扩展不确定度（精选十篇）
扩展不确定度 篇1
1 材料与方法
1.1 原理
样品经溶剂解吸后,在色谱柱中将甲苯分离出来,用氢火焰离子化检测器检测,以峰面积在标准曲线上定量。
1.2 测定
样品碳管打开,用1 ml二硫化碳浸溶,密封摇匀,解吸30 min,用微量注射器取1 μl在适合的色谱条件下进样测定,见图1。
1.3 数学模型
工作曲线回归方程Y=a+bX,样品浓度X=(Y-a)/b
2 结果与分析
2.1 测定结果不确定度来源
①标准储备液的不确定度及稀释过程所引入的不确定度。②样品制备过程:主要是样品解吸的体积校准。③试样、标样的峰面积:由进样器不确定度决定。④最小二乘法拟合标准曲线得出C样时所产生的不确定度。⑤随机效应导致的相对不确定度即重复条件下的相对标准偏差。
2.2 不确定度的评定
2.2.1 标准储备液的不确定度
甲苯标准储备液(GSB 07-1200-2000)为国标中心提供,质量浓度为1000 μg/ml,标准证书给出相对不确定度2%。
标准稀释的不确定度由微量进样器引入,据JJG 700-1999《气相色谱仪检定规程》,微量进样器的RSD≤1%,按矩形分布考虑,其相对标准不确定度为:
undefined
则标准储备液引入的相对不确定度:
undefined
2.2.2 样品制备过程引入的不确定度
样品制备过程主要是解吸液的体积影响。JJG 196-2006规定,20 ℃时1 ml吸量管的容量允差为±0.008 ml,玻璃量具的计量是采用称量差值换算成纯水体积所得,故取三角分布,则其引入的不确定度:
undefined
实验室常置温度为26 ℃,则温差引起的吸量管的标准不确定度:
undefined
样品解吸引入的相对不确定度:
undefined
2.2.3 样品、标准品的峰面积不确定度由进样器不确定度决定:
undefined
2.2.4最小二乘法拟合标准曲线校准得出C样所产生的不确定度
C样为10 μg/ml时,Y1为119 347.3,Y2为119 352.1,Y3为119 365.2;C样为50 μg/ml时,Y1为610 715.0,Y2为610 729.3,Y3为610 725.6;C样为400 μg/ml时,Y1为5 395 517.1,Y2为5 395 538.5,Y3为5 395 525.3。
undefined。
undefined
undefined
undefined
对样品进行10次测量,结果为3.8、3.9、3.8、4.0、3.8、3.7、3.9、3.6、3.5、4.0 μg/ml,测得甲苯含量均值C样=3.8 μg/ml。
标准曲线的相对不确定度
undefined
2.2.5 重复性实验 甲苯质量分数单次的测量不确定度
undefined
平均值的不确定度
undefined
undefined
2.3 相对合成标准不确定度
undefined
扩展不确定度按国际惯例,取包含因子k=2,则扩展不确定度U=k×0.25×3.8=2×0.25×3.8=1.9 μg/ml
2.4 结果报告
据GBZ/T 160.42-2007的方法,测定作业场所空气中甲苯含量的测定结果为(3.8±1.9)μg/ml;k=2。
3 结论
本法对测试过程系统效应产生的不确定度进行了充分评估,确定了该条件下甲苯含量测定的扩展不确定度。所评定的不确定度值只是一个观测列的平均值的参数,测试结果的平均值及其不确定度值只用于合格判定,不用于量值的传递,此时可不考虑自由度计算[2],同样此法可用于气相法日常测定的扩展不确定度计算,具有简单、数理清晰的优点,便于应用。
摘要：目的介绍气相色谱法测定工作场所空气中甲苯的结果扩展不确定度的简化评定方法。推广实验室测量结果不确定度的应用。方法确定和计算测定过程各不确定度分量,最后整体合成。结果气相色谱法测工作场所空气中甲苯的扩展不确定度为1.9μg/ml。结论该法评定过程合理,思路简捷,适用于实验室气相法测定扩展不确定度的日常应用。
关键词：气相色谱法,甲苯,扩展不确定度
参考文献
[1]JJF1059-1999.测量不确定度评定与表示.
测量不确定度 篇2
开放分类： 仪器、测量
测量不确定度是指“表征合理地赋予被测量之值的分散性，与测量结果相联系的参数”。
这个定义中的“合理”，意指应考虑到各种因素对测量的影响所做的修正，特别是测量应处于统计控制的状态下，即处于随机控制过程中。也就是说，测量是在重复性条件(见JJG1001－1998《通用计量术语及定义》第条，本文××条均指该规范的条款号)或复现性条件(见
条)下进行的，此时对同一被测量做多次测量，所得测量结果的分散性可按现性标准〔偏〕差sR表示。
条的贝塞尔公式算出，并用重复性标准〔偏〕差sr或复
定义中的“相联系”，意指测量不确定度是一个与测量结果“在一起”的参数，在测量结果(见整表示中应包括测量不确定度。
条)的完
测量不确定度从词义上理解，意味着对测量结果可信性、有效性的怀疑程度或不肯定程度，是定量说明测量结果的质量的一个参数。实际上由于测量不完善和人们的认识不足，所得的被测量值具有分散性，即每次测得的结果不是同一值，而是以一定的概率分散在某个区域内的许多个值。虽然客观存在的系统误差是一个不变值，但由于我们不能完全认知或掌握，只能认为它是以某种概率分布存在于某个区域内，而这种概率分布本身也具有分散性。测量不确定度就是说明被测量之值分散性的参数，它不说明测量结果是否接近真值。
为了表征这种分散性，测量不确定度用标准〔偏〕差表示。在实际使用中，往往希望知道测量结果的置信区间，因此，在本定义注1中规定：测量不确定度也可用标准〔偏〕差的倍数或说明了置信水准的区间的半宽度表示。为了区分这两种不同的表示方法，分别称它们为标准不确定度和扩展不确定度。
在实践中，测量不确定度可能来源于以下10个方面：
(1)对被测量的定义不完整或不完善；
(2)实现被测量的定义的方法不理想；
(3)取样的代表性不够，即被测量的样本不能代表所定义的被测量；
(4)对测量过程受环境影响的认识不周全，或对环境条件的测量与控制不完善；
(5)对模拟仪器的读数存在人为偏移；
(6)测量仪器的分辨力或鉴别力不够；
(7)赋与计量标准的值和参考物质(标准物质)的值不准；
(8)引用于数据计算的常量和其它参量不准；
(9)测量方法和测量程序的近似性和假定性；
(10)在表面上看来完全相同的条件下，被测量重复观测值的变化。
由此可见，测量不确定度一般来源于随机性和模糊性，前者归因于条件不充分，后者归因于事物本身概念不明确。这就使得测量不确定度一般由许多分量组成，其中一些分量可以用测量列结果(观测值)的统计分布来进行估算，并且以实验标准〔偏〕差(见
条)表征；而另一些分量可以用其它方法(根据经验或其它信息的假定概率分布)来进行估算，并且也以标准〔偏〕差表征。所有这些分量，应理解为都贡献给了分散性。若需要表示某分量是由某原因导致时，可以用随机效应导致的不确定度和系统效应导致的不确定度，而不要用“随机不确定度”和“系统不确定度”这两个业已过时或淘汰的术语。例如：由修正值和计量标准带来的不确定度分量，可以称之为系统效应导致的不确定度。
不确定度当由方差得出时，取其正平方根。当分散性的大小用说明了置信水准的区间的半宽度表示时，作为区间的半宽度取负值显然也是毫无意义的。当不确定度除以测量结果时，称之为相对不确定度，这是个无量纲量，通常以百分数或10的负数幂表示。
