RU190531U1 - The device indicating the change in risk of strong earthquakes on the results of multichannel observation with interruptions - Google Patents
The device indicating the change in risk of strong earthquakes on the results of multichannel observation with interruptions Download PDFInfo
- Publication number
- RU190531U1 RU190531U1 RU2018120084U RU2018120084U RU190531U1 RU 190531 U1 RU190531 U1 RU 190531U1 RU 2018120084 U RU2018120084 U RU 2018120084U RU 2018120084 U RU2018120084 U RU 2018120084U RU 190531 U1 RU190531 U1 RU 190531U1
- Authority
- RU
- Russia
- Prior art keywords
- unit
- input
- output
- earthquake
- occurrence
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Abstract
Устройство индикации изменения риска по результатам многоканального наблюдения с перерывами (УИР) - устройство, предназначенное для анализа временных рядов (BP) с целью выявления аномального поведения наблюдаемого объекта (объектов). УИР может использоваться при построении комплексов для оперативной оценки изменений и прогнозирования рисков сильных землетрясений, например по данным наблюдений объемной концентрации радона с датчиков, расположенных в сейсмически опасном районе.В УИР входят вычислители главных компонент 1; блок хранения и выборки 2; блок вычисления синдрома 3; блок вычисления сигнала коллективного поведения 4; блок оценки и принятия решения 5, который может быть выполнен в качестве индикатора риска по полезной модели №159604.Конструкция УИР устойчива к изменению числа наблюдаемых временных рядов (например, вследствие отказа датчиков); эта устойчивость обеспечивается соединением введенных в конструкцию блока хранения и выборки 2 и блока вычисления синдрома 3, обеспечивающих анализ той части предыстории наблюдений BP, которая соответствует функционирующим в текущий момент каналам обработки (в частном случае - функционирующим датчикам).Проверка функционирования УИР на временных рядах наблюдений объемной концентрации радона с датчиков системы наблюдения геодинамического полигона Камчатского филиала геофизической службы РАН дала удовлетворительные результаты при оценке риска сильных (с магнитудой выше 5.6) землетрясений и показала устойчивость работы к выходу из строя 20-30% датчиков. 4 з.п. ф-лы, 16 ил.The device of indication of change in risk according to the results of multichannel observation with interruptions (URI) is a device designed to analyze time series (BP) in order to detect the anomalous behavior of the observed object (s). URI can be used when building complexes for rapid assessment of changes and predicting the risks of strong earthquakes, for example, from observations of volumetric radon concentrations from sensors located in a seismically dangerous area. The calculators of the main components 1; storage and sampling unit 2; syndrome calculator 3; a unit for computing a collective behavior signal 4; assessment and decision block 5, which can be performed as a risk indicator for utility model No. 159604. The design of the ACM is resistant to changes in the number of observed time series (for example, due to sensor failure); This stability is ensured by combining the storage and sampling unit 2 and the syndrome 3 calculator that were used to analyze the part of the BP observation history that corresponds to the processing channels currently functioning (in a particular case, to the functioning sensors). radon concentration from sensors of the observation system of the geodynamic test site of the Kamchatka Branch of the Geophysical Survey of the Russian Academy of Sciences gave satisfactory results at Nke risk of strong (with a magnitude above 5.6) earthquakes and showed the stability of the work to failure of 20-30% of sensors. 4 hp f-ly, 16 ill.
Description
Область техникиTechnical field
Устройство индикации изменения риска сильных землетрясений по результатам многоканального наблюдения с перерывами (УИР) представляет собой прибор, предназначенный для обнаружения реперных точек при анализе временных рядов (BP) концентрации радона [11], с целью краткосрочного прогнозирования сильных землетрясений.The device indicating the change in the risk of strong earthquakes according to the results of multichannel observation with interruptions (URI) is a device designed to detect reference points when analyzing time series (BP) of radon concentration [11], with the aim of short-term prediction of strong earthquakes.
Устройство может быть использовано в областях практической деятельности, где возникает задача наблюдения за некоторой совокупностью BP с целью выявления аномального поведения объекта (объектов).The device can be used in areas of practical activity, where there is the task of monitoring a certain set of BP in order to identify the anomalous behavior of the object (s).
УИР может применяться:Weir can be applied:
- при выявлении предвестников опасных природных явлений и аномального поведения технических объектов с целью предотвращения техногенных катастроф;- when identifying precursors of natural hazards and anomalous behavior of technical objects in order to prevent man-made disasters;
- для диагностики состояния операторов в критически важных областях ручного управления,- to diagnose the status of operators in critical areas of manual control,
а также может повысить качество и расширить функциональные возможности:It can also improve the quality and functionality:
- различных охранных систем;- various security systems;
- систем медицинской техники, используемых для наблюдения за состоянием пациентов и т.д.- systems of medical equipment used to monitor the condition of patients, etc.
Уровень техники. Аналоги и их недостаткиThe level of technology. Analogs and their disadvantages
Для анализа BP, среди других, применяются анализаторы, которые при представлении BP используют собственные векторы (СВ) ковариационных матриц (КМ) и главные компоненты (ПС) [6, 7]. Полезная модель [1] представляет собой такой анализатор, получивший название «Анализатор собственных векторов и компонент сигнала» или «Айгеноскоп» (от англ. «eigenvector» - «собственный вектор»). Конструкция айгеноскопа приведена на фиг. 1. В этой конструкции из исходного BP, подвергнутого масштабированию и аналого-цифровому преобразованию в блоке 18, в блоке 19 формируется матрица смешанных моментов (в простейшем случае КМ), затем в блоке 20 вычисляются ее СВ и собственные значения (СЗ); полученные таким образом СВ используются для представления исходного BP в блоке 21; в этом же блоке с использованием различных статистических методов анализируются признаки BP, СВ и СЗ.For the analysis of BP, among others, analyzers are used, which, when representing BP, use the eigenvectors (SV) of the covariance matrices (QM) and the main components (PS) [6, 7]. A utility model [1] is such an analyzer, called “Eigenvector Analyzer and Signal Component” or “Eigenoscope” (from the “eigenvector” - “eigenvector”). The design of the eigenoscope is shown in FIG. 1. In this construction, from the initial BP, subjected to scaling and analog-to-digital conversion in
Вычисление КМ в текущем времени требует накопления данных о BP. После того как данные накоплены, их необходимо превратить в оценку КМ. Получение СВ и СЗ из КМ также требует определенного времени на вычисления. Таким образом, имеется некоторая задержка с момента начала анализа BP до момента получения СВ и СЗ. В случае, если BP нестационарен, КМ меняется во времени, и ее оценку периодически необходимо обновлять.Calculating the CM in the current time requires the accumulation of data on BP. After the data have been accumulated, they need to be turned into a CM estimate. Getting CB and Sz from KM also requires some time to calculate. Thus, there is some delay from the start of the BP analysis to the receipt of the NE and SZ. If BP is non-stationary, the CM changes over time, and its evaluation periodically needs to be updated.
После того, как айгеноскоп вошел в установившийся режим работы (т.е. сформирована текущая оценка КМ), на выходе блока 20 в каждый момент времени имеется набор СВ, которые соответствуют текущей оценке КМ. Именно эти СВ используются для представления BP; для этого в айгеноскопе в каждый текущий момент времени вычисляется матрица-столбец коэффициентов разложения BP в ортонормированном базисе СВ, то есть матрица-столбец:After the eigenoscope has entered the established mode of operation (i.e., the current KM evaluation is formed), at the output of
ψM×M(T) - квадратная матрица размера М×М, столбцы которой - СВ для КМ в момент времени Т,ψ M × M (T) is a square matrix of size M × M, the columns of which are SV for KM at time T,
Х(Т) - сегмент BP (матрица-столбец) на интервале анализа длины М, непосредственно предшествующем текущему моменту Т,X (T) is the BP segment (matrix-column) on the interval of analysis of the length M, immediately preceding the current moment T,
α(Т) - матрица-столбец ГК в момент времени Т,α (T) is the matrix-column of the Ledger at the moment of time T,
М - длина интервала анализа, (совпадает с размерностью КМ и числом СВ),M - the length of the analysis interval, (coincides with the dimension of KM and the number of CB),
Т - текущее время,T is the current time
(…)' - транспонирование.(...) '- transpose.
Из ГК, полученных с использованием соотношения (1), могут быть сформированы матрицы и , каждый столбец которых представляет собой столбец ГК некоторых сегментов BP.From the Ledger, obtained using the relation (1), can be formed matrix and , each column of which is a GC column of some BP segments.
Матрицы AM×n(Т) и BM×m(T) могут быть использованы в каждый момент времени Т для выявления изменений с помощью методов дискриминантного анализа (ДА).Matrices A M × n (T) and B M × m (T) can be used at each time point T to detect changes using discriminant analysis methods (YES).
