排序方式： 共有5条查询结果，搜索用时 15 毫秒
1
1.
2.
3.
4.
以JOPENS系统实时流接收为基础,应用Redis共享内存技术和近年来发展较快的深度学习震相自动识别技术,设计一套可7×24小时不间断稳定接收并实时识别连续地震流数据中P、S震相的系统,为地震台网实时数据处理提供一套辅助工具,并在福建省地震局测震台网128个台站的实时数据流上进行测试。该工具由Redis实时数据流共享模块与深度学习震相到时自动拾取、MSDP震相格式转换3个模块组成,可以实时接收并自动识别台网地震连续波形,生成P、S震相报告,并可导入MSDP人机交互工具进一步处理,在一定程度上可以减轻人工处理工作量。 相似文献
5.
多年来在对地、市（县）气象台（站）的资料处理中，时有发现某些台站对不正常自记风日最大挑取处理有不妥当现象，使不该缺测的记录而缺测。为了保证气象资料的准确性，曾在实践中摸索出了比较具体的对不正常自记风日最大的挑取方法。其方法主要围绕如何判定日最大风速是否出现在缺测时间内，及如何判定从实有的自记迹线中挑取的日最大是否有使用价值，并提出了三条具体分析方法。同时对不同实例进行了逐步推理剖析，使该方法更为明 相似文献
1