在测量不确定度的发展过程中，人们从传统上理解它是“表征(或说明)被测量真值所处范围的一个估计值(或参数)”；也有一段时期理解为“由测量结果给出的被测量估计值的可能误差的度量”。这些曾经使用过的定义，从概念上来说是一个发展和演变过程，它们涉及到被测量真值和测量误差这两个理想化的或理论上的概念(实际上是难以操作的未知量)，而可以具体操作的则是现定义中测量结果的变化，即被测量之值的分散性。早在七十年代初，国际上已有越来越多的计量学者认识到使用“不确定度”代替“误差”更为科学，从此，不确定度这个术语逐渐在测量领域内被广泛应用。1978年国际计量局提出了实验不确定度表示建议书INC-1。1993年制定的《测量不确定度表示指南》得到了BIPM、OIML、ISO、IEC、IUPAC、IUPAP、IFCC
七个国际组织的批准，由ISO出版，是国际组织的重要权威文献。我国也已于1999年颁布了与之兼容的测量不确定度评定与表示计量技术规范。至此，测量不确定度评定成为检测和校准实验室必不可少的工作之一。由于测量不确定度的理论较新，在理解上有一定难度。本文就不确定度的一些特点进行讨论。
一、测量结果是一个区域
测量的目的是为了确定被测量的量值。测量结果的品质是量度测量结果可信程度的最重要的依据。测量不确定度就是对测量结果质量的定量表征，测量结果的可用性很大程度上取决于其不确定度的大小。所以，测量结果表述必须同时包含赋予被测量的值及与该值相关的测量不确定度，才是完整并有意义的。
表征合理地赋予被测量之值的分散性、与测量结果相联系的参数，称为测量不确定度。字典中不确定度（uncertainty）的定义为“变化、不可靠、不确知、不确定”。因此，广义上说，测量不确定度意味着对测量结果可信性、有效性的怀疑程度或不肯定程度。实际上，由于测量不完善和人们认识的不足，所得的被测量值具有分散性，即每次测得的结果不是同一值，而是以一定的概率分散在某个区域内的多个值。虽然客观存在的系统误差是一个相对确定的值，但由于我们无法完全认知或掌握它，而只能认为它是以某种概率分布于某区域内的，且这种概率分布本身也具有分散性。测量不确定度正是一个说明被测量之值分散性的参数，测量结果的不确定度反映了人们在对被测量值准确认识方面的不足。即使经过对已确定的系统误差的修正后，测量结果仍只是被测量值的一个估计
值，这是因为，不仅测量中存在的随机效应将产生不确定度，而且，不完全的系统效应修正也同样存在不确定度。
原来流量量传体系中要求上一级标准器的允许误差需小于下一级标准器的1/2～
1/3，不确定度理论的发展使得大家认可测量结果的不确定度按不确定度评定方法进行分析，当被测仪器重复性很好且测量过程得到较好控制时，两级标准器不确定度的差异可能会相差无几，这样就大大减少了传递过程中精度的损失，使得量值传递体系更为合理。
二、不确定度与误差
概率论、线性代数和积分变换是误差理论的数学基础，经过几十年的发展，误差理论已自成体系。实验标准差是分析误差的基本手段，也是不确定度理论的基础。因此从本质上说不确定度理论是在误差理论基础上发展起来的，其基本分析和计算方法是共同的。但在概念上存在比较大的差异。
测量不确定度表明赋予被测量之值的分散性，是通过对测量过程的分析和评定得出的一个区间。测量误差则是表明测量结果偏离真值的差值。经过修正的测量结果可能非常接近于真值（即误差很小），但由于认识不足，人们赋予它的值却落在一个较大区间内（即测量不确定度较大）。测量不确定度与测量误差在概念上有许多差异.三、不确定度的A类评定与B类评定
用对观测列的统计分析进行评定得出的标准不确定度称为A类标准不确定度，用不同于对观测列的统计分析来评定的标准不确定度称为B类标准不确定度。将不确定度分为“A”类与“B”类，仅为讨论方便，并不意味着两类评定之间存在本质上的区别，A类不确定度是
由一组观测得到的频率分布导出的概率密度函数得出：B类不确定度则是基于对一个事件发生的信任程度。它们都基于概率分布，并都用方差或标准差表征。两类不确定度不存在那一类较为可靠的问题。一般来说，A类比B类较为客观，并具有统计学上的严格性。测量的独立性、是否处于统计控制状态和测量次数决定A类不确定度的可靠性。
三坐标测量不确定度评定 篇3
摘 要：本文对三坐标测量以?40mm3等标准环规进行了实例评定，对三坐标尺寸检测方法的改进有一定意义。
关键词：三坐标；不确定度
中图分类号： U467 文献标识码： A 文章编号： 1673-1069（2016）18-190-2
1 试验部分
1.1 试验任务
测量?40mm3等标准环规刻度线处的直径D。
1.2 试验原理、方法和条件
1.2.1 试验原理
接触式，直接法，绝对测量。
1.2.2 试验方法
在三坐标测量机PRISMO上测量，测量前将标准环规固定于三坐标测量工作平台上，将仪器调整满足测量需要的状态。测量时，首先在环规刻度线处取对称两点x1、x2，构成环规的一条弦x1x2，并确定弦的中心O（以O点为坐标原点），在环规刻度线处取一点A0，连接OA0交环规另一边A（以AA0为坐标X轴），则A、A0在坐标X轴上读数差即是环规刻度线处的直径值D。
1.2.3 试验条件
试验环境温度为（20±1）C，温度变化每小时不应超过0.5℃/h，环境相对湿度为≤65%；
三坐标测量机常年固定安装在实验室内，受测标准环规置于实验室内的平衡时间24小时以上。
2 数学模型
由试验原理和方法，得到数学模型：
4 测量不确定度来源及说明
测量不确定度来源及说明见表1：
5 标准不确定度评定
5.1 由三坐标测量机的示值误差引入的标准不确定度分量u1
根據设备出厂证书三坐标测量机最大允许误差MPE为±（1.4+L/333mm）m，符合均匀分布，k=，
受测标准环规的直径按40mm计算，
则：u1=（1.4+40/333）/=0.8777μm
5.2 由测量重复性引入的标准不确定度分量u2
在各种条件均不改变的情况下，在短时间内重复性测量20次（即n=20）。实验数据见表2。
5.3 由测量环境温度变化引入的标准不确定度分量u3
由于测量设备及环规置于实验室恒温恒湿的环境中足够时间，且测量过程中启用测量设备温度补偿功能，避免温度变化引起设备与环规的热膨胀，因此此项因素引起的测量不确定度分量可忽略不计，则u3=0。
5.4 由测量原理引入的标准不确定度分量u4
测量时，在环规上取两点x1、x2，构成环规的一条弦x1x2，弦x1x2的位置及长度可引入标准不确定度分量，由三坐标测量机最大允许误差MPE为±（1.4+L/333mm）m，符合均匀分布，k=，受测标准环规的弦x1x2按30mm计算，则：
u4=（1.4+30/333）/=0.86m
5.5 由测量对象（标准环规）引入的标准不确定度分量u5
根据JJG894-1995《标准环规检定规程》3等标准环规=10～50mm的最大直径变动量和锥度分别是0.5m和0.8m，并假定其在该范围内等概率分布，则由标准环规引入的标准不确定度分量u5/=0.545m。
6 合成标准不确定度
6.1 主要标准不确定度分量汇总表
扩展不确定度 篇4
随着传感器网络和无线射频网络的快速发展，产生了大量的不确定性数据，而XML文档由于其自身的特点，可以很好地管理这些不确定性数据，从而形成了不确定的XML文档。XML数据管理的一个重要方面就是XML数据的查询，XML数据的查询可分为结构查询和关键字查询。XML结构查询虽然能够返回精确的查询结果，但是需要用户会使用XML查询语言，并且了解XML文档的结构信息，这对于大多数的用户是不现实的，而XML关键字的查询非常简单、方便，用户只需要输入查询关键字就可得到想要的查询结果，因此不确定XML文档的关键字查询变得越来越重要。
