山西预警台站运行指标自动化产出程序

国家地震烈度速报与预警工程可以在地震发生后为人民群众紧急避险和政府灾后救援提供科技引导。该项目自建成以来,已产出大量预警台站观测数据,这些数据质量影响着地震预警系统的速度和准确度。实现台站运行指标的自动化产出不仅可以方便日常工作任务,还可以提高片区运维效率。因此,可设计基于Python语言的自动推送程序,分类读取计算山西1 096个预警站点的运行数据,生成规范格式的统计表,通过企业微信机器人定时推送工作群并提醒查阅,最终实现山西预警台站运行指标的自动化产出功能。

BSPST:形变监测仪器故障分类算法

针对现有形变监测仪器发生故障时故障类别难以准确分类的问题,提出了一种基于最大区分子序列(Shapelet)转换的时间序列分类算法(best qualify Shapelet Transform,BSPST)。为了提升Shapelet质量,利用布隆过滤器和相似度匹配保留一组高质量的候选Shapelet来构建分类模型,BSPST利用布隆过滤器筛选出同类别中重复的符号聚合近似(symbolic aggregation approximation,SAX)单词。随后通过位图中标记的单词来评价SAX单词的重复度,以此去除类别中相似的SAX单词。最终将处理后的符号聚合近似单词转化为高质量的Shapelet。通过Shapelet转换技术,对数据进行转换。最后采取集成分类器进行分类。根据地震形变仪器故障数据建立了7个地震设备故障数据集,并结合东安格利亚大学和加州大学河滨分校时间序列分类仓库中选取的44个数据集和具代表性的最先进的方法进行了充分的实验验证。结果表明,BQST算法在分类精度、分类速度上稳居前列,有效解决了形变监测仪器的故障分类问题。