应的函数值；
所述计算模块30，还用于所述遍历完成后，得到每个预设范围值对应的函数值；
所述处理模块20，还用于根据多个预设范围值和每个预设范围值对应的函数值确定所述分类数据集对应的半变异拟合函数。
其中，所述计算模块30，还用于根据每个样本点的预设元素浓度值确定每个样本点对的预设元素浓度差值的平方；
所述计算模块30，还用于将所有样本点对的预设元素浓度差值的平方求和，并将求和结果除以两倍的样本点对总数，得到所述当前预设范围值对应的函数值。
其中，所述计算模块30，还用于对多个预设范围值进行遍历；
所述计算模块30，还用于确定距离小于等于当前预设范围值的至少一个样本点对；
所述计算模块30，还用于根据所述至少一个样本点对、每个样本点的全局预设元素浓度值和半变异函数确定所述当前预设范围值对应的函数值；
所述计算模块30，还用于所述遍历完成后，得到每个预设范围值对应的函数值；
所述处理模块20，还用于根据多个预设范围值和每个预设范围值对应的函数值确定全局半变异拟合函数。
其中，所述计算模块30，还用于根据每个样本点的全局预设元素浓度值确定每个样本点对的全局预设元素浓度差值的平方；
所述计算模块30，还用于将所有样本点对的全局预设元素浓度差值的平方求和，并将求和结果除以两倍的样本点对总数，得到所述当前预设范围值对应的函数值。
其中，所述处理模块20，还用于根据每个样本点的预设元素浓度值和预设颜色库绘制三维预设元素浓度分布图，所述预设颜色库中包含多个与不同预设元素浓度值区间对应的第一预设颜色。
在一个示例中，本申请实施例还提供了一种移动终端，该移动终端包括至少一个存储器，以及与所述至少一个存储器通信连接的处理器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述图1至图7实施例中任一项所述的元素浓度值确定方法。
另外，本申请实施例还提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行上述图1至图7实施例中任一项所述的元素浓度值确定方法流程。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(Processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种元素浓度值确定方法，所述方法包括：
采集多个样本点的预设元素浓度值，并按照预设规则对所述多个样本点进行分类，得到多个分类数据集，所述预设规则为水平区域或垂直区域；
基于所述分类数据集确定该分类数据集对应的半变异拟合函数；
确定所述分类数据集的预设元素浓度均值，基于所述分类数据集中的每个样本点的预设元素浓度值和该分类数据集的预设元素浓度均值确定该分类数据集中每个样本点的全局预设元素浓度值；
基于所有分类数据集和每个样本点的全局预设元素浓度值确定全局半变异拟合函数；
对多个待测点进行遍历，确定与当前待测点距离小于等于预设距离的至少两个样本点；
基于所述至少两个样本点中每两个样本点之间的距离、所有半变异拟合函数和全局半变异拟合函数确定第一协方差矩阵，并基于当前待测点与所述至少两个样本点中每个样本点之间的距离、当前待测点对应的半变异拟合函数和全局半变异拟合函数确定第二协方差矩阵；
基于所述第一协方差矩阵和第二协方差矩阵确定所述至少两个样本点中每个样本点的权重，并基于每个样本点的权重和预设元素浓度值确定当前待测点的预设元素浓度值；
所述遍历完成后，得到每个待测点的预设元素浓度值。
2.根据权利要求1所述的元素浓度值确定方法，所述基于所述分类数据集确定该分类数据集对应的半变异拟合函数，包括：
对多个预设范围值进行遍历；
确定距离小于等于当前预设范围值的至少一个样本点对；
根据所述当前预设范围值的至少一个样本点对、每个样本点的预设元素浓度值和半变异函数确定所述当前预设范围值对应的函数值；
所述遍历完成后，得到每个预设范围值对应的函数值；
根据多个预设范围值和每个预设范围值对应的函数值确定所述分类数据集对应的半变异拟合函数。
3.根据权利要求2所述的元素浓度值确定方法，所述根据所述当前预设范围值的至少一个样本点对、每个样本点的预设元素浓度值和半变异函数确定所述当前预设范围值对应的函数值，包括：
根据每个样本点的预设元素浓度值确定每个样本点对的预设元素浓度差值的平方；
将所有样本点对的预设元素浓度差值的平方求和，并将求和结果除以两倍的样本点对总数，得到所述当前预设范围值对应的函数值。
4.根据权利要求1所述的元素浓度值确定方法，所述基于所有分类数据集和每个样本点的全局预设元素浓度值确定全局半变异拟合函数，包括：