文献[1]最早提出了SLCA节点的概念，并且将普通XML文档关键字查询的问题归结为求解SLCA节点的问题，以SLCA节点为根的XML文档片段包含了所有的查询关键字，且不存在该文档片段的子文档片段也包含全部的查询关键字。该文献提出了三种求解SLCA节点的方法，分别是Stack算法，ILE算法和SE算法。这三种算法都是根据倒排索引得到包含查询关键字的XML文档节点，然后根据得到的节点求解SLCA节点，利用倒排索引避免了使用遍历普通XML文档的方法来得到包含查询关键字的XML节点，但是这三种算法在具体实现的时候，都需要反复的字符串的比较。2003年，文献[2]提出了DIL算法求解SLCA节点，但是该算法也是需要反复的字符串的比较，效率不高。2007年，孔令波等人根据SLCA节点具有按“层”分布的特点，在文献[3]中提出了两种实现普通XML文档关键字查询的算法，分别为LISA I和LISA II，这两种算法的效率均优于已有的算法，其中LISA II算法由于利用整数的比较代替字符串比较，使得第二种算法的效率更高。文献[4]综述了不确定XML文档Top-k查询思想，并提出了相应的不确定XML关键字查询算法。文献[5]中提出了Pr Stack算法，该算法实现了不确定XML上的关键字查询，但是Pr Stack算法在得到包含查询关键字的文档节点时，并不是根据倒排索引得到，而是遍历文档上的所有节点，当不确定XML文档比较大时，显然遍历文档的所有节点会造成很大的时间浪费，且Pr Stack算法在实现的过程中，需要频繁的字符串的比较，效率进一步下降。以上的文献都是基于树模式，文献[6]提出了基于数据流模式的XML文档上的关键字查询。2012年，崔健等人提出了Fast Match算法[7]，将求解SLCA根节点和构造结果子树的过程合并，提高了效率。
目前对于普通的XML文档已经提出了多种关键字查询算法，这些算法首先根据倒排索引得到文档中包含查询关键字的节点，然后根据得到的节点进行关键字的查询，有效地避免了遍历XML文档中节点的操作。对于不确定XML文档的关键字查询算法研究还很少，已有的算法需要遍历文档中的节点，并且需要频繁的字符串的比较。本文提出一种基于扩展倒排索引的不确定XML文档关键字查询算法，由扩展倒排索引即可得到包含关键字的文档节点有关信息，且利用整数的比较来代替字符串的比较，提高了不确定XML文档关键字查询的效率。
1 预备知识
1.1 不确定XML数据模型
目前对于不确定XML文档的研究首先是对其建立恰当的数据模型，本文采用p-文档模型[8]，这种模型由普通节点和分布式节点两种类型的节点组成，该模型将概率值附加于文档树的边上，各节点的概率依赖于其祖先的概率。在p-文档模型中，最常用的有两种分布类型节点:一是独立类型节点ind，独立节点在p-文档树中出现的概率是独立的，不受其他节点的影响;二是互斥类型节点mux，互斥节点在p-文档树中只能出现一个或者全不出现。文档中节点用Dewey编码[9]进行编码，如图1所示。
1.2 节点包含查询关键字情况的计算方法
文献[5]提出了求解不确定XML文档中节点包含关键字情况的计算方法，下面简单介绍一下。
概率分布表用来表示不确定XML文档中节点包含关键字的情况，概率分布表的基本结构如图2所示，概率分布表由2n(n为查询关键字的个数)个二元组<bt,P>组成。对于每一项二元组<bti,Pi>,bti是n个二进制位组成的字符串，该字符串表示当前节点所包含的查询关键字，若bti的第j项二进制位等于1，则表示当前节点包含第j个查询关键字，否则不包含;Pi表示当前节点包含二进制位字符串表示的关键字集合的概率，如查询关键字是(wang,DB)，则二元组(01,0.9)表示查询关键字wang不出现，而查询关键字DB出现的概率是0.9。
设父亲节点P每一个孩子节点Ci概率分布表中的二元组为<btx,Px>(0≤x≤2n-1)，条件概率是fi:
1)若节点P是ind类型的节点，首先根据式(1)更新每一个孩子节点Ci概率分布表，更新后的概率分布表设为:
然后按照式(2)的方法更新父亲节点的概率分布表，设为，假设父亲节点P概率分布表中的二元组为<bty,Py>:
2)若节点P是mux类型的节点，首先根据式(3)更新每一个孩子节点Ci概率分布表，更新后的概率分布表设为tabi↑:
然后根据式(4)更新父亲节点的概率分布表，设为tabp↑，假设父亲节点P概率分布表中的二元组为<btz,Pz>:
最后需要将tabp↑的“00…00”项的概率更新，更新公式如式(5)所示:
3)若节点P是普通节点，处理方法与处理ind类型节点相同，区别在于当二元组中bt为“111...111”项对应的概率不为零时，说明该节点是SLCA节点，则输出该节点Dewey编码和概率值，并将“111...111”项对应的概率值置零。
2 扩展倒排索引
为了避免遍历不确定XML文档中的节点，提高不确定XML关键字查询的查询效率，快速定位文档中包含关键字信息的情况，提出扩展倒排索引技术聚集存储具有相同元素标签节点的相关信息。扩展倒排索引包括有序的单词词典和倒排文件两部分，单词词典唯一存储文档中所有的元素标签，并将对应标签的节点相关信息存储在倒排文件中，基本结构如图3所示，其中Label表示当前节点元素标签，存储一系列索引项Label的列表结构即单词词典;倒排文件中存储对应每个Label元素标签的节点信息，即Node Info结构。Node Info结构如图4所示，其中Number List表示从根节点到当前节点路径上的先序遍历编号序列;Level表示节点所在的层次编号;Type表示父亲节点类型，不确定XML文档中的节点有三种类型，即普通类型节点O、独立类型分布节点ind、互斥类型分布节点mux;Path Probabilities表示从根节点到当前节点的条件概率集合，其中默认根节点条件概率为1;Dewey表示节点Dewey编码值;因为式(5)需要孩子节点的条件概率，因此利用Child CP存储当前节点的孩子节点的条件概率集合，若当前节点为普通类型节点、ind类型节点或叶子节点，则该项的值为NULL，其中Number List、Path Probabilities,Child CP均用数据表示。图1文档树中两个元素标签wang对应扩展倒排索引结构如图5所示，其中编码为0.0.0.0的wang节点:由根节点到该节点的先序遍历编号序列为0,1,2,3;其所在的层数为4层;父亲节点是普通类型的节点;根节点到该节点的条件概率集合为(1,1,1,1);因为wang是叶子节点，因此其Child CP项的值为NULL。
3 基于扩展倒排索引的不确定XML关键字查询处理算法Pr E
算法主要分为以下几个步骤:首先在扩展倒排索引的单词列表中匹配出用户给出的查询关键字，然后将包含查询关键字的节点相关信息存入动态哈希表中，并将Number List按由小到大顺序依次放入序号链表中，即初始化动态哈希表和序号链表，然后利用栈结构结合序号链表中Number List信息，更新动态哈希表中概率分布信息，将包含关键字情况依次传递给上一层祖先节点，返回满足SLCA语义的节点编码及其对应的概率值。
3.1 动态哈希表