Впервые задача о выявлении отличий между двумя множествами многомерных наблюдений была предложена и решена Фишером [5] и получила в дальнейшем [6] название задачи ДА. Для выявления отличий с использованием ДА строится так называемая дискриминантная функция (ДФ) [5]. Качество решения задачи ДА оценивается критерием дискриминации. В случае, когда для выявления изменений BP используется зависимость значения критерия дискриминации [6] от времени, дискриминантная функция (ДФ) обобщается до т.н. дискриминантного функционала или дискриминантного коллектора (ДК) - [3, 4]. ДК использует при своей работе две функционально связанные с текущим временем Т последовательности времен и и формирует матрицы наблюдений АМ×n(Т) и BT×m(T) с использованием значений ГК для этих последовательностей времен. Значение ДК совпадает со значением критерия дискриминации, определенного на основании матриц AM×n(Т) и BT×m(Т) для каждого текущего момента времени Г.For the first time, the problem of identifying differences between two sets of multidimensional observations was proposed and solved by Fisher [5] and later received [6] the name of the YES problem. To identify differences with the use of YES, the so-called discriminant function (DF) is constructed [5]. The quality of the solution of the YES problem is evaluated by the discrimination criterion. In the case when the dependence of the discrimination criterion value [6] on time is used to detect changes in BP, the discriminant function (DF) is generalized to the so-called. discriminant functional or discriminant collector (DC) - [3, 4]. DK uses in its work two functionally associated with the current time T sequence of times and and generates observation matrices A M × n (T) and B T × m (T) using the values of the Ledger for these sequences of times. The value of the DC coincides with the value of the discrimination criterion, determined on the basis of the matrices A M × n (T) and B T × m (T) for each current time point G.
У ДК различают: тип, структуру и емкость. Тип ДК определяется критерием, который используется при построении ДФ. Структура определяется взаимным расположением моментов времени в последовательностях tA и tB. Емкости определяются величинами m и n.In DC there are: type, structure and capacity. Type DK is determined by the criterion that is used in the construction of the DF. The structure is determined by the mutual arrangement of points in time in the sequences t A and t B. Capacities are determined by the values of m and n.
Такой подход реализуется в полезной модели [2], получившей название «Сигнализатор значимых отличий», конструкция которого приведена на фиг. 2.This approach is implemented in the utility model [2], which was called the Signaling Device for Significant Differences, the design of which is shown in FIG. 2
Недостатком этой конструкции являются задержки, связанные с необходимостью формировать для каждого момента текущего дискретного времени Т две матрицы наблюдения АМ×n(Т) и BT×n(T) из ГК, соответствующих предшествующим положениям сегментов BP, причем качество выявления изменений может сильно зависеть от m и n. Увеличение этих величин, с одной стороны, повышает достоверность выявления изменений, а с другой, может недопустимо уменьшить горизонт прогнозирования.The disadvantage of this construction is the delays associated with the need to form for each moment of the current discrete time T two observation matrices А М × n (T) and B T × n (T) from GC corresponding to previous positions of BP segments, and the quality of detecting changes can depend on m and n. The increase in these values, on the one hand, increases the reliability of the detection of changes, and on the other, it may be unacceptable to reduce the forecast horizon.
Этот недостаток устраняется в полезной модели "Сигнализатор изменений главных компонент" (СИГК) [9], в которой в качестве статистики для принятия решения без задержки предлагается использовать произведение ГК (или монотонно связанное с этим произведением значение среднего геометрического (СГ) - [7]).This disadvantage is eliminated in the “Signaling device for changes in principal components” (SIGC) [9], in which it is proposed to use the product of the Ledger (or the value of the geometric mean (SG) - [7] monotonically associated with this product) as a statistic to make a decision without delay. ).
На фиг. 3 представлена конструкция СИГК. Временной ряд со входа СИГК поступает на вход блока масштабирования и АЦП - 18, с выхода которого поступает на блок вычисления ковариационной матрицы - 32. В блоке 32 для некоторого интервала времени, предшествующего текущему моменту, как правило, в несколько десятков раз превышающего размер КМ М, с использованием любого известного алгоритма [7] строится оценка КМ KM×M(T). С выхода блока 32 эта оценка поступает на вход блока вычисления собственных векторов 33. В блоке 33 решается задача вычисления СВ для KM×M(T). Матрица СВ передается с выхода блока 33 на первый вход блока вычислителя скалярных произведений и перемножения 34. На второй вход блока 34 с выхода блока 1 масштабирования и АЦП поступает оцифрованный BP. В блоке 34 для каждого текущего момента времени формируется матрица столбец сегмента BP длительностью М, состоящая из М отсчетов, предшествующих текущему моменту времени. Далее осуществляется вычисление ГК по формуле (1). Таким образом, в каждый момент времени Т получается матрица-столбец ГК α(T), в которую входят М значений. Затем эти ГК перемножают, и полученное значение поступает на выход устройства. Величина произведения сравнивается с заданным пользователем порогом принятия решения. Превышение порога рассматривается как реперная точка (предвестник прогнозируемого события).FIG. 3 shows the design of SIGK. The time series from the SIGK input is fed to the input of the scaling unit and ADC - 18, from the output of which goes to the covariance matrix calculating unit - 32. In
ПрототипPrototype
В качестве прототипа выбрано устройство сигнализатора изменений главных компонент - фиг. 3. Акцентируем, что недостатком прототипа является частичная потеря свойств при выходе из строя отдельных датчиков, подключенных к его входу.As a prototype, the device of the indicator of changes of the main components is chosen - FIG. 3. We emphasize that the disadvantage of the prototype is the partial loss of properties when individual sensors fail to be connected to its input.
Действительно, при использовании в реальных условиях аналогов и прототипа для обработки геофизических данных возникает проблема, связанная с неидеальностью используемых многомерных временных рядов (МВР); поскольку МВР получаются с датчиков, которые имеют конечную надежность, в одномерных временных рядах (BP) (вместе составляющих МВР) появляются перерывы, что приводит к частичной потере рабочих характеристик.Indeed, when using in real conditions analogs and prototypes for processing geophysical data, a problem arises related to the nonideality of the used multidimensional time series (MVR); Since MVR is obtained from sensors that have ultimate reliability, gaps appear in one-dimensional time series (BP) (together with the components of the MVR), which leads to partial loss of performance.
Раскрытие полезной моделиDisclosure of utility model
Цель и преимущества: обеспечение минимальной потери рабочих характеристик и автоматическая перестройка конструкции - в условиях перерывов наблюдений, поступающих от части датчиков.Purpose and benefits: ensuring minimal loss of performance and automatic restructuring of the structure - in the conditions of interruptions in observations coming from part of the sensors.
Результат достигается благодаря тому, что в предлагаемой конструкции каждый канал обработки порождает значительное число главных компонент, что позволяет сохранять рабочие характеристики конструкции даже в условиях отказа нескольких датчиков.The result is achieved due to the fact that in the proposed design, each processing channel generates a significant number of main components, which allows to maintain the performance characteristics of the structure even in the event of a failure of several sensors.
В прототипе изменение числа работающих датчиков требует перезапуска устройства, в то время как в предлагаемой полезной модели за счет особенностей конструкции обеспечивается бесперебойная работа при сохранении потенциально возможных рабочих характеристик.In the prototype, a change in the number of working sensors requires a restart of the device, while in the proposed utility model, due to the design features, uninterrupted operation is provided while maintaining the potentially possible performance characteristics.
На фиг. 4, 5, 6, 7 приведены конструкции устройств, предлагаемых в полезной модели. Эти устройства отличаются друг от друга только конструкцией своей выходной части, включенной после блока 4. Поэтому описание начнем с общей части этих конструкций.FIG. 4, 5, 6, 7 shows the design of the devices offered in the utility model. These devices differ from each other only in the design of their output part, included after
К каждому входу УИР (количество входов УИР равно U) подключен свой блок 1 вычислителя главных компонент, конструкция которого имеет вид, приведенный на фиг. 5.Each input of the ACI (the number of inputs of the ACM is equal to U) is connected to its
Блок 1 состоит из блока вычисления матрицы смешанных моментов 7, блока вычисления и отбора собственных векторов 8, вычислителя скалярных произведений 6 и работает как специализированный айгеноскоп с конструкцией, аналогичной [1].
