[发明专利]一种ETC系统的评测方法在审
申请号: | 201410603111.1 | 申请日: | 2014-10-31 |
公开(公告)号: | CN105550490A | 公开(公告)日: | 2016-05-04 |
发明(设计)人: | 王耀斌 | 申请(专利权)人: | 陕西盛迈石油有限公司 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 西安亿诺专利代理有限公司 61220 | 代理人: | 刘斌 |
地址: | 710065 陕西省西安市高新*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 一种ETC系统的评测方法,属于测控方法领域。其特征在于通过测定方差,峰度和偏度,样本均值对随机变量的变异程度、离散程度、分布的陡峭程度和对称程度、样本总体表现的耗时长短、具有相同属性的不同样本之间的差异性等方面进行分析,进行对ETC系统的评测。通过随机过程与数理统计的方法对ETC交易耗时进行数字特征分析与参数估计,可以对ETC系统的整体性能进行综合评价,可横向分析对比不同软硬件之间性能的优劣,为ETC系统软硬件选型提供可靠参考依据,可以纵向分析不同时间段内ETC系统的交易耗时的变化情况,从而对系统整体性能的改善或下降进行综合评价。 | ||
搜索关键词: | 一种 etc 系统 评测 方法 | ||
【主权项】:
一种ETC系统的评测方法,其特征在于包括如下步骤:(1)方差是度量总体(或样本)各随机变量间变异程度的总体参数或样本统计量;标准差是各变量偏离平均数的距离平均数,它能反映样本的离散程度;标准差是方差的算术平方根,公式表示为:(1)式中:S为样本标准差;n为样本容量;Xi为样本点值;为样本均值;(2)峰度和偏度是与正态分布相对比,描述随机变量分布的陡缓程度和对称程度的数字特征;随机变量的峰度值越大,表明其分布形态比正态分布越陡峭,且具有更长的尾部;偏度值为正值,相比正态分布向右偏,反之则向左偏;公式表示为:(2);(3),式中:UU为峰度;Sk为偏度;S为样本标准差;n为样本容量;Xi为样本点值;为样本均值;(3)样本均值只可表示样本的平均交易时间,但并不是总体真实的均值,且由于无法穷举ETC交易各种可能耗时的概率,因此只能在一定的正确度与精确度的要求下构造出适当的区间,以作为总体分布参数的真值所在范围的估计,即总体数学期望的区间估计;对于大样本的总体数学期望的双侧置信区间公式为:(4),式中:θL为置信区间下限;θU为置信区间上限;为样本均值;为在显著性水平下正态分布的分位数;S为样本标准差;n为样本容量;(4)由于ETC交易耗时只可能为正值,且评价主要关注交易可以在多少毫秒内完成,因此可以采用大样本近似正态法进行单侧参考值范围区间估计,公式表示为:(5),式中:CU为置信区间上限;为样本均值;Uα为在α显著性水平下正态分布的分位数;S为样本标准差;(5)Z检验是基于假设检验理论用于检验大样本之间均值差异性检验的方法;Z值的计算公式为:(6),式中:为第一组样本均值;为第二组样本均值;S1为第一组样本方差;S2为第二组样本方差;n1为第一组样本数;n2为第二组样本数。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于陕西盛迈石油有限公司,未经陕西盛迈石油有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201410603111.1/,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算;推算;计数
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用