算法设计动态哈希表自底向上传递包含关键字的情况，有效减小中间结果的存储规模。动态哈希表以如下形式进行组织:动态哈希表的Key值PTNo(Preorder Traversal Number)表示当前节点的先序遍历序号，即索引中Number List最后一位;每个索引项对应存储节点Node Info信息中的Level、Type、Path Probabilities、Dewey、Child CP值和概率分布信息Tab表。如图6所示。
3.2 序号编码链表
传统不确定XML关键字查询处理算法处理过程中需要字符串比较，这从某种程度上制约查询速度。为了避免字符串比较，算法设计序号编码链表由小到大存储包含关键字节点的Number List信息(从左到右比较两个Number List各层序号，当出现序号不相等的情况时，序号大的Number List大)，根据扩展倒排索引，用户给出查询关键字信息，得到序号编码链表，扩展倒排索引基本结构如图7所示。查询过程中，只需将Number List中的整数依次进行比较，自底向上传递关键字包含情况及其概率分布信息。
3.3 PrE算法描述
步骤1根据用户输入的查询关键字集合，利用扩展倒排索引初始化动态哈希表和序号编码链表L。
(1)根据用户输入的查询关键字集合，找到扩展倒排索引中对应的标签，设置i(i为查询关键字的个数)个指针分别指向对应标签指向的第一个元素。
(2)比较i个指针指向元素中Nodeinfo结点的Number List，将最小的Number List存入序号编码链表中，并根据该Nodeinfo结点初始化动态哈希表中元素，即Nodeinfo节点的Number List的最后一位等于哈希表中当前元素的key值，并利用Nodeinfo结点的Level、Type、Pathprobabilities、Dewey编码值初始化动态哈希表中当前元素的Value值，当前元素的Value值中的Tab项按照如下方法确定:若该元素的标签是查询关键字集合的第j项，则Tab项中第j-1项二元组的P值置1。当前指针后移。
(3)重复(2)，直到i个指针指向的链表全部遍历完。
步骤2将指针L指向的Number List中的序号自左向右分别进栈，并用变量size1存储栈的大小，指针L后移，变量size2存储指针L指向的Number List的大小。
(1)若size1小于或等于size2。
(I)比较栈顶元素和指针L指向Number List的第size 1-1位的值。
(a)若不相等，栈顶元素p出栈，在动态哈希表中找到Key值等于p的元素，若该元素Value值中的Type是O，且Tab中“11…111”项对应的概率不为零，输出该节点的Dewey编码，概率值等于Tab中“11…111”项对应的概率值乘以该节点的路径概率，并将该概率值置零，若该项Value值的Type是mux，利用式(5)更新Value值的Tab表，然后按照如下方法更新动态哈希表:若此时的栈顶元素q不存在于动态哈希表的Key值中，则将动态哈希表中Key值等于p的元素中的Level减1，根据Dewey编码的第size 1-2项的值更新Type值，然后根据Type值不同，利用式(1)或式(3)更新Tab项，将Path Probabilities的第size 1-1位的值放入Child CP中，然后在动态哈希表中增加元素，元素的Key值等于q,Value值等于p对应元素的Value值，删除Key等于p的元素;若此时的栈顶元素q存在于动态哈希表的Key值中，则根据动态哈希表中Key值等于p的元素中Type的不同，利用式(1)或式(3)更新Key值等于p的元素的Tab表，并利用式(2)或式(4)将该元素Tab表中的信息传递给哈希表中Key值等于q的元素，若Key值等于p的元素中Value值的Type为mux，将Key值等于p的元素中Path Probabilities的第size1项的值放入q的Child CP中，删除Key值等于p的元素，size 1值减1。重复执行步骤2(1)(I)。
(b)若相等，将指针L指向节点的第size1项到第size 2-1项的值依次入栈。
(2)若size1大于size2，栈顶元素和指针L指向Number List的第size 1-1位的值不相等，执行步骤2(1)(I)(a)，直到size1等于size 2，执行步骤2(1)(I)。
(3)转步骤2，直到L指向的节点为空。
步骤3若栈不为空，执行步骤2(1)(I)，此时视为不相等情况顺序执行步骤2(1)(I)(a)，直到栈为空。
3.4 PrE算法示例
下面以图1所示的不确定XML文档，查询关键字(wang,DB)为例来说明算法的执行过程。初始化后的动态哈希表和序号编码链表分别如图8和图9所示，并将序号编码链表中的第一个节点中的序号编码依次入栈，size1=4，此时L指针后移，size2=7。因为size1<size 2，则比较栈顶元素3和指针L指向节点第size1-1位值的大小是否相等，此时3≠5，栈顶元素3出栈;根据算法步骤2(1)(I)(a)步更新动态哈希表中元素，即更改动态哈希表中Key值等于3的元素Value值，Level更新为2,Value值中其余项不变，动态哈希表中增加元素，该元素的Key值等于2,Value值等于动态哈希表中Key值等于3的元素Value值，此时的size1更新为3。同理此时栈顶元素为2，而2≠4，继续更新动态哈希表。此时栈顶元素为“1”与指针L指向节点第1位值相等，因此当前指针L指向的节点序号编码第2位至第6位入栈，L指针后移，此时size1大小为7,size2大小为7。同上所述，根据栈顶元素与指针L指向节点第size 1-1位值的大小比较，栈顶元素依次出栈，修改动态哈希表，其中栈中元素1出栈时其对应的动态哈希表中Tab表“11”项对应的概率值为0.604，即节点0.0是一个SLCA，输出该节点Dewey编码和概率值。指针L继续后移，重复上述操作，直到L指针指向为空。此时因为栈不为空，栈中元素32,31,28,27,21,0依次出栈。其中21出栈时，其对应的动态哈希表中Tab表“11”项的值为0.54，算法执行过程中栈结构变化过程如图10所示，图中箭头指向栈变化的方向。最后结果求得SLCA为(0.0,0.604),(0.1.M0.0.0,0.54)。
4 实验结果分析
Pr E算法采用Java语言实现，而且实现了文献[4]提出的Pr Stack算法，并对这两种算法的时间性能进行了对比。实现采用的硬件环境如下:CPU型号为Inter(R)Core(TM)2 Duo CPU E7500@2.93GHz，内存大小为2.00G，操作系统为Microsof Windows XP Professional，实验工具为MyEclipse 7.0 Milestone-1，采用的JDK版本为JDK 6.0。实验测试所用数据集是在XML经典数据集DBLP文档结构的基础之上，利用一个随机化的算法随机加入一些不确定性的节点，合成具有不确定性节点的数据集。
实验部分共有两组测试来对比两种算法，第一组测试条件是相同的文档、不同的查询关键字，第二组测试条件是不同的文档、相同的查询关键字。每组实验均重复十次，得到的实验数据采用去掉最大值和最小值，取平均值的方法记录整理。查询用例见表1所示。
第一组测试选取文档大小为43.9 MB，分别执行表1所示的4个查询用例，查询结果如图11所示，第二组测试使用的查询用例为Q1，然后选取大小不同的7个文档进行测试，查询结果如图12所示，明显看出这两种情况下算法Pr E性能都要优于Pr Stack。原因归结于算法Pr E基于扩展倒排索引避免了遍历不确定XML文档的操作，且避免了大量的字符串的比较。