Все U выходов блоков вычислителя главных компонент 1 соединены с 1-м - U-м входами блока хранения и выборки наборов значений главных компонент 2, в котором накапливаются наборы значений ГК, поступающих со всех U выходов блоков 1, для последовательных моментов дискретного времени. В каждый из дискретных моментов времени на выходе 1 блока 2 появляется набор ГК, который поступает на вход блока вычисления синдрома 3. Этот набор ГК соответствует последнему анализируемому моменту времени.All U outputs of the calculator of the
Для объяснения того, как работает блок вычисления синдрома 3, необходимо пояснить следующее. ГК в блоках 1 могут быть вычислены не всегда. Причиной невозможности вычисления ГК являются отказы датчиков, подключенных ко входам УИР, что приводит к перерывам во BP, поступающих на входы УИР. Эту ситуацию мы рассмотрим далее более подробно; сейчас достаточно отметить, что в случае, когда какой-нибудь из U блоков 1 не может вычислить ГК, он записывает вместо числового значения ГК в память блока 2 некоторый специальный код, который фиксирует (идентифицирует) ситуацию «значение ГК отсутствует». Будем сокращенно называть этот идентификатор «нет ГК». Перенумеруем по порядку все ГК, поступающие на входы блока 2. Синдром - это вектор, который имеет размерность, совпадающую с числом ГК, поступающим на вход блока 2. Координата синдрома принимает значение 1, если соответствующая номеру координаты синдрома ГК имеет числовое значение; координата синдрома принимает значение 0, если соответствующая номеру координаты синдрома ГК имеет идентификатор «нет ГК». Таким образом, в блоке 3 синдром вычисляется для каждого текущего момента времени, и его значение поступает на 2-ой вход блока вычисления сигнала коллективного поведения главных компонент 4.To explain how the
С выхода 2 блока 2 на 1-ый вход блока 4 поступают наборы ГК для всех последовательных моментов времени, включая последний. Каждый из наборов ГК представляет собой вектор, размерность которого соответствует с размерностью синдромов. В блоке вычисления сигнала коллективного поведения главных компонент 4 происходит сравнение вектора ГК со значениями синдромов. Если в векторе ГК на позициях, соответствующих единичным позициям синдрома, имеются числовые значения, то по таким наборам ГК вычисляется СКП, который в дальнейшем поступает на вход блока оценки сверху для отношения правдоподобия возникновения землетрясения в текущий момент времени и принятия решения о прогнозе возникновения землетрясения 5.From the
Блок оценки сверху для отношения правдоподобия возникновения землетрясения в текущий момент времени и принятия решения о прогнозе возникновения землетрясения 5, представленный на фиг. 6, состоит из блока отбора последнего значения сигнала коллективного поведения главных компонент 9, блока вычисления квантиль 10 и блока визуального анализа и сравнения 11. В блоке 10 на основе выборки значений СКП, поступающей на вход блока с выхода блока 4, вычисляется шкала квантиль, которая передается на второй вход блока 11, в котором происходит оценка и сравнение последнего значения СКП, поступившего с выхода блока 9 на первый вход блока 11, с величиной квантиль и выявление аномалий СКП.The top estimator for the likelihood ratio of the occurrence of an earthquake at the current time and the decision to predict the occurrence of an
В конструкции УИР, представленной на фиг. 7 (п. 2 ФПМ), в качестве блока оценки сверху для отношения правдоподобия возникновения землетрясения в текущий момент времени и принятия решения о прогнозе возникновения землетрясения 5 используется индикатор риска сильного землетрясения, имеющий конструкцию индикатора риска по п. 1 ФПМ [15]. В этом случае на первый вход блока 5 индикатора риска сильного землетрясения подается оцифрованный ряд произошедших аномальных событий (ОРАС) - землетрясений, а второй его вход соединен с выходом блока 4. На выходе блока 5 получается оценка сверху для функции правдоподобия - отношения апостериорной (полученной в результате наблюдений) вероятности возникновения землетрясения к ее априорной (до наблюдения) вероятности и отношение правдоподобия для времени возникновения землетрясений, полученная путем свертки оценка сверху для функции правдоподобия адаптивным фильтром, настроенным по значениям ОРАС - [15]. Конструкция индикатора риска сильного землетрясения, выполненная в виде индикатора риска по п. 1 ФПМ [15], приведена на фиг. 8.In the design of the ACU presented in FIG. 7 (
Остановимся на работе блоков 1-4 конструкции фиг. 4 и фиг. 7 и их взаимосвязях подробно. Начнем с блока 1 вычислителя главных компонент, конструкция которого представлена на фиг. 5. В блоке 7 вычисляется текущая оценка КМLet us dwell on the work of blocks 1-4 of the construction of FIG. 4 and FIG. 7 and their relationships in detail. Let us begin with
(Z)KM,M(T) - оценка КМ для Z-ого BP, (Z) K M, M (T) - KM estimate for Z-th BP,
(Z)XM,(T-M+1) - траекторная матрица размера М×(Т-М+1) для Z-ого BP, (Z) X M, (T-M + 1) - trajectory matrix of size M × (T-M + 1) for Z-th BP,
(…)' - транспонирование матрицы,(...) '- matrix transposition,
(Z)ki,j - коэффициент ковариации для i-го и j-го отсчетов Z-ого BP на интервале анализа,(Z) k i, j is the covariance coefficient for the i-th and j-th samples of the Z-th BP on the analysis interval,
м - интервал анализа, Т - текущий момент дискретного времени Т>М.m is the analysis interval, T is the current time of the discrete time T> M.
Коэффициенты ковариации и траекторная матрица определяются соотношениями:The coefficients of covariance and the trajectory matrix are determined by the relations:
гдеWhere
(Z)Si - i-ый отсчет Z-ого BP (Z) S i - i-th count of Z-th BP
d - номер элемента ансамбля, принимающий все целые значения от 1 до Т-М+1. В общем случае индекс d принимает значение из некоторого множества целых чисел в диапазоне от 1 до Т-М+1 (например, с фиксированным не единичным шагом).d is the element number of the ensemble, taking all integer values from 1 to
В блоке вычисления и отбора собственных векторов 8 для каждого момента времени по оценке КМ (2) с использованием стандартных средств вычисляются СВ и СЗ, удовлетворяющие соотношению [7]In the block of calculation and selection of
где (Z)ψi(T) и (Z)λi(T) - i-ый СВ (матрица-столбец) и i-ое СЗ (число), соответствующие KM Z-ого BP, определенной в момент дискретного времени Т.where (Z) ψ i (T) and (Z) λ i (T) - i-th CB (matrix-column) and i-th СЗ (number), corresponding to KM Z-th BP, determined at the moment of discrete time T .
Поскольку в работе УИР используются только СВ, а СЗ не используются, то при вычислении КМ по формулам (2) или (3) достаточно использовать только числитель.Since only CBs are used in the work of CID and SZ are not used, it is sufficient to use only the numerator when calculating the CM using the formulas (2) or (3).
При отборе СВ, используемых далее при вычислении ГК, может использоваться визуальный анализ спектра собственных значений. При таком анализе используется нормированный спектр собственных значений, на который не влияет знаменатель (2) и (3). Подробно вопрос анализа спектра СЗ рассмотрен в описании [1].When selecting CBs, used later in calculating the Ledger, a visual analysis of the spectrum of eigenvalues can be used. This analysis uses the normalized spectrum of eigenvalues, which is not affected by the denominator (2) and (3). The question of analyzing the NW spectrum is discussed in detail in the description [1].
Будем обозначать числитель, представляющий собой матрицу, пропорциональную ковариационной, и ее элементы, соответственно и .We will denote the numerator, which is a matrix proportional to the covariance, and its elements, respectively and .
Как следует из вышеприведенных соотношений, оценка КМ и определенные для нее СВ меняются (обновляются) для каждого момента времени. В случае, если в работе датчиков, соединенных со входами УИР, возникают перерывы, то для каждого j-го сегмента BP без перерывов оценивается парциальная величина , а результирующая оценка определяется как их суммаAs follows from the above ratios, the assessment of the CM and the CBs determined for it vary (are updated) for each point in time. If there are interruptions in the operation of sensors connected to the URM inputs, then for each j-th BP segment a partial value is estimated without interruptions and the resulting estimate is defined as their sum
гдеWhere
D - число непрерывных (без перерывов) сегментов BP, длительность которых не меньше чем М, предшествующих текущему моменту дискретного времени Т,D is the number of continuous (without interruptions) BP segments, the duration of which is not less than M, preceding the current time of the discrete time T,
(Z)Tj - момент окончания j-го непрерывного сегмента Z-го BP. (Z) T j - the moment of termination of the j-th continuous segment of the Z-th BP.
Собственные векторы (Z)ψi(T) определяются для оценки матрицы (6). Именно из этих СВ и отбираются L СВ, которые подаются на вход 2 блока вычислителя скалярных произведений 6. В общем случае в каждом из каналов обработки может использоваться свое число СВ.The eigenvectors (Z) ψ i (T) are determined to estimate the matrix (6). It is from these CBs that L CBs are selected, which are fed to input 2 of the calculator of
Каждый из комплектов отобранных СВ, вычисленных для матрицы (6) конкретных BP, состоит из L СВ, которые и используются далее для анализа - каждый своего BP. ГК BP в дискретный момент времени Т определяются в блоке 6 соотношением, аналогичным (1)Each of the sets of selected CBs calculated for the matrix (6) of a specific BP consists of L CBs, which are further used for analysis — each of its own BP. GK BP at a discrete point in time T are determined in
гдеWhere
- матрица-столбец размера L, в которой каждый j-ый элемент представляет собой скалярное произведение (Z)Х(Т) и j-го столбца (Z)ΨL(T), - a column matrix of size L, in which each j-th element is the scalar product of (Z) X (T) and the j-th column (Z) Ψ L (T),
- матрица-столбец, состоящая из последних М отсчетов Z-ого BP, предшествующих текущему моменту времени Т, - matrix-column, consisting of the last M samples of Z-th BP, preceding the current time T,
- матрица размера М×L, в которую в качестве столбцов записан Z-ый комплект отобранных СВ. - matrix of size M × L, in which the Z-th set of selected CBs are recorded as columns.
Естественно, соотношение (7) используется только тогда, когда (Z)X(T) не имеет перерывов.Naturally, relation (7) is used only when (Z) X (T) has no interruptions.