对多个预设范围值进行遍历；
确定距离小于等于当前预设范围值的至少一个样本点对；
根据所述至少一个样本点对、每个样本点的全局预设元素浓度值和半变异函数确定所述当前预设范围值对应的函数值；
所述遍历完成后，得到每个预设范围值对应的函数值；
根据多个预设范围值和每个预设范围值对应的函数值确定全局半变异拟合函数。
5.根据权利要求4所述的元素浓度值确定方法，所述根据所述至少一个样本点对、每个样本点的全局预设元素浓度值和半变异函数确定所述当前预设范围值对应的函数值，包括：
根据每个样本点的全局预设元素浓度值确定每个样本点对的全局预设元素浓度差值的平方；
将所有样本点对的全局预设元素浓度差值的平方求和，并将求和结果除以两倍的样本点对总数，得到所述当前预设范围值对应的函数值。
6.根据权利要求1所述的元素浓度值确定方法，所述得到每个待测点的预设元素浓度值之后，还包括：
根据每个样本点的预设元素浓度值和预设颜色库绘制三维预设元素浓度分布图，所述预设颜色库中包含多个与不同预设元素浓度值区间对应的第一预设颜色。
7.一种元素浓度值确定装置，所述装置包括：
采集模块，用于采集多个样本点的预设元素浓度值，并按照预设规则对所述多个样本点进行分类，得到多个分类数据集，所述预设规则为水平区域或垂直区域；
处理模块，用于基于所述分类数据集确定该分类数据集对应的半变异拟合函数；
计算模块，用于确定所述分类数据集的预设元素浓度均值，基于所述分类数据集中的每个样本点的预设元素浓度值和该分类数据集的预设元素浓度均值确定该分类数据集中每个样本点的全局预设元素浓度值；
所述处理模块，还用于基于所有分类数据集和每个样本点的全局预设元素浓度值确定全局半变异拟合函数；
所述计算模块，还用于对多个待测点进行遍历，确定与当前待测点距离小于等于预设距离的至少两个样本点；
所述计算模块，还用于基于所述至少两个样本点中每两个样本点之间的距离、所有半变异拟合函数和全局半变异拟合函数确定第一协方差矩阵，并基于当前待测点与所述至少两个样本点中每个样本点之间的距离、当前待测点对应的半变异拟合函数和全局半变异拟合函数确定第二协方差矩阵；
所述计算模块，还用于基于所述第一协方差矩阵和第二协方差矩阵确定所述至少两个样本点中每个样本点的权重，并基于每个样本点的权重和预设元素浓度值确定当前待测点的预设元素浓度值；
所述计算模块，还用于所述遍历完成后，得到每个待测点的预设元素浓度值。
8.根据权利要求7所述的元素浓度值确定装置，包括：
所述计算模块，还用于对多个预设范围值进行遍历；
所述计算模块，还用于确定距离小于等于当前预设范围值的至少一个样本点对；
所述计算模块，还用于根据所述当前预设范围值的至少一个样本点对、每个样本点的预设元素浓度值和半变异函数确定所述当前预设范围值对应的函数值；
所述计算模块，还用于所述遍历完成后，得到每个预设范围值对应的函数值；
所述处理模块，还用于根据多个预设范围值和每个预设范围值对应的函数值确定所述分类数据集对应的半变异拟合函数。
9.根据权利要求7所述的元素浓度值确定装置，包括：
所述计算模块，还用于对多个预设范围值进行遍历；
所述计算模块，还用于确定距离小于等于当前预设范围值的至少一个样本点对；
所述计算模块，还用于根据所述至少一个样本点对、每个样本点的全局预设元素浓度值和半变异函数确定所述当前预设范围值对应的函数值；
所述计算模块，还用于所述遍历完成后，得到每个预设范围值对应的函数值；
所述处理模块，还用于根据多个预设范围值和每个预设范围值对应的函数值确定全局半变异拟合函数。
10.根据权利要求7所述的元素浓度值确定装置，包括：
所述处理模块，还用于根据每个样本点的预设元素浓度值和预设颜色库绘制三维预设元素浓度分布图，所述预设颜色库中包含多个与不同预设元素浓度值区间对应的第一预设颜色。
CN202310855218.4A 2023-07-12 2023-07-12 一种元素浓度值确定方法和装置 Active CN116913410B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310855218.4A CN116913410B (zh) 2023-07-12 2023-07-12 一种元素浓度值确定方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310855218.4A CN116913410B (zh) 2023-07-12 2023-07-12 一种元素浓度值确定方法和装置