5 结语
为了避免在不确定XML关键字查询时遍历文档，提出一种扩展倒排索引技术，扩展倒排索引有效地存储了不确定XML文档中节点的有关信息，然后提出了基于扩展倒排索引技术的不确定XML关键字查询算法Pr E。该算法利用扩展倒排索引初始化动态哈希表和序号编码链表，从左向右依次遍历序号编码链表，在遍历的过程中利用整数的比较，进而将Number List依次入栈、出栈，在出栈操作时，更新动态哈希表。进一步的工作是对查询的精确性，即查询语义做更深入的研究。
参考文献
[1]Xu Y,Papakonstantinou Y.Efficient Keyword search for smallest LCAs in XML databases[C]//Proceedings of the ACM SIGMOD International Conference on Management of Data(SIGMOD 2005).New York:ACM Press,2005:527-538.
[2]Guo L,Shao F,Botev C,et al.XRANK:Ranked keyword search over XML document[C]//Proceedings of the ACM SIGMOD International Conference on Management of Data(SIGMOD 2003).New York:ACM Press,2003:16-27.
[3]孔令波,唐世渭,杨冬青.XML信息检索中最小子树根节点问题的分层算法[J].软件学报,2007,18(4):919-932.
[4]Liang Jeff Chen,Yannis Papakonstantinou.Supporting Top-k Keyword Search in XML Databases[C]//Proceedings of the 26th IEEE International Conference on Data Engineering(ICDE 2010).California,2010:689-700.
[5]Jiangxin Li,Chengfei Liu,Rui Zhou,et al.Top-k Keyword Search over Probabilistic XML Data[C]//Proceedings of the 27th International Conference on Data Engineering(ICDE 2011).Los Alamjtos:IEEE Press,2011:673-684.
[6]崔健,周军锋,郭景峰.Fast Match:一种高效的XML关键字查询技术[J].计算机应用研究,2012,29(6):2184-2187.
[7]Chengjing Zhang,Xiaoling Wang,Aoying Zhou.Efficient SLCA Computing Service for XML in Iaa S[C]//Proceedings of the 12th International Asia Pacific Web Conference(APWeb 2010).Busan,Korea,2010:277-283.
[8]Abiteboul S,Chan T H,Kharlamov E.Aggregate queries for discrete and continuous probabilistic XML[C]//Proceedings of the 13th International Conference on Database Theory.Lausanne,Switzerland:ACM Press,2010:50-61.
常用玻璃量器测量结果不确定度评定 篇5
关键词：常用玻璃量器 测量不确定度 示值误差 评定
1 概述
常用玻璃量器广泛应用在石油化工、食品卫生、环境检测等实验分析工作中。它包括滴定管、分度吸量管、单标线吸量管、单标线容量瓶、量筒和量杯六类玻璃量器，JJG196-2006《常用玻璃量器》对常用玻璃量器的容量允许误差进行了详细的规定，但仍不能满足一些行业部门对玻璃量器不确定度的要求。本文就选用10mL碱式滴定管，对其5mL和10mL两个检定点进行不确定度分析，以满足各行各业应用玻璃量器的化验室的需要。
2 概论
2.1 测量依据
JJG196-2006《常用玻璃量器》检定规程
2.2 测量方法
采用衡量法，通过天平称出被测量器中蒸馏水的质量，乘以测量温度下的K（t）值，即得20℃下的实际容量。
2.3 测量环境
室温为（20±5）℃，且变化量不大于1℃/h，水温与室温之差不大于2℃。
2.4 标准器
电子天平：（0～210）g/0.1mg；温度计：（15～25）℃/±0.2℃。
2.5 被测量器
被测量器为10mL，分度值为0.05mL的A级碱式滴定管。
3 数学模型
V20=m×K（t）
式中：V20——20℃下被测量器的实际容量，mL；
m——天平称出的蒸馏水的质量，m；
K（t）——测量温度下的修正值，mL/g。
4 不确定度来源
常用玻璃量器测量不确定度由以下3个分量组成：①检定点测量重复性引入的不确定度；②标准器引入的不确定度；③人员估读引入的不确定度。
5 不确定度一览表
■
6 不确定度评定
6.1 测量仪器天平引起的标准不确定度分量u1
此分量属于B类标准不确定度，（0～210）g天平证书给出的扩展不确定度为0.06mg（k=2），因此：
u1=0.06mg/2=0.03mg。
转换为容量单位u1=0.00003mL。
6.2 液面读数误差带来的标准不确定度分量u2
此分量属于B类标准不确定度。液面的正确观察方法是：前面的标线与后面的标线相重合，此时观察者的视线与液面在同一水平线上，然后用弯月面的最低点与分度线的上缘水平相切，由于操作人员掌握的方法不一致，所以产生一定的误差。10mL碱式滴定管分度值为0.05mL，由实际操作经验，可估读至最小分度值的1/5，为0.01mL，属均匀分布，故标准不确定度：
u2=0.01/■=0.006mL。
6.3 测量重复性误差带来的标准不确定度分量u3
此分量属于A类标准不确定度。分别对10mL碱式滴定管5mL和10mL两个检定点重复测量10次，具体数据如下：
5mL检定点：
■
运用贝塞尔公式得实验标准偏差：s（x）=■=0.0023mL
标准不确定度：u3=■=■=0.00073mL
10mL检定点：
■
运用贝塞尔公式得实验标准偏差：s（x）=■=0.00276mL
标准不确定度：u4=■=■=0.00087mL
7 合成标准不确定度和扩展不确定度
以上各不确定度各不相关，故10mL碱式滴定管5mL和10mL两个检定点的合成不确定度分别为：
5mL：uc1=■
=■=0.006mL
10mL：uc2=■
=■=0.006mL
扩展不确定度分别为：
5mL：U95=2×uc1=0.012mL （k=2）
10mL：U95=2×uc2=0.012mL （k=2）
8 结束语
修正值K（t）的引入大大减少了常用玻璃量器测量结果不确定度评定的工作量，也使得不确定度评定具有很高的相近性，符合上述条件的测量结果，一般可直接使用本不确定度的评定。
参考文献：
[1]JJG196-2006，常用玻璃量器[S].