К числу наиболее эффективных способов формирования СКП в блоке 4 следует отнести среднее геометрическое (СГ) для модулей ГК [14]. Значения СГ для моментов дискретного времени, начиная с M-го момента после начала BP или окончания перерыва BP, вычисляется по формулеTo the number of the most effective ways of forming the UPC in
гдеWhere
Н(T) - СГ, определенное для момента дискретного времени T>М,H (T) - SG, defined for the moment of discrete time T> M,
- число работающих входов УИР, используемых для вычисления СКП в текущий момент времени, - the number of active inputs of the ACM used to calculate the EUC at the current time,
L - число отобранных в блоке 8 СВ.L is the number selected in
При использовании других способов формирования СКП, H(t) вычисляется по одной из формул таблицы 2. Способы формирования СКП в блоке 4 УИР описаны в таблице 2.When using other methods of forming the UPC, H (t) is calculated by one of the formulas of table 2. The methods of forming the UPC in
Технический результат от использования конструкции, предлагаемой в прототипе, состоит в значительном сокращении задержки - за счет замены статистической обработки (например ДА) на вычисление произведения коэффициентов разложения сегмента BP по специально отобранным СВ. Вычисление такого произведения возможно практически без задержки, что было показано в описании [9].The technical result from the use of the design proposed in the prototype, is to significantly reduce the delay due to the replacement of statistical processing (for example YES) on the calculation of the product of the coefficients of decomposition of the BP segment by specially selected CB. The calculation of such a work is possible with almost no delay, as was shown in the description [9].
Наиболее эффективно значимые отличия (аномалии) коллективного поведения главных компонент выявляются, если в качестве порога для их фиксации во времени использовать шкалу квантиль. Напомним, что квантильThe most effective significant differences (anomalies) of the collective behavior of the main components are revealed if the quantile scale is used as a threshold for fixing them in time. Recall that quantile
Hq(Т) порядка q определяется соотношением [7]H q (T) of order q is determined by the relation [7]
гдеWhere
Hq(T) - изменяющаяся во времени квантиль,H q (T) is a time-varying quantile,
q - порядок квантили,q is the quantile order,
FT(…) - изменяющаяся во времени оценка функции распределения СКП Н(Т).F T (...) is the time-varying estimate of the distribution function of the SJS H (T).
Сравнение последнего значения СКП, отобранного в блоке 9, с текущим значением величины квантили, определенное по формуле (9) в блоке 10 конструкции, представленной на фиг. 6, производится в блоке визуального анализа и сравнения 11, на первый вход которого поступает текущее значение квантиль, а на второй - последнее значение СКП.Comparison of the last value of the UPC, selected in
Как уже отмечалось, при работе устройств, реализующих полезные модели [2] и [9] в реальных устройствах, возникает проблема перерывов в работе датчиков. Это приводит к тому, что в каждый момент времени СКП (в частном случае - среднее геометрическое) вычисляется по разному числу BP. Естественно, в каждый момент времени в качестве порога должна использоваться квантиль, определенная по всей предыстории, когда датчики, работающие в момент времени Т, также работали. Обозначим матрицу строку, имеющую размер М, элементы которой равны единице (если датчик с соответствующим номером работает) и нулю (если датчик с соответствующим номером не работает). Матрица-строка g(T) и есть ранее упоминаемый синдром.As already noted, with devices that implement utility models [2] and [9] in real devices, the problem of interruptions in the operation of sensors arises. This leads to the fact that at each instant of time, the UPC (in the particular case, the geometric mean) is calculated for different numbers of BPs. Naturally, at each moment in time, a quantile should be used as a threshold, determined throughout the whole history, when the sensors operating at time T also worked. Denote matrix row with the size of M, whose elements are equal to one (if the sensor with the corresponding number works) and zero (if the sensor with the corresponding number does not work). Matrix-row g (T) is the previously mentioned syndrome.
Синдром формируется в блоке 3. Отметим, что выборка на входе блока 4 получается путем отбора тех значений из хранимых в блоке 2, для которых наблюдается единичное значение ключаThe syndrome is formed in
гдеWhere
А - множество номеров единичных координат синдрома, поступающего по (U+1)-му входу блока 2,A - the set of numbers of the unit coordinates of the syndrome, coming through the (U + 1) -th input of
zk(t) - в дискретный момент времени t принимает единичное значение, если k-ая компонента ГК имеет числовой код, и принимает нулевое значение, если k-ой компоненте ГК соответствует код «нет ГК».z k (t) - at a discrete point in time t takes a single value if the k-th component of the Ledger has a numeric code, and takes a zero value if the k-th component of the Ledger corresponds to the code "no Ledger".
Пусть выборка на входе блока 10 к текущему дискретному моменту времени Т записывается матрицей строкойLet the sample at the input of
гдеWhere
Ho(i) - значения СКП, вычисленные по отобранным в соответствии с (10) ГК,H o (i) - the values of the UPC, calculated from the selected in accordance with (10) of the civil code,
W - число отобранных наборов ГК.W - the number of selected sets of GC.
Упорядочим по возрастанию и обозначим упорядоченную матрицу-строку . Тогда оценка квантили, Hq(T) определенная по выборке (11) будет равна Order ascending and denote the ordered matrix row . Then the quantile estimate, H q (T) determined by the sample (11) will be equal to
гдеWhere
floor (…) - целая часть.floor (...) is the whole part.
Вычисленное с использованием (12) значение квантили и используется в блоке 11.The quantile value calculated using (12) is used in
Приведем более развернутое описание работы блоков УИР (фиг. 5 - фиг. 8), раскрывающих причинно-следственные связи технического результата, заключающего в автоматической перестройки конструкции - в условиях перерывов наблюдений, поступающих от части датчиков.Let us give a more detailed description of the work of the TLI blocks (Fig. 5 - Fig. 8), revealing the cause-and-effect relationships of the technical result, consisting in the automatic restructuring of the structure - in the conditions of interruptions in observations coming from part of the sensors.
На фиг. 7 представлена конструкция устройства индикации изменения риска сильных землетрясений по результатам многоканального наблюдения с перерывами (к пункту 2 формулы полезной модели).FIG. 7 shows the design of the device indicating the change in the risk of strong earthquakes according to the results of multichannel observation with interruptions (to
Блок 1 преобразует исходный BP в несколько BP главных компонент. Число ГК зависит от числа СВ, отобранных в блоке 10, входящем в состав блока 1. В случае, если в исходном BP появляется перерыв, то на выходе блока появляется идентификатор «нет ГК», который передается на соответствующий вход блока 2 вместо числового значения.
На вход блока 2 из блоков 1 поступают числовые значения ГК или идентификаторы «нет ГК». Все каналы поступления ГК пронумерованы. Все поступающие на вход блока 2 значения хранятся в памяти блока в виде наборов значений ГК. Каждому значению ГК соответствуют уникальные номер ГК и номер дискретного момента времени.The input of
Набор значений ГК, соответствующий последнему анализируемому (текущему) моменту дискретного времени, поступает на вход блока 3, в котором определяется синдром (вектор, единичные и нулевые компоненты которого - в порядке нумерации каналов ГК - соответствуют числовым значениям ГК и идентификторам «нет ГК», соответственно). Синдром используется далее для определения шкалы квантили, которая отвечает набору каналов поступления числовых значений ГК в текущий момент времени.The set of Ledger values corresponding to the last analyzed (current) moment of discrete time is fed to the input of
Наборы ГК для всех последовательных моментов времени, включая последний, передаются из блока 2 для дальнейшей обработки.Sets of bills for all successive points in time, including the last, are transmitted from
В блоке вычисления синдрома 3 вычисление синдрома производится по формулеIn the block for calculating
где - цикл, V - общее число ГК, Fi - координата синдрома. Результат передается на выход блока.Where - cycle, V - total number of HAs, F i - coordinate of the syndrome. The result is transmitted to the output of the block.
В блоке вычисления сигнала коллективного поведения главных компонент 4, для каждой отобранной матрицы столбца ГК, отвечающей соотношению (7), вычисляется значение СКП - по тем координатам, которым соответствуют единичные координаты синдрома. Так на выходе блока 4 формируется выборка значений СКП.In the unit for calculating the collective behavior signal of the
В блоке оценки сверху для отношения правдоподобия возникновения землетрясения в текущий момент времени и принятия решения о прогнозе возникновения землетрясения 5 индикатор риска сильного землетрясения преобразует СКП, поступающий с выхода блока 4, в величину, пропорциональную оценке сверху для отношения правдоподобия возникновения землетрясения в текущий момент времени. Осуществляет прогноз возникновения землетрясений путем сглаживания оценки сверху для отношения правдоподобия при помощи адаптивной фильтрации.In the upper estimator for the likelihood ratio of earthquake occurrence at the current time and deciding on the forecast of occurrence of an
На фиг. 5 представлена конструкция устройства индикации изменения риска сильных землетрясений по результатам многоканального наблюдения с перерывами (по пункту 3 формулы полезной модели).FIG. 5 shows the design of the device indicating the change in the risk of strong earthquakes according to the results of multichannel observation with interruptions (under
В блоке вычислителя скалярных произведений 6, реализуется соотношение (7) для отобранных в блоке 8 СВ. В случае, если матрица столбец (Z)X(T) имеет перерывы (на любой позиции), то на выходе блока 6 выдается идентификатор «нет ГК».In the calculator block of
В блоке 7 вычисляется по формуле (6) сумма компонент, представляющих собой матрицы, пропорциональные ковариационным, определенным для каждого из отрезков исходного BP, имеющих длительность, большую интервала анализа.In block 7, the sum of the components is calculated by the formula (6), representing matrices proportional to the covariance determined for each of the segments of the original BP that have a duration greater than the analysis interval.
Блок 8 вычисляет и отбирает собственные векторы для ковариационной матрицы, поступающей на вход блока - для каждого текущего момента времени.