Publications (2)

Publication Number Publication Date
CN116913410A CN116913410A (zh) 2023-10-20
CN116913410B true CN116913410B (zh) 2024-05-17

Family

ID=88350454

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310855218.4A Active CN116913410B (zh) 2023-07-12 2023-07-12 一种元素浓度值确定方法和装置

Country Status (1)

Country Link
CN (1) CN116913410B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102254095A (zh) * 2011-07-01 2011-11-23 合肥工业大学 基于多维分形克里格方法的成矿异常提取方法
CN106600534A (zh) * 2016-12-12 2017-04-26 中国石油大学(华东) 一种基于多尺度小波支持向量机优化的克里金空间插值方法
CN110766191A (zh) * 2019-08-27 2020-02-07 东华理工大学 一种基于时空克里金插值的新增pm2.5固定监测站点选址方法
WO2020056586A1 (zh) * 2018-09-18 2020-03-26 深圳市大疆创新科技有限公司 高度确定方法、装置、电子设备和计算机可读存储介质
CN111967677A (zh) * 2020-08-20 2020-11-20 中国石油天然气股份有限公司 一种非常规资源甜点分布的预测方法及装置
CN112434935A (zh) * 2020-11-20 2021-03-02 中国电波传播研究所（中国电子科技集团公司第二十二研究所） 一种可选的pm2.5浓度估算方法
CN115186037A (zh) * 2022-06-09 2022-10-14 中国地震局地球物理研究所 地图显示方法、装置、电子设备和计算机可读介质
CN115795240A (zh) * 2022-12-15 2023-03-14 中国辐射防护研究院 铀矿区土壤放射性污染空间插值方法筛选方法及筛选树
CN115935129A (zh) * 2022-12-06 2023-04-07 中国科学院地理科学与资源研究所 一种土壤分尺度重金属浓度值确定方法和装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102254095A (zh) * 2011-07-01 2011-11-23 合肥工业大学 基于多维分形克里格方法的成矿异常提取方法
CN106600534A (zh) * 2016-12-12 2017-04-26 中国石油大学(华东) 一种基于多尺度小波支持向量机优化的克里金空间插值方法
WO2020056586A1 (zh) * 2018-09-18 2020-03-26 深圳市大疆创新科技有限公司 高度确定方法、装置、电子设备和计算机可读存储介质
CN110766191A (zh) * 2019-08-27 2020-02-07 东华理工大学 一种基于时空克里金插值的新增pm2.5固定监测站点选址方法
CN111967677A (zh) * 2020-08-20 2020-11-20 中国石油天然气股份有限公司 一种非常规资源甜点分布的预测方法及装置
CN112434935A (zh) * 2020-11-20 2021-03-02 中国电波传播研究所（中国电子科技集团公司第二十二研究所） 一种可选的pm2.5浓度估算方法
CN115186037A (zh) * 2022-06-09 2022-10-14 中国地震局地球物理研究所 地图显示方法、装置、电子设备和计算机可读介质
CN115935129A (zh) * 2022-12-06 2023-04-07 中国科学院地理科学与资源研究所 一种土壤分尺度重金属浓度值确定方法和装置
CN115795240A (zh) * 2022-12-15 2023-03-14 中国辐射防护研究院 铀矿区土壤放射性污染空间插值方法筛选方法及筛选树

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Bayesian Estimation of Sparse Spiked Covariance Matrices in High Dimensions;Fangzheng Xie 等;《arXiv》;全文 *
土壤背景硒含量与心脑血管疾病死亡率关联研究;向祥龙 等;《中国慢性病预防与控制》;第30卷(第2期);全文 *

Also Published As

Publication number Publication date
CN116913410A (zh) 2023-10-20

Similar Documents

Publication Publication Date Title
Chainey et al. When is a hotspot a hotspot? A procedure for creating statistically robust hotspot maps of crime
Dennison et al. Estimating the needed sampling area for subaquatic ecologic studies
US11282183B1 (en) Rock brittleness analysis method and system based on mineral content and distribution and device
CN117250670B (zh) 矿震一体化监测台网的检测能力评估方法、系统及设备
CN115796373A (zh) 风险预测方法、设备及存储介质
CN116913410B (zh) 一种元素浓度值确定方法和装置
CN112396021A (zh) 高空危险物检测方法、装置及存储介质
CN111986215A (zh) 一种基于高精度建筑物数据的人口计算方法及系统
CN112986948B (zh) 基于InSAR技术的建筑形变监测方法和装置
CN113421295A (zh) 一种基于物联网的无人机测绘信息采集方法及云采集平台
CN115935129B (zh) 一种土壤分尺度重金属浓度值确定方法和装置
CN107563204B (zh) 一种匿名数据的隐私泄露风险评估方法
CN112184900B (zh) 高程数据的确定方法、装置及存储介质
Luzum et al. Identification and analysis of airborne laser swath mapping data in a novel feature space
CN115035340B (zh) 遥感影像分类结果验证方法
Zhou et al. Effects of patch characteristics and within patch heterogeneity on the accuracy of urban land cover estimates from visual interpretation
CN111523466B (zh) 基于大数据的城市开放空间的分类方法及装置
Wei et al. Automated mapping of landforms through the application of supervised classification to lidAR-derived DEMs and the identification of earthquake ruptures
CN112883339B (zh) 一种地震有感范围确定方法及系统
US11802989B2 (en) Systems and methods for generating vertical and lateral heterogeneity indices of reservoirs
CN112465356B (zh) 一种改进的崩滑地质灾害物质易损性定量评价方法及系统
CN114266091A (zh) 改进的超越阈值的极值估计方法、装置、设备和存储介质
Danese et al. Geostatistics in historical macroseismic data analysis
CN111667920A (zh) 一种基于定位数据的人群密切接触排查方法
CN112182125A (zh) 一种商务集聚区边界识别系统

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