[2]JJF1059-1999，测量不确定度评定与表示[S].
直接测量不确定度评定浅析 篇6
1 直接测量的数学模型及传播律分析
由测量仪器输出得到的量值就是被测量的估计值, 该过程叫做直接测量。如同一般的测量, 直接测量被测量的估计值除与直接测得值有关外, 还受测量装置、测量方法、测量条件 (温度、湿度、大气压、电源电压等) 、测量人员等因素 (影响量) 的影响, 而这些影响量是以某一确定的规律影响被测量的估计值的[2]。因此在考虑这些影响量后, 直接测量被测量的估计值在理论上将与这些影响量形成一定的函数关系, 这个函数关系可用函数的一般形式来表示:
式中, y———直接测量的被测量估计值;
x0———直接测得值;
x1, …, xn———影响量。
被测量估计值、直接测得值和影响量都是随机变量, 设这些量y, x0, x1, …, xn的随机变化量分别为δy, δx0, δx1, …, δxn, 则上式写成:
在直接测量中, 影响量的一个特点是, 在满足所要求的准确度下, 各影响量对测量结果的影响是比较小并可忽略的。因此将上式函数展开成泰勒级数后, 可合理地舍去二阶项, 直接取其一阶项作为近似值, 得
由上式可得
在式 (2) 中, 是影响量的影响系数, 如温度对影响长度的膨胀系数等。由式 (2) 可见, 直接测量被测量估计值的随机变化量是直接测得值的随机变化量、各影响量的随机变化量的代数和。
记σy、σxi分别被测量估计值和影响量的标准差, 运用随机变量的方差计算公式, 可得
直接测量的各影响量在测量过程变化区间窄、可引起的误差微小、相互之间的相关性弱, 因此可认为它们之间是独立的, 相关项Dij=ρij≈0, 则上式可简化成
2 直接测量不确定度的评定步骤
直接测量不需建立被测量估计值与各影响量之间的明确函数关系, 可利用上文的分析结果进行直接测量不确定度的评定[3]。
直接测量不确定度的评定步骤如下:
(1) 对测量系统进行分析, 列出因随机效应或系统效应而导致不确定度的所有可能的影响量;
(2) 分析影响量的性质及它们之间的关系, 舍去对测量不确定度贡献很小的影响量, 舍去在直接测得值的重复性中已包含的那些随机变化的影响量;
(3) 应用贝塞尔公式或极差法计算直接测得值的重复性, 对于测量列的测量次数较大时使用贝塞尔公式法, 次数较小时使用极差法;
(4) 分析影响量的分布并用B类评定法进行不确定度的评定。根据各影响量的特点, 确定其分布, 依据资料或实验数据确定影响系数, 计算该影响量的不确定度分量;
(5) 应用式 (4) 进行直接测量被测量估计值的测量不确定度的计算。
3 直接测量的标准不确定度评定实例
应用上面的分析结果, 评定使用一级自动焦度计检测标称值为-5.00m-1的验光镜片的检测结果的不确定度[4]。
(1) 该检测中, 对测量值有影响的因素有:
(1) 检测人员对镜片进行光学中心对中位置差异造成仪器光束落点的变化, 记为x1;
(2) 环境温度和湿度变化造成仪器示值发生变化, 记为x2;
(3) 供电电源不稳定, 记为x3;
(4) 外界杂光对仪器造成的干扰, 记为x4;
(5) 数显式仪器的分辨率限制, 记为x5;
(6) 自动焦度计的设计原理缺陷, 记为x6;
(7) 被测镜片后顶点和焦度计支座平面的距离变化, 记为x7;
(8) 验光镜片表面形状加工误差, 记为x8;
(9) 一级焦度计的不确定度, 记为x9。
(2) 这些影响量中, x1, x2, x3, x4主要以随机效应对测量值产生影响, 它们引起的不确定度可应用A类评定法通过重复性测量列进行评定得到;x5, x6, x7, x8, x9主要以系统效应对测量值产生影响, 它们引起的不确定度可应用B类评定法得到。
(3) 在重复性条件下, 对被测镜片进行10次重复测量, 得到数据列:-5.02、-5.01、-5.03、-5.02、-5.02、-5.03、-5.04、-5.02、-5.03、-5.02, 根据贝塞尔公式计算可得s=0.0069m-1。在实际工作中, 一般测量3次, 取平均值, 则平均值的实验标准差是。
(4) 使用B类法评定其他影响量导致的不确定度分量。
(1) 焦度计量化误差为均匀分布, 其分辨率为0.01m-1时所引起的标准不确定度。
(2) 自动焦度计设计原理缺陷主要是焦度计软件计算示值变化, 为±0.01m-1, 均匀分布, 。
(3) 被测镜片后顶点和焦度计支座平面的距离变化为±0.005m-1, 均匀分布, 。
(4) 验光镜片表面加工误差变化为±0.01m-1, 均匀分布, 。
(5) 一级标准焦度计的扩展不确定度为 (0.02~0.03) m-1 (k=3) , u9=0.03/3=0.01m-1。
(5) 被测量估计值的标准不确定度
4 总结
直接测量被测量的估计值的不确定度评定必须同时考虑直接测得值的重复性和诸影响因素产生的不确定度分量, 而直接测量的被测量与诸影响量之间一般不必建立明确的函数关系, 可利用影响因素有着变化范围窄、引起的误差小等特点, 使用适当的数学方法来处理直接测量被测量估计值与诸影响量之间的关系, 给出直接测量的不确定度评定, 只须直接在评定计算上加上诸影响量导致的各个不确定度项即可得到完整的测量不确定度[5]。
摘要：利用影响量在直接测量中的性质和应用适当的数学工具处理直接测量被测量估计值与诸影响量之间的关系, 给出直接测量的不确定度的传播公式和评定步骤。
关键词：直接测量,不确定度,评定
参考文献
[1]梁晋文, 陈林才, 何贡.误差理论与数据处理[M].北京:中国计量出版社, 2006.
[2]沙定国.误差分析与测量不确定度评定[M].北京:中国计量出版社, 2006.
[3]全国法制计量技术委员会.JJF 1059-2012测量不确定度评定与表示[S].北京:中国计量出版社, 2012.
[4]国家质量技术监督局计量司.测量不确定度评定与表示指南[M].北京:中国计量出版社, 2000.
