四分位稳健统计法在实验室检测能力比对中的应用

通过相对误差法和四分位稳健统计法对某实验室硫酸盐比对结果进行评价,说明四分位稳健统计法的优越性。应用四分位稳健统计法能够使参加比对的检验机构更容易查找检测过程中存在的问题,从而提高检验水平。

三种统计方法在润滑脂性能验证分析中的应用

用四分位稳健统计法,迭代稳健统计法和经典统计法(用格拉布斯准则剔除离群数据)对38家实验室测定的极压复合锂基润滑脂的工作锥入度,延长工作锥入度,滴点,锥网分油及磨斑直径的数据群进行了分析,以评估实验室的检测能力。对于总体服从正态分布或接近正态分布的数据群,三种统计方法的结果基本吻合,但建议使用四分位稳健统计法或迭代稳健统计法进行分析,若存在离群数据,应采用经典统计法进行分析。对于明显偏离正态分布,但不存在离群数据的数据群,建议使用迭代稳健统计法进行分析,若存在离群数据,则采用经典统计法进行分析。

线性判别分析法在塑料食品包装容器溶出物的风险聚类分析中的应用

报道了为考察塑料食品包装容器蒸发残渣因不同材料造成的质量差异,并对不同材质蒸发残渣指标进行风险聚类,提高检测针对性的方法。对塑料食品包装容器在水、乙酸、乙醇、正己烷浸泡条件下的蒸发残渣含量进行测定,使用四分位稳健统计描述来表征不同使用条件下的溶出风险,使用线性判别法分析对不同材质塑料包装容器蒸发残渣进行了风险聚类分析。结果表明:包装容器的油性溶出风险最高,水的溶出风险最低;包装容器蒸发残渣含量水平可基本划为两类,即"PET-PP-PE"类与"PS-其它类";采用适合的数据描述及多元统计分析方法,可有效地加强食品包装风险监控力度,提高监控效率。

L1范数与IQR统计量组合的GNSS坐标序列粗差探测算法

GNSS坐标时间序列中不可避免地含有粗差,未剔除的粗差将会导致参数估计有偏。因此,粗差探测与剔除是GNSS坐标序列分析中一项重要的数据预处理工作。针对GNSS坐标时间序列特点,提出了一种将L1范数(L1-norm)估计与四分位距统计量IQR(interquartile range)组合的移动开窗粗差探测算法,称之为L1_Mod IQR。该方法的主要思想是,首先利用L1范数估计得到较"真实"的残差,然后再对残差采用IQR统计量进行粗差探测。将L1_Mod IQR法与"3σ"法、基于最小二乘的τ检验法等粗差探测算法进行了模拟计算与对比,验证了该算法的有效性。进一步采用L1_Mod IQR算法对中国区域10个IGS站的高程时间序列进行了分析,结果表明中国区域IGS站高程序列的粗差剔除率最小为0.1%,最大为2.6%。并且以WUHN站为例与SOPAC提供的结果进行了对比,结果表明SOPAC提供的"Clean"数据仍含有大量的粗差,而L1_Mod IQR算法能够有效地剔除粗差。

柴达木盆地藜麦适宜农业气象指标构建

[目的]为进一步开发柴达木盆地藜麦种植特色农业的产业价值,为柴达木盆地特色种植资源开发、新品种示范推广提供科学定量化的适宜农业气象指标体系。[方法]文章基于2014—2018年格尔木市藜麦引种试验资料和平行逐日气象观测资料,通过多元回归、相关分析进行气象因子筛选,优选出四分位统计方法,构建柴达木盆地藜麦适宜农业气象指标拟定阈值,选用分期播种试验2个优势产量播期进行补充和修订;应用平产年、欠产年、分播期数据进行指标检验。[结果]构建出柴达木盆地藜麦不同发育期对应的平均温度、最高温度、最低温度的适宜农业气象指标,并确定了指标阈值范围。[结论]柴达木盆地藜麦适宜农业气象指标构建方法得当,指标意义明确,指标阈值范围符合柴达木盆地藜麦生长发育实际状况,完全代表柴达木盆地藜麦产量形成的最优农业气象资源配置,对进行藜麦特色种植产业发展具有科学的参考和指导价值。

变系数回归的GNSS时间序列异常值探测方法

针对传统的基于谐波模型的异常值探测算法效率较低的问题,该文引入变系数回归模型替代谐波模型分离GNSS坐标时间序列的信号与噪声(残差),并提出了一种基于变系数回归(VCR)模型与四分位距(IQR)统计量的组合异常值探测算法VCR_IQR。该算法首先采用VCR分离时间序列中的信号与噪声,接着采用IQR准则探测噪声中的异常值。将VCR_IQR与传统基于谐波模型的异常值探测算法—最小二乘探测法(LS_IQR)和最小一乘探测法(L1_ModIQR)进行模拟实验对比分析,结果表明,VCR_IQR能够探测到92%的异常值,而LS_IQR和L1_ModIQR仅能探测到81%和85%的异常值,表明VCR_IQR的探测效率优于LS_IQR和L1_ModIQR。

基于EMD的GNSS时间序列异常值探测算法

考虑到传统谐波模型难以精确地描述GNSS坐标时间序列的非线性时变季节性变化,进一步影响了异常值探测.本文提出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)和四分位距统计量(Interquartile Range,IQR)的组合异常值探测算法.新算法的基本思想是:先采用EMD算法将GNSS坐标时间序列分解为若干不同频率的IMF(Intrinsic Mode Function)分量,并采用相关系数法进行信噪分离,最后采用IQR准则对残差序列进行异常值探测.模拟实验分析结果表明,传统算法仅能探测到83%的异常值,而新算法能够探测到91%的异常值.陆态网络实测数据分析结果进一步验证了新算法较传统算法能更加有效地探测出GNSS坐标时间序列的异常值.