На фиг. 6 представлена конструкция устройства индикации изменения риска сильных землетрясений по результатам многоканального наблюдения с перерывами (по п. 5 ФПМ).FIG. 6 shows the design of the device indicating the change in risk of strong earthquakes as a result of multichannel observation with interruptions (in accordance with
В блоке 9 происходит отбор последнего значения СКП ГК для дальнейшего сравнения с величиной квантиль.In
В блоке 10 на основании выборки значений сигналов коллективного поведения главных компонент строится шкала квантиль заданного уровня.In
В блоке 11 происходит визуализация последовательности текущих значений сигнала коллективного поведения в интерьере шкалы квантиль, вычисленной для каждого текущего момента времени.In
На фиг. 8 представлена конструкция индикатора риска сильного землетрясения, выполненная в виде индикатора риска по п. 1 ФПМ [15].FIG. 8 shows the construction of a risk indicator for a strong earthquake, made in the form of a risk indicator according to
В блоке 12 для каждого дискретного момента времени T:In
1. По выборке СКП, предшествующей этому текущему моменту времени, строится оценка выборочной функции распределения (ВФР) - FT(x).1. Based on a sample of the EUCS preceding this current point in time, an estimate of the sample distribution function (VFR) —F T (x) is constructed.
2. Для текущего значения СКП - XT, поступающего на второй вход ИР, по ВФР определяется вероятность превышения текущего значения по формуле .2. For the current value of the UPC - X T , arriving at the second input of the IL, the probability of the current value being exceeded is determined by the VFR using .
В блоке 13 формируется величина - оценка сверху для отношения правдоподобия возникновения землетрясения, которая подается на вход блока фильтров 14.In
В блоке 14 формируется группа сигналов , каждый из которых является сверткой входного сигнала Yt, с ИХ адаптивного фильтра.In
В блоке 15 определяется подобие ОРАС - землетрясений и сигналов с выхода блока фильтров 14.In
Блок 16 выдает на своем выходе сигнал с того фильтра, номер которого поступил второй вход блока 16.
В блоке 17 происходит визуализация значений оценки сверху функции правдоподобия возникновения землетрясения и принятие решений.In
Доказательства технических результатов. Причинно-следственные связиEvidence of technical results. Causal relationships
Основные технические результаты от применения заявляемых конструкций это:The main technical results from the use of the claimed structures are:
устойчивость работы конструкции УИР при перерывах в работе датчиков, приводящей к перерывам во временных рядах.the stability of the work of the structure of the ACP during interruptions in the operation of the sensors, leading to interruptions in the time series.
На фиг. 9-12 приведены иллюстрации работы конструкции фиг. 4 и фиг. 7 в условиях, когда все датчики работают. Эти иллюстрации практически идентичны приведенным в [9]. На фиг. 9 - исходные BP, получаемые от датчиков концентрации радона, на фиг. 10 - значения ГК, на фиг. 11 - среднее геометрическое ГК, на фиг. 12 - среднее геометрическое ГК (полулогарифмический масштаб).FIG. 9-12 are illustrations of the operation of the construction of FIG. 4 and FIG. 7 in conditions where all sensors are working. These illustrations are almost identical to those given in [9]. FIG. 9 shows baseline BP obtained from radon concentration sensors; FIG. 10 - GK values; in FIG. 11 - geometric geometric mean, in FIG. 12 - geometric geometric mean (semi-log scale).
Для периода с 1 ноября 2013 года по май 2014 года были отобраны землетрясения на Камчатке с магнитудой Ml, превышающей значение 5.6 (сведены в таблицу 3).For the period from November 1, 2013 to May 2014, earthquakes in Kamchatka with a magnitude Ml greater than 5.6 were selected (summarized in Table 3).
Проиллюстрируем достижение заявленных технических результатов, возникающих при использовании конструкций, приведенных на фиг. 4 и 7, и причинно-следственные связи, приводящие к получению этих технических результатов.We illustrate the achievement of the claimed technical results arising from the use of the structures shown in FIG. 4 and 7, and causal relationships leading to the achievement of these technical results.
Иллюстрацию удобнее начать с конструкции, приведенной на фиг. 7. В качестве отправной точки возьмем ситуацию, представленную на фиг. 13.It is more convenient to begin the illustration with the construction shown in FIG. 7. As a starting point, take the situation presented in FIG. 13.
Фиг. 13а иллюстрирует разворачивание во времени вычисления СГ и его квантили порядка 0.75 и 0.95. Как видно из верхнего графика, по мере продолжения наблюдения, величины квантили изменяются, что является следствием изменения во времени оценки ФР для СГ. Из нижнего графика фиг. 13а видно, что синдромы всех датчиков единичны, что свидетельствует о том, что перерывов в их работе нет. Отметим, что на нижнем графике синдромы визуализируются следующим образом. К номеру датчика прибавляется величина синдрома, умноженная на . Такая визуализация позволяет на одном графике отслеживать поведение синдромов всех датчиков одновременно.FIG. 13a illustrates the unfolding in time of the calculation of the SG and its quantile of the order of 0.75 and 0.95. As can be seen from the upper graph, as the observation continues, the quantile values change, which is a consequence of the change in the estimation of the DF for the SG over time. From the lower graph of FIG. 13a shows that the syndromes of all sensors are rare, which indicates that there are no interruptions in their work. Note that in the lower graph, syndromes are visualized as follows. To the number of the sensor is added the magnitude of the syndrome multiplied by . Such visualization allows to monitor the behavior of the syndromes of all sensors simultaneously on one graph.
На фиг. 13б представлен сигнал на выходе блока 5, представленной на фиг. 7. Как видно из графика, имеются два доминирующих максимума (реперные точки), которые соответствуют 30 и 100 суткам с момента начала наблюдения (01.11.2013). Эти реперные точки соответствуют с высоким правдоподобием аномалиям СКП.FIG. 13b shows the signal at the output of
Для преобразования оценки сверху функции правдоподобия аномалий СКП в величину, пропорциональную оценке сверху функции правдоподобия землетрясения, использовался гауссовский фильтр с характеристикой, которая была оптимизирована на данных 2013 года (изображена на фиг. 16). Как видно из графика фиг. 13в после наблюдаемого роста значений оценки сверху функции правдоподобия возникновения землетрясений действительно наблюдались две серии из трех и двух землетрясений с магнитудой Ml>5.6, соответственно.To convert the upper estimate of the likelihood function of the UPC anomalies into a quantity proportional to the upper estimate of the earthquake likelihood function, a Gaussian filter was used with a characteristic that was optimized on the 2013 data (shown in Fig. 16). As can be seen from the graph of FIG. 13c after the observed increase in the values of the upper estimate of the likelihood function for the occurrence of earthquakes, in fact, two series of three and two earthquakes with a magnitude Ml> 5.6 were observed, respectively.
Описанную выше ситуацию будем рассматривать как базовую и смоделируем вариант отказа датчиков. На фиг. 14 и 15 представлены два варианта: фиг. 14 иллюстрирует ситуацию перерыва в работе 4 датчика, который начался на 35 сутки и закончился на 125 сутки. На фиг. 15 представлена ситуация полного отказа 4-го датчика. В этих двух вариантах в течение всего периода анализа не работал второй датчик. Описанное выше состояние датчиков иллюстрируется графиками синдромов для рассматриваемых вариантов (нижние графики фиг. 14а и 15а, соответственно).The situation described above will be considered as basic and we will model the option of sensor failure. FIG. 14 and 15 two variants are presented: FIG. 14 illustrates the interruption situation in the operation of 4 sensors, which began on the 35th day and ended on the 125th day. FIG. 15 shows the situation of complete failure of the 4th sensor. In these two variants, the second sensor did not work during the entire analysis period. The sensor state described above is illustrated by the graphs of the syndromes for the options under consideration (the lower graphs of Figs. 14a and 15a, respectively).
Как видно из графиков фиг. 14б, 15б, 14в и 15в, оценки отношений правдоподобия (как для аномалий СКП, так и для момента возникновения землетрясения) позволяют уверенно прогнозировать локализацию во времени предстоящих землетрясений.As can be seen from the graphs of FIG. 14b, 15b, 14b, and 15b, likelihood ratios (both for the UPC anomalies and for the moment of the occurrence of an earthquake), make it possible to confidently predict the localization of upcoming earthquakes in time.
Это является следствием того, что каждый канал обработки порождает значительное число ГК (в нашем случае это ГК, которые соответствуют СВ с номерами от 2 до 27, то есть их 26 на каждый датчик); поведение ГК в случае аномалии СКП в значительной степени синхронное (см. на резкое практически одновременное увеличение всех ГК на фиг. 12); это и сохраняет работоспособность конструкции даже в условиях отказа двух датчиков из шести.This is a consequence of the fact that each processing channel generates a significant number of GCs (in our case, they are GCs, which correspond to CBs with numbers from 2 to 27, that is, there are 26 of them for each sensor); the behavior of the HA in the case of anomalies of the UPC is largely synchronous (see the sharp almost simultaneous increase in all the HAs in Fig. 12); this preserves the operability of the structure even in the conditions of failure of two sensors out of six.
В прототипе выход из строя датчика приводил к тому, что канал изымался из обработки на неопределенное время. Восстановление датчика требовало перезапуска устройства, что приводило к выводу его из режима наблюдения на срок, требуемый на его адаптацию (от месяца до двух месяцев), что в условиях локализованных во времени аномалий СКП приводит к повышению вероятности пропуска аномалий.In the prototype, the failure of the sensor led to the fact that the channel was removed from the processing for an indefinite time. Restoring the sensor required restarting the device, which led to its withdrawal from the monitoring mode for the period required for its adaptation (from one month to two months), which, under conditions of time-localized UPC anomalies, leads to an increased probability of missing anomalies.