电梯能效测试不确定度评定 篇7
1.1 测量依据:
DB32/T 2156-2012、DB33/T 771-2009
1.2 测量环境条件:
电网供电电压0~384.5V。机房温度保持在5-40℃之间。环境空气中无腐蚀性和易燃性气体及导电尘埃或在允许范围内无腐蚀性和易燃性气体及导电尘埃应设置检测警示牌, 已设。
1.3 测量标准:
电梯能效测试仪标准装置
1.4 被测对象:
在用及新安装电梯
1.5 测量过程:
(1) 测试点:测试点为试验电梯机房内电源闸箱的下口。 (2) 接线方式:将一台的测量线路连接好, 本测试采用三相三线接线方式, 即分别取测试三相电流和电压, 按照仪表提示完成测试测试流程。 (3) 运行模式:电梯停在1层, 测试开始后, 输入信号使电梯从1层直驶运行至顶层, 正常平层开门后, 再信号使电梯从顶层直驶运行至1层, 正常平层并完全开门后一个循环完成, 结束记录。同上、下端站直驶运行循环共进行三次, 分别记录, 取三次功耗的平均值作为最后结果。
2 数学模型及变量分析
式中:δ———修正为模拟实际工况法的电梯能源效率评价指标;
δ′———空载法测得的平均电梯能源效率评价指标;
μ1———换算系数 (2.17) ;
μ2———平衡系数修正系数 (0.45/k, k为该台电梯实际平衡系数) ;
由公式可知, μ1, μ2皆为常数, δ的不确定分量则主要来自δ′。从校验标准可知δ′=Ec/Wz
式中:Ec———电梯在规定工作周期内, 从电网输入的电能;
Wz———电梯在规定工作周期内, 轿厢完成运送负荷的运送量, 即每次运送的载荷与被移动的垂直距离乘积之和
式中:Qn———第n次轿厢内的有效载荷;
Sn———第n次运送有效载荷的垂直运行距离。
在实际测量中, 采用空载单次运行, 则总的电梯能源效率公式演变为δ=Ec/Σ (Qn×Sn) ×μ1×μ2
由于是空载, 轿厢重量基本不变, 可视为定量。
3 标准不确定度的评定
选取在用电梯, 电梯型号21VF, 额定载重量1600kg, 额定速度1m/s, 传动方式有齿, 平衡系数0.635, 调速方式VVVF, 功率18.5Kw。根据实际, 按照标准规定方法, 测得数值10组, 如表1。
根据公式推导可得, δ的不确定度是由Ec和Wz两个主要参量引入。因此分别对这两个参量进行分析。
3.1 标准不确定度u (Ec) 的评定
输入量Ec的标准不确定度u (Ec) 的来源主要是被测电梯工作变动等因素引起的测量不重复和标准器精度两个方面。
(1) 对于测量不重复, 采用A类评定。
实际测量中, 以3次均值为最终结果, 则有
考虑到标准器的读数分辨率为0.0001Kw.h, 则ua (Ec) =2.9×10-5Kw.h。
(2) 对于标准器精度, 采用B类评定
参考标准器ELE-1的技术参数, 能耗测量精度为±0.5%, 则有ub (Ec) =0.1917Kw.h×0.5%/1.732=5.5×10-4Kw.h。
(3) 合成u (Ec)
u (Ec) =5.5×10-4Kw.h。
3.2 标准不确定度u (Wz) 的评定
输入量WN的不确定度来源于被测电梯工作变动等因素引起的测量不重复和标准器精度两个方面。
(1) 对于测量不重复, 采用A类评定。
实际测量中, 以3次均值为最终结果, 则有
考虑到标准器的读数分辨率为0.0001km*t, 则ua (Wz) =2.9×10-5km*t。
(2) 对于标准器精度, 采用B类评定。
采用B类方法评定。考虑到校准器稳定度、调节细度及读数分辨力所引起的不确定度已包含在重复性条件下所得到的测量列的分散性中, 故在此不另作分析。
标准器测距仪说明书给出精度为±0.1m, 则有
(3) 合成u (WN)
u (WN) =9.6×10-5km*t。
4 合成标准不确定度的评定
(1) 灵敏系数
(2) 合成标准不确定度的计算
输入量Wx与WN彼此独立不相关, 所以合成标准不确定度可按下式得到, u (δ) =0.0061。
5 扩展不确定度的评定
取置信概率P=95%, k=2
扩展不确定度U95=ku (δ) =2×0.0061=0.0121。
参考文献
[1]朱伟.浅析电梯节能管理[J].中小企业管理与科技 (下旬刊) , 2012 (02) .
[2]陈盛康.浅谈电梯检验技术及安全[J].价值工程, 2013 (09) .
电子配料秤不确定度评定 篇8
1.1 通过阅读配料秤使用说明和秤体铭牌标识, 确定被检定电子配料秤的最小秤量, 最大秤量以及最小累计载荷, 选取最大秤量略大于被校准配料秤, 且最大允许误差不大于被检衡器最大允许误差的1/3的非自动衡器。附表1:
1.1.1 确定常用物料通过对被检电子配料秤使用现场的观察, 咨询操作人员, 确定受检配料秤日常所配物料, 注意其颗粒大小。
1.1.2 确定日常配料点现场翻阅配料记录, 咨询操作人员, 确定日常配料量点。
1.1.3 预加载荷并重复称量测试前, 秤应预加多次载荷由零到最大秤量并重复数次, 在卸去载荷后示值为零且能有效保持再进行其他试验。
1.2 零点测试或加载前的置零将秤量读数置于零位, 空秤运行30分钟后能有效保持。
1.3 称重测试前的准备选取足量被检衡器常用物料供被动态称量测试使用;检定控制衡器, 其误差不大于被检衡器最大允许误差的1/3。
在物料测试前, 必须测试静态称量性能。加载时应从零点起逐步加到最大秤量, 然后以同样的方式卸载至零点, 称量点至少要选择10个 (必须包括最大秤量点和最小秤量点) 。采用附加砝码的方法以确定每一秤量点的误差。
1.4 动态称量测试
1.4.1 测试点选取一般至少应进行4个点的物料试验, 即最小秤量点、最大秤量点、接近最小累计载荷的某一秤量点和日常配料量点, 并对被检衡器日常配料量结果进行校准。
1.4.2 控制衡器称重利用控制衡器, 称出与测试点等量的试验用物料。
1.4.3 物料测试将称重后的试验物料倒入被检衡器配料斗中, 记录受检配料秤称重读数, 并将该过程重复10次以上。
在物料试验过程中, 应启动自动称量操作。自动称量操作和显示都能在主累计指示装置上观察和记录。在控制衡器上称量的被称载荷, 它的结果作为被称载荷的质量真值考虑。
2 测量结果不确定度评定
2.1 评定依据JJF1059-1999《测量不确定度评定与表示》;JJG555-1996《非自动衡器检定规程》;JJG648-1996《非连续累计自动衡器检定规程》。
2.2 数学模型△M=M-M0
式中:△M———电子配料秤自动称量示值误差;
M———电子配料秤称量结果示值;
M0———控制衡器称得测试点物料质量。
2.3 测量结果不确定度的A类评定以某0.2级分度值2kg最大秤量4500kg的电子配料秤为例, 对常用4000kg点进行10次测量, 结果为:4002, 4000, 4000, 3998, 3998, 4000, 4000, 4000, 4000, 4000 (单位:kg) , 计算平均值:
自由度vi=n-1
本次测量的A类不确定度为0.35kg。
2.4 测量结果不确定度的B类评定
2.4.1 不确定度来源 (1) 测量重复性, 即A类不确定度, 记为:u1=0.35kg, 灵敏系数。 (2) 控制衡器鄣M误差引起的不确定度, 记为u2。配料4000kg时一般选用最大秤量5000kg, 分度值2kg的秤为控制衡器, 查JJG555-1996《非自动衡器检定规程》可知其4000kg最大允许误差±2kg, 取半区间为1kg, 按均匀分布处理, 置信概率P%=100%, u2=0.58kg, 灵敏系数。 (3) 估读数误差引起的不确定度, 记为u3。取分鄣M0度值2kg的1/5即0.4kg为半区间, 按均匀分布处理, 置信概率P%=100%。, u3=0.23kg, 灵敏系数。 (4) 试验物料摆放不均匀引起的不确定度, 记为鄣Mu4。按照实际工作经验, 一般取0.3kg为半区间, 按正态分布处理, 置信概率P%=50%。k50=0.67, u4=0.45kg, 灵敏系数。 (5) 试验物料颗粒大小引起的不确定度, 记为u5。按照实际情况, 该秤常用物料是粗石子, 一般取0.5kg为半区间, 按正态分布处理, 置信概率P%=95%。k95=2, u5=0.25kg, 灵敏系数。
2.5 合成标准不确定度由于输入量彼此独立不相关, 因此对于电子配料秤动态称量结果的合成标准不确定度
2.6 扩展不确定度取k=2, 扩展不确定度U=kuc=1.76kg
2.7 相对扩展不确定度
综上述, 该电子配料秤4000kg称量点测量结果可表示为:m=3999.8kg, Urel=0.04%。
参考文献
[1]李慎安主编, 测量不确定度与检测辞典, 中国计量出版社, 1996.
[2]王江主编, 现代计量测试技术, 中国计量出版社, 1990.
[3]费业泰主编, 误差理论与数据处理, 机械工业出版社, 1981.
[4]赵亚军主编, 天平砝码秤测量不确定度评定, 中国质检出版社, 2012.
临床生化检验测量不确定度分析 篇9
1 资料与方法
1.1 一般资料
选取2013年4-5月我院收治的64例患者进行静脉血各项的生化检验。其中男38例, 女26例, 年龄26~67岁, 平均年龄 (30.27±7.65) 岁。所有患者均接受相应治疗, 并配合调查研究。所有患者身体的基本资料没有较大差异, 无统计学意义 (P>0.05) 。
1.2 方法
1.2.1 分析方法:
选择日立公司的自动生化分析仪和配套试剂, 对本次选取的64例患者进行生化检测, 抽取空腹患者5ml的静脉血液, 采取离心操作并分离血清, 检测各项生化指标。具体程序: (1) 首先进行批内CV检测, 将1d内室内质控品的20次测定结果作为根据, 并每天对室内质控品给予批内CV检测, 共检测20d, 并计算20d的检测结果。 (2) 偏倚CV计算方式为:重复测定定值质控血清3次, 计算平均值, 然后计算百分差值和偏倚CV, 计算公式:CV (bias) =相对差值品均值。
1.2.2 测指标方法:
选择速率法检测丙氨酸氨基转移酶、γ-谷氨酰转移酶和天门冬氨酸氨基转移酶;使用尿酸酶比色法进行尿酸检测, 使用双缩脲终点法进行总蛋白的检测, 使用酶法进行尿素氮和肌酐的检测, 选择胆固醇氧化酶的方法检测胆固醇, 选择氧化酶的方法检测葡萄糖。不确定度的来源主要有:偏倚因素, 批内因素和批件因素。
1.3 统计学分析
对本文所得数据均采用SPSS14.0统计学软件进行检验, 计量资料采用t检验, 计数资料采用χ2检验, P<0.05有统计学意义。
2 结果
对患者进行各项生化检验后, 其各指标不确定度为:总蛋白:2.92%, 肌酐:9.33%, 尿素氮:9.18%, 碱性磷酸酶:8.21%, 葡萄糖:4.08%, 清蛋白:7.22%, 谷氨酰转肽酶:14.18%, 具体数值见表1。
3 讨论
不确定度的测量为数字信息, 合理补充测量结果, 显示这一结果的怀疑程度, 根据应用系统的差异, 不确定度是因为不同因素的集合[2]。测量结果是否可靠的指标来表示测量结果, 在实际的临床工作中, 不能对一个样品多次检测, 所以误差不能对所有的临床检验都适用。检测不确定度为完善发展误差理论, 实践中很难用复杂方法检测不确定度, 需要大量的物力资源、人力资源[3]。本文在分析测量不确定度的过程中, 对各项不精准度给予分量分析, 按照相关标准严格操作, 在检验中依然会受到相关因素的制约, 不同指标的不确定度差异明显, 在检验中说明测量不确定度能够清楚反映生化检验结果的分散程度和准确性, 可在一定程度上降低检验的误差。
测量不确定度的数值可对实验条件下其检验结果的分散性和准确定给予真实反映, 值得广泛推荐。
参考文献
[1]陈辉, 邓小玲, 毕小云, 等.人血清胆固醇常规测量不确定度的研究〔J〕.临床检验杂志.2013, 24 (17) :109-110.
[2]刘小娟, 江咏梅, 王泓, 等.临床生化检验测量不确定度的初步研究〔J〕.重庆医学.2013, 28 (21) :156-157.
测长仪示值误差的测量不确定度 篇10
2.数学模型
测长仪对零点的示值误差为
Δ=D（1+αDΔtD）-L（1+αLΔtL） （1）
式中：D——仪器在标准条件下的读数值（受检点与零点间的长度）（mm）；
L——量块在标准条件下的长度（mm）；
αD，αL——仪器玻璃尺与量块的热膨胀系数（℃-1）；
ΔtD， ΔtL——仪器与量块的温度对标准温度（20℃）之差（℃）。
测长仪的示值误差为
e=△mal-△min
=Dmax（1+aD△tD）-Lmax（1+aL△tL）
-Dmin（1+aD△tD）-Lmin（1+aL△tL）
=（Dmax-Dmin）（1+aD△tD）-（Lmax-Lmin）（1+aL△tL） （2）
式中： △mal，△min——对零点的示值误差的最大值与最小值（mm）；
Dmax，Dmin——对零点的示值误差为最大值与最小值的受检点至零点间的长度（mm）；
Lmax，Lmin——对零点的示值误差为最大值与最小值的受检点检定所用量块的实际长度（mm）。
取δa=aD-aL，δt=△tD-△tL得
e=（Dmax-Dmin）-（Lmax-Lmin）+（Dmax-Dmin）aDδt+（Lmax-Lmin）δa△tL+（Dmax-Dmin）-（Lmax-Lmin）aD△tL）=Dmax-Dmin-Lmax+Lmin+（Dmax-Dmin）aDδt-（Lmax-Lmin）aD△tL （3）
式（3）已将微小量项（Dmax-Dmin）-（Lmax-Lmin）aD△tL舍去；量块的仪器平衡温度时间充分时，ΔtD=ΔtL，有δt=0（其不确定不为零）； （Lmax-Lmin]aD△tL ）项在实验检定中计算示值误差时不做修正，在计算合成标准不确定度时把该项作为一个不确定度分量处理。故计算示值差可用式（Dmax-Dmin）-（Lmax-Lmin）表示。