В рассмотренных выше примерах легко себе представить ситуацию, когда перерыв в работе четвертого датчика возник бы на 25-е сутки, что означало бы, что мы для первой серии (из трех землетрясений) получали бы результаты представленные на фиг. 15 - до момента полной адаптации устройства после устранения неисправности датчика. Предположим, что работоспособность была бы восстановлена за 20 суток, а период адаптации занял 60 суток, таким образом, полностью работоспособность прототипа восстановилась бы на 100 сутки. Таким образом, результаты работы прототипа были бы близки к ситуации, представленной на фиг. 15. И хотя работоспособность устройства (прототипа) сохраняется, она ниже, чем в случае заявляемой конструкции.In the examples discussed above, it is easy to imagine a situation where a break in the fourth sensor would occur on the 25th day, which would mean that we for the first series (out of three earthquakes) would get the results shown in FIG. 15 - until the device is fully adapted after the malfunction of the sensor has been removed. Suppose that the working capacity would be restored within 20 days, and the adaptation period took 60 days, thus the full working capacity of the prototype would be restored to 100 days. Thus, the results of the prototype would be close to the situation presented in FIG. 15. Although the operability of the device (prototype) remains, it is lower than in the case of the claimed design.
Таким образом, технический результат для конструкции фиг. 7 состоит в сохранении эффективности за счет отсутствия ее понижения вследствие перерывов в работе, необходимых для перенастройки устройства после восстановления работоспособности вышедших из строя датчиков. Технический результат причинно обусловлен конструкцией устройства.Thus, the technical result for the design of FIG. 7 is to maintain efficiency due to the lack of its reduction due to interruptions in work necessary to reconfigure the device after restoring the health of defective sensors. The technical result is caused by the design of the device.
В случае конструкции фиг. 4 ситуация аналогична. Отличие состоит лишь в том, что в качестве аномалии СКП рассматривается факт превышения квантили (не ниже порядка 0.95), после чего землетрясения считаются вероятными в течение 50-60 суток с вероятностью 1/(1-q), где q - уровень квантили.In the case of the construction of FIG. 4 the situation is similar. The only difference is that the quantile is exceeded (not less than about 0.95) as an anomaly of the UPC, after which earthquakes are considered probable for 50-60 days with a probability of 1 / (1-q), where q is the quantile level.
Описание фигур - чертежейDescription of figures - drawings
Фиг. 1. Айгеноскоп - анализатор собственных векторов и компонент сигнала (Полезная модель 116242 RU): 18 - блок масштабирования и АЦП, 19 - блок вычислителя матрицы смешанных моментов, 20 - блок вычисления собственных векторов и собственных значений, 21 - блок вычислителя скалярных произведений и анализатора признаков.FIG. 1. Igenoscope - eigenvector analyzer and signal component (Utility Model 116242 RU): 18 - scaling unit and ADC, 19 - calculator of the matrix of mixed moments, 20 - block for calculating eigenvectors and eigenvalues, 21 - calculator for scalar products and analyzer signs.
Фиг. 2. Сигнализатор значимых отличий (Полезная модель №133642 RU): 22 - блок измерения, предварительной обработки и формирования матриц наблюдений; 23 - блок вычисления дискриминантной функции; 24 - блок памяти, визуализации, управления и принятия решений; 25 - блок индексирования матриц сравниваемых множеств; 26 - блок измерения, хранения и выборки; 27 - блок вычисления скалярных произведений; 28 - блок формирования матриц наблюдений; 29 - блок вычислителя матрицы смешанных моментов; 20 - блок вычисления собственных векторов и собственных значений; 31 - блок селектор собственных векторов.FIG. 2. Signaling device of significant differences (Utility Model No. 133642 RU): 22 — a unit of measurement, preprocessing, and the formation of a matrix of observations; 23 is a block for calculating the discriminant function; 24 is a block of memory, visualization, control and decision making; 25 - block indexing matrices of compared sets; 26 - unit of measurement, storage and sampling; 27 - block computing scalar products; 28 — block of formation of observation matrices; 29 - block calculator matrix of mixed moments; 20 is a block for calculating eigenvectors and eigenvalues; 31 - eigenvector selector block.
Фиг. 3. Сигнализатор изменений главных компонент (Полезная модель №141416): 18 - блок масштабирования и АЦП; 32 - блок вычислителя ковариационной матрицы; 33 - блок вычисления собственных векторов; 34 - блок вычислителя скалярных произведений и перемножения.FIG. 3. The signaling device for changes in the main components (Utility Model No. 141416): 18 — a scaling unit and an ADC; 32 - block calculator covariance matrix; 33 — eigenvector calculation unit; 34 - block calculator scalar products and multiplication.
Фиг. 4. Устройство индикации изменения риска сильных землетрясений по результатам многоканального наблюдения с перерывами (к пункту 1 формулы полезной модели): блок 1 - вычислитель главных компонент; блок 2 - блок хранения и выборки наборов значений главных компонент; блок 3 - блок вычисления синдрома; блок 4 - блок вычисления сигнала коллективного поведения главных компонент; блок 5 - блок оценки сверху для отношения правдоподобия возникновения землетрясения в текущий момент времени и принятия решения о прогнозе возникновения землетрясения.FIG. 4. The device indicating the change in risk of strong earthquakes according to the results of multichannel observation with interruptions (to
Фиг. 5. Устройство индикации изменения риска сильных землетрясений по результатам многоканального наблюдения с перерывами - конструкция блока 1 (по пункту 3 формулы полезной модели): блок 6 - вычислитель скалярных произведений; 7 - блок вычислителя матрицы смешанных моментов; 8 - блок вычисления и отбора собственных векторов.FIG. 5. The device indicating the change in risk of strong earthquakes according to the results of multichannel observation with interruptions - the construction of unit 1 (according to
Фиг. 6. Устройство индикации изменения риска сильных землетрясений по результатам многоканального наблюдения с перерывами (по п. 5 ФПМ): блок 9 - блок отбора последнего значения СКП ГК; 10 - блок вычисления квантиль; 11 - блок визуального анализа и сравнения.FIG. 6. The device indicating the change in the risk of strong earthquakes according to the results of multichannel observation with interruptions (in accordance with
Фиг. 7. Устройство индикации изменения риска сильных землетрясений по результатам многоканального наблюдения с перерывами (к пункту 2 формулы полезной модели): блок 1 - вычислитель главных компонент; блок 2 - блок хранения и выборки наборов значений главных компонент; блок 3 - блок вычисления синдрома; блок 4 - блок вычисления сигнала коллективного поведения главных компонент; 5 - блок оценки сверху для отношения правдоподобия возникновения землетрясения в текущий момент времени и принятия решения о прогнозе возникновения землетрясения, выполненный в виде индикатора риска сильного землетрясения по конструкции индикатора риска по п. 1 ФПМ [15].FIG. 7. The device indicating the change in risk of strong earthquakes according to the results of multichannel observation with interruptions (to
Фиг. 8. Конструкция индикатора риска сильного землетрясения, выполненная в виде индикатора риска по п. 1 ФПМ [15]: 12 - блок оценки вероятности превышения; 13 - блок нелинейного преобразования; 14 - блок фильтров; 15 - блок оценки подобия; 16 - блок коммутации; 17 - блок визуализации и принятия решений.FIG. 8. The design of the risk indicator of a strong earthquake, made in the form of a risk indicator according to
Фиг. 9. Шесть исходных BP получаемых с датчиков объемной концентрации радона на геодинамическом полигоне в районе Петропавловска - Камчатского в период с 1 ноября 2013 года по 12 февраля 2014 года. По оси абсцисс время от 1 ноября 2013 года в сутках. Время дискретизации 30 минут.FIG. 9. Six baseline BP obtained from radon concentration sensors at a geodynamic test site in the area of Petropavlovsk-Kamchatsky in the period from November 1, 2013 to February 12, 2014. The abscissa axis is time from November 1, 2013 in days. The sampling time is 30 minutes.
Фиг. 10. Главные компоненты (ГК) исходных BP по 2-14 СВ ковариационной матрицы размера 96 (интервал анализа 2 суток при времени дискретизации 30 минут).FIG. 10. The main components (GK) of the initial BP are 2-14 SV of the covariance matrix of size 96 (
Фиг. 11. Среднее геометрическое модулей ГК, определенное по данным фиг. 9. Показана шкала квантиль (уровня 0.95 и 0.99).FIG. 11. The geometric mean of the GC modules, determined according to FIG. 9. The quantile scale is shown (levels 0.95 and 0.99).
Фиг. 12. Среднее геометрическое модулей ГК, определенное по данным фиг. 9 в полулогарифмическом масштабе.FIG. 12. The geometric mean of the GC modules, determined according to FIG. 9 on a semi-log scale.
Фиг. 13. Пример вычисления среднего геометрического и его квантиль порядка 0.75 (пунктирная линия) и 0.95 (штрихпунктирная линия) (верхний график фиг. 13а). На нижнем графике фиг. 13а показаны синдромы датчиков. Из графиков синдромов следует, что все датчики на интервале анализа функционируют. На фиг. 13б показана оценка сверху для отношения правдоподобия в зависимости от времени при обнаружении аномалий коллективного поведения. Как видно из графика, наблюдаются значительные аномалии в точках близких к 30 и 100 суткам с начала обработки. На фиг. 13в показана сглаженная верхняя оценка отношения правдоподобия (сглаживание проводилось с использованием гауссовского фильтра с задержкой 50 суток и величиной σ=10 суток, импульсная характеристика которого приведена на фиг. 16). Вертикальными линиями на фиг. 13б и 13в показаны моменты землетрясений с магнитудами, превышающими 5.6 (таблица 3). Использованы СВ с номерами 2-27.FIG. 13. An example of calculating the geometric mean and its quantile of the order of 0.75 (dashed line) and 0.95 (dash-dotted line) (the upper graph of Fig. 13a). In the lower graph of FIG. 13a shows sensor syndromes. From the plots of syndromes it follows that all sensors on the analysis interval function. FIG. Figure 13b shows the top estimate for the likelihood ratio versus time when collective behavior anomalies are detected. As can be seen from the graph, significant anomalies are observed at points close to 30 and 100 days from the beginning of the treatment. FIG. 13c shows a smoothed upper likelihood ratio estimate (smoothing was performed using a Gaussian filter with a delay of 50 days and a value of σ = 10 days, the impulse response of which is shown in Fig. 16). The vertical lines in FIG. Figures 13b and 13c show the moments of earthquakes with magnitudes greater than 5.6 (table 3). Used CB with numbers 2-27.
Фиг. 14. Пример вычисления среднего геометрического и его квантиль порядка 0.75 (пунктирная линия) и 0.95 (штрихпунктирная линия) (верхний график фиг. 14а). На нижнем графике фиг. 14а показаны синдромы датчиков. Из графиков синдромов следует, что в работе 4-го датчика имеется перерыв с 35 по 125 сутки, а 2-ой датчик не работал в течение всего периода анализа; также начиная с 165 суток прекратил работу 1-ый датчик. На фиг. 14б показана оценка сверху для отношения правдоподобия в зависимости от времени при обнаружении аномалий коллективного поведения. Как видно из графика, наблюдаются значительные аномалии в точках близких к 30 и 100 суткам с начала обработки. На фиг. 14в показана сглаженная верхняя оценка отношения правдоподобия (сглаживание проводилось с использованием гауссовского фильтра с задержкой 50 суток и величиной σ=10 суток, импульсная характеристика которого приведена на фиг. 16). Вертикальными линиями на фиг. 14б и 14в показаны моменты землетрясений с магнитудами, превышающими 5.6. Сравнение фиг. 14в и фиг. 14в показывает, что перерывы привели к снижению сглаженной оценки правдоподобия с 7 до 6 (второй максимум), а также к снижению первого максимума с 35 до 7.FIG. 14. An example of calculating the geometric mean and its quantile of the order of 0.75 (dashed line) and 0.95 (dash-dotted line) (the upper graph of Fig. 14a). In the lower graph of FIG. 14a shows sensor syndromes. From the plots of syndromes it follows that in the work of the 4th sensor there is a break from 35 to 125 days, and the 2nd sensor did not work during the entire period of analysis; also starting from the 165th day, the first sensor stopped working. FIG. Figure 14b shows the top estimate for the likelihood ratio versus time when a collective behavior anomaly is detected. As can be seen from the graph, significant anomalies are observed at points close to 30 and 100 days from the beginning of the treatment. FIG. 14c shows a smoothed upper likelihood ratio estimate (smoothing was performed using a Gaussian filter with a delay of 50 days and a value of σ = 10 days, the impulse response of which is shown in Fig. 16). The vertical lines in FIG. 14b and 14c show moments of earthquakes with magnitudes greater than 5.6. The comparison of FIG. 14b and FIG. 14b shows that the breaks led to a decrease in the smoothed likelihood estimate from 7 to 6 (the second maximum), as well as to a decrease in the first maximum from 35 to 7.
Фиг. 15. Пример вычисления среднего геометрического и его квантиль порядка 0.75 (пунктирная линия) и 0.95 (штрихпунктирная линия) (верхний график фиг. 15а). На нижнем графике фиг. 15а показаны синдромы датчиков. Из графиков синдромов следует, что 2-ой и 4-й датчики не функционировали на всем интервале анализа, а 1-ый прекратил работу, начиная со 165 суток. На фиг. 15б показана оценка сверху для отношения правдоподобия в зависимости от времени при обнаружении аномалий коллективного поведения. Как видно из графика, наблюдаются значительные аномалии в точках близких к 30 и 100 суткам с начала обработки. На фиг. 15в показана сглаженная верхняя оценка отношения правдоподобия (сглаживание проводилось с использованием гауссовского фильтра с задержкой 50 суток и величиной σ=10 суток, импульсная характеристика которого приведена на фиг. 16). Вертикальными линиями на фиг. 15б и 15в показаны моменты землетрясений с магнитудами, превышающими 5.6. Сравнение фиг. 14в и фиг. 15в показывает, что перерывы привели к снижению сглаженной оценки правдоподобия с 7 до 6 (второй максимум), а также к снижению первого максимума с 35 до 7.FIG. 15. An example of calculating the geometric mean and its quantile of the order of 0.75 (dashed line) and 0.95 (dash-dotted line) (the upper graph of Fig. 15a). In the lower graph of FIG. 15a shows sensor syndromes. From the plots of syndromes it follows that the 2nd and 4th sensors did not function on the entire analysis interval, and the 1st one stopped working from 165 days. FIG. 15b shows a top estimate for the likelihood ratio versus time when a collective behavior anomaly is detected. As can be seen from the graph, significant anomalies are observed at points close to 30 and 100 days from the beginning of the treatment. FIG. 15c shows a smoothed upper likelihood ratio estimate (smoothing was performed using a Gaussian filter with a delay of 50 days and a value of σ = 10 days, the impulse response of which is shown in Fig. 16). The vertical lines in FIG. 15b and 15c show the moments of earthquakes with magnitudes greater than 5.6. The comparison of FIG. 14b and FIG. 15c shows that the breaks led to a decrease in the smoothed likelihood estimate from 7 to 6 (the second maximum), as well as to a decrease in the first maximum from 35 to 7.
Фиг. 16. Импульсная характеристика гауссовского фильтра, с помощью которого проводилось сглаживание оценки отношения правдоподобия. Фильтр имеет задержку 50 суток и параметр σ=10 суток.FIG. 16. Impulse response of a Gaussian filter with which the likelihood ratio evaluation was smoothed. The filter has a delay of 50 days and the parameter σ = 10 days.
Осуществление изобретенияThe implementation of the invention
Предлагаемая конструкция используется при построении комплексов краткосрочного прогнозирования и оперативной оценки рисков сильных землетрясений.The proposed design is used in the construction of complexes of short-term forecasting and rapid assessment of the risk of strong earthquakes.
Конструкция реализуется как программно-аппаратный комплекс.The design is implemented as a software and hardware complex.
Источники информацииInformation sources
1. Грунская Л.В., Исакевич Д.В., Исакевич В.В. Анализатор собственных векторов и компонент сигнала. Полезная модель RU 116242. Патентообладатели ООО «БизнесСофтСервис», Исакевич Д.В., Исакевич В.В. http://bankpatentov.ru/node/2070421. Grunskaya L.V., Isakevich D.V., Isakevich V.V. Analyzer of eigenvectors and signal components. Useful model RU 116242. Patent holders of BusinessSoftService LLC, Isakevich DV, Isakevich V.V. http://bankpatentov.ru/node/207042
2. Исакевич Д.В., Исакевич В.В. Сигнализатор значимых отличий. Полезная модель №133642 RU. Патентообладатели ООО «БизнесСофтСервис», Исакевич Д.В., Исакевич В.В., Балакирев А.Н. http://bankpatentov.ru/node/4141992. Isakevich D.V., Isakevich V.V. Signaling device significant differences. Utility model №133642 RU. The patent holders of BusinessSoftService LLC, Isakevich DV, Isakevich VV, Balakirev A.N. http://bankpatentov.ru/node/414199
3. Исакевич В.В. и др. Выявление нестационарных участков при помощи нелинейной модели процесса // Радиотехника и электроника. 1995, том 40, №2, с. 255-260.3. Isakevich V.V. and others. Identification of non-stationary areas using a non-linear model of the process // Radio Engineering and Electronics. 1995, vol. 40, No. 2, p. 255-260.
4. Грунская Л.В., Исакевич Д.В., Исакевич В.В. и др. Каскады дискриминантных функционалов в задачах анализа временных рядов в базисах собственных векторов ковариационных матриц. Нелинейный мир, No 4, 2012.4. Grunskaya L.V., Isakevich D.V., Isakevich V.V. and other. Cascades of discriminant functionals in problems of time series analysis in the bases of eigenvectors of covariance matrices. The nonlinear world, No 4, 2012.
5. Fisher R.A. The Use of Multiple Measurements in Taxonomic Problems//Annals of Eugenics. - 1936 T.7. - p. 179-188.5. Fisher R.A. The Use of Multiple Measurements in Taxonomic Problems // Annals of Eugenics. - 1936 T.7. - p. 179-188.
6. Кендалл M., Стьюарт А. Статистические выводы и связи. Главная редакция физико-математической литературы изд-ва "Наука", 1973.6. Kendall M., Stuart A. Statistical findings and communication. The main editors of the physical and mathematical literature of the publishing house "Science", 1973.
7. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров: Определения, теоремы, формулы: Пер. с англ. М.: Наука, 1970. 720 с. 7. Korn G., Korn T. Handbook of mathematics for scientists and engineers: Definitions, theorems, formulas: Trans. from English M .: Science, 1970. 720 p.
8. Исакевич В.В., Фирстов П.П., Исакевич Д.В., Грунская Л.В., Макаров Е.О. Использование методики дискриминантных функционалов для выявления реперных точек во временных рядах концентрации почвенного радона на сети пунктов Петропавловск-Камчатского геодинамического полигона / Проблемы комплексного геофизического мониторинга Дальнего Востока России. Труды Четвертой научно-технической конференции. Петропавловск-Камчатский. 29 сентября - 5 октября 2013 г. / Отв. ред. В.Н. Чебров. - Обнинск: ГС РАН, 2013. С.59-63.8. Isakevich V.V., Firstov P.P., Isakevich D.V., Grunskaya L.V., Makarov E.O. Using the discriminant functionals technique for identifying reference points in the time series of soil radon concentration on the network of points of the Petropavlovsk-Kamchatka geodynamic test site / Problems of integrated geophysical monitoring of the Russian Far East. Proceedings of the Fourth Scientific and Technical Conference. Petropavlovsk-Kamchatsky. September 29 - October 5, 2013 / Otv. ed. V.N. Chebrov. - Obninsk: GS RAS, 2013. P.59-63.
9. Исакевич В.В., Исакевич Д.В., Грунская Л.В., Фирстов П.П. Сигнализатор изменений главных компонент. Полезная модель №141416. Патентообладатель ФГБОУ ВО Владимирский государственный университет.9. Isakevich V.V., Isakevich D.V., Grunskaya L.V., Firstov P.P. Signaling device of main component changes. Useful model №141416. Patentee of the Vladimir State University.
10. Любушин А.А. (мл). Агрегированный сигнал систем низкочастотного геофизического мониторинга // Физика Земли. 1998. №1. С. 69-74.10. Lyubushin A.A. (ml) Aggregated signal of low-frequency geophysical monitoring systems // Physics of the Earth. 1998.
11. Макаров Е.О., Фирстов П.П., Волошин В.Н. Аппаратурный комплекс для регистрации концентрации подпочвенных газов с целью поиска предвестниковых аномалий сильных землетрясений Южной Камчатки // Сейсмические приборы. 2012. Том 48. №1.11. Makarov E.O., Firstov PP, Voloshin V.N. Equipment complex for recording the concentration of subsurface gases in order to search for precursor anomalies of strong earthquakes in Southern Kamchatka // Seismic devices. 2012. Volume 48.
12. http://www.emsd.ru/ Официальный сайт Камчатского филиала геофизической службы РАН. Главная страница. Раздел «Последние 10 землетрясений Камчатки с Ml>4,5»12. http://www.emsd.ru/ The official site of the Kamchatka Branch of the Geophysical Service of the Russian Academy of Sciences. Home Page. Section "The last 10 earthquakes of Kamchatka with Ml> 4.5"
13. Акофф Р., Эмери Ф. О целеустремленных системах. Пер. с англ. Под ред. И.А. Ушаков. М.: Сов. радио, 1974, 272 с. 13. Ackoff R., Emery F. On purposeful systems. Per. from English Ed. I.A. Ushakov. M .: Owls. Radio, 1974, 272 p.
14. Фирстов ПЛ., Исакевич В.В., Макаров Е.О., Исакевич Д.В., Грунская Л.В. Апробация методики айгеноскопии для поиска предвестников сильных землетрясений в поле почвенного радона (222Rn) на Камчатке (август 2012 - август 2013 гг.), Сейсмические приборы, 2014, Т.50, №3, стр. 63-75.14. Firstov PL., Isakevich V.V., Makarov E.O., Isakevich D.V., Grunskaya L.V. Testing the method of igenoscopy to search for precursors of strong earthquakes in the field of soil radon ( 222 Rn) in Kamchatka (August 2012 - August 2013), Seismic instruments, 2014, Т.50,
15. Исакевич Д.В., Исакевич В.В., Лукьянов В.Е. Индикатор риска. Полезная модель RU 159604. Патентообладатели ООО «Собственный вектор», Исакевич Д.В., Исакевич В.В., Балакирев А.Н., Черников СВ.15. Isakevich D.V., Isakevich V.V., Lukyanov V.E. Risk indicator Utility Model RU 159604. Patentee OOO Own Vector, Isakevich DV, Isakevich VV, Balakirev A.N., Chernikov SV.
Claims (5)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2018120084U RU190531U1 (en) | 2018-05-31 | 2018-05-31 | The device indicating the change in risk of strong earthquakes on the results of multichannel observation with interruptions |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2018120084U RU190531U1 (en) | 2018-05-31 | 2018-05-31 | The device indicating the change in risk of strong earthquakes on the results of multichannel observation with interruptions |
Publications (1)
Publication Number | Publication Date |
---|---|
RU190531U1 true RU190531U1 (en) | 2019-07-03 |
Family
ID=67216095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2018120084U RU190531U1 (en) | 2018-05-31 | 2018-05-31 | The device indicating the change in risk of strong earthquakes on the results of multichannel observation with interruptions |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU190531U1 (en) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7170418B2 (en) * | 2000-06-16 | 2007-01-30 | The United States Of America As Represented By The Secretary Of The Navy | Probabilistic neural network for multi-criteria event detector |
RU133642U1 (en) * | 2013-04-05 | 2013-10-20 | Общество с ограниченной ответственностью "БизнесСофтСервис" | SIGNAL OF SIGNIFICANT DIFFERENCES |
RU141416U1 (en) * | 2013-10-22 | 2014-06-10 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых" (ВлГУ) | MAIN COMPONENT CHANGE SIGNAL |
RU2548132C1 (en) * | 2014-12-18 | 2015-04-10 | Морской гидрофизический институт | Detection and identification of radioactive abnormalities in natural media and flows |
RU178399U1 (en) * | 2017-06-28 | 2018-04-03 | Общество с ограниченной ответственностью "Собственный вектор" | OWN VECTOR SPECTRUM ANALYZER AND SIGNAL COMPONENTS |
-
2018
- 2018-05-31 RU RU2018120084U patent/RU190531U1/en not_active IP Right Cessation
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7170418B2 (en) * | 2000-06-16 | 2007-01-30 | The United States Of America As Represented By The Secretary Of The Navy | Probabilistic neural network for multi-criteria event detector |
RU133642U1 (en) * | 2013-04-05 | 2013-10-20 | Общество с ограниченной ответственностью "БизнесСофтСервис" | SIGNAL OF SIGNIFICANT DIFFERENCES |
RU141416U1 (en) * | 2013-10-22 | 2014-06-10 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых" (ВлГУ) | MAIN COMPONENT CHANGE SIGNAL |
RU2548132C1 (en) * | 2014-12-18 | 2015-04-10 | Морской гидрофизический институт | Detection and identification of radioactive abnormalities in natural media and flows |
RU178399U1 (en) * | 2017-06-28 | 2018-04-03 | Общество с ограниченной ответственностью "Собственный вектор" | OWN VECTOR SPECTRUM ANALYZER AND SIGNAL COMPONENTS |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bilen et al. | Wavelet-based detection of outliers in time series | |
CN104698343A (en) | Method and system for judging power grid faults based on historical recording data | |
CN109977109B (en) | Track data accompanying analysis method | |
CN106598822B (en) | A kind of abnormal deviation data examination method and device for Capacity Assessment | |
CN110008247B (en) | Method, device and equipment for determining abnormal source and computer readable storage medium | |
CN109947758B (en) | Route collision analysis method based on behavior track library | |
Tan et al. | A new traffic prediction method based on dynamic tensor completion | |
WO2018080523A1 (en) | Data cost effective fast similarity search with priority access | |
CN111881594B (en) | Non-stationary signal state monitoring method and system for nuclear power equipment | |
WO2023057434A1 (en) | Method and flight data analyzer for identifying anomalous flight data and method of maintaining an aircraft | |
CN109040084A (en) | A kind of network flow abnormal detecting method, device, equipment and storage medium | |
RU190531U1 (en) | The device indicating the change in risk of strong earthquakes on the results of multichannel observation with interruptions | |
JPWO2019049263A1 (en) | Simple profiling (SPM) method conversion program and simple profiling (SPM) method conversion method | |
US9535917B1 (en) | Detection of anomalous utility usage | |
CN112615372A (en) | Voltage interference device-containing zone detection method based on coefficient of variation | |
KR102158100B1 (en) | Auto monitoring method and apparatus by using anomaly detection | |
Gerber et al. | Identification of harmonics and sidebands in a finite set of spectral components | |
CN114518988A (en) | Resource capacity system, method of controlling the same, and computer-readable storage medium | |
Lyubushin | Wavelet-aggregated signal and synchronous peaked fluctuations in problems of geophysical monitoring and earthquake prediction | |
CN116340388A (en) | Time sequence data compression storage method and device based on anomaly detection | |
RU141416U1 (en) | MAIN COMPONENT CHANGE SIGNAL | |
CN111192454B (en) | Traffic abnormity identification method and system based on travel time evolution and storage medium | |
Bones et al. | Improving multivariate data streams clustering | |
Akhouayri et al. | Signal stationarity testing and detecting of its abrupt change | |
Serinaldi et al. | Probability Distribution of Waiting Time of the k th Extreme Event under Serial Dependence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM9K | Utility model has become invalid (non-payment of fees) |
Effective date: 20190529 |