肖维纳(Chauvenet)准则在数字化气体流量观测数据中的应用

随着地震观测技术的发展,数字化技术引入地震前兆观测仪器中,由于各种干扰及数字化仪器的自身因素,数字化观测数据有时会出现突升、突降的现象,给数据分析带来不便。本研究引进肖维纳(Chauvenet)准则,从理论上对气体流量干扰数据进行剔除,以便于数据分析。

多次使用Chauvenet准则在三坐标测量软件中的应用

介绍了三坐标测量机的检测原理和Chauvenet准则。针对特殊使用条件的情况提出多次使用Chauvenet准则来逐步剔除数据采集中的错误和粗大误差 ,解决了粗大误差参与坐标转换计算引起误差值无法剔除的问题 。

基于Chauvenet准则的轨距异常值在线处理

轨道几何参数(如轨距、水平、高低和轨向等)检测是轨道质量状态检测监测的重要内容。然而,检测数据受轨缝等轨道不连续部分的影响,经常会出现检测异常值,从而引起频繁的超限误报。针对轨道检测中轨距异常值问题,分析了实测轨距数据的特点,提出了轨距变化率服从正态总体分布的假设,通过Lilliefors正态性检验验证了该假设的合理性,并提出了基于Chauvenet准则的轨距检测异常值在线处理算法。该算法是一种通用算法,适用于样本自身或预处理(如变化率)后满足正态性假设的情况。

基于2σ-chauvenet准则的POT模型的膨胀土渠坡位移监控指标拟定

在深挖方膨胀土渠坡的长期服役过程中,借助位移监控指标实时辨识渠坡服役性态是确保渠坡安全运行的重要手段,因此拟定合理的监控指标对于保障渠坡工程的安全具有重要意义。在POT模型的基础上,引入2σ准则和chauvenet准则,建立了阈值与监控指标之间的对应关系,通过求解满足该对应关系下的最佳阈值,建立了膨胀土渠坡位移监控指标拟定的改进POT模型,并应用于南水北调中线工程陶岔段的深挖方膨胀土渠坡工程中。结果表明,相较传统POT模型,基于2σ-chauvenet准则的改进POT模型可有效避免主观性与随机误差,具有更高的计算精度,拟定的位移监控指标更偏于安全,对防范渠坡风险、确保渠坡安全长效运行具有更强的指导意义。

肖维涅(Chauvenet)系数的拟合公式

本文简述了获得 Ｃｈａｕｖｅｎｅｔ系数拟合公式的必要性；给出依据最小二乘原理获得该拟合公式的方法．结果为：当４≤ Ｎ≤ ７０时，ω１＝０．３５９Ｉｎ（Ｎ－１．５）＋１．１９３；当７０≤Ｎ≤２０００时，ω２＝０．２６８８ Ｉｎ（Ｎ—２０）＋ １．６３．在给定范围内，低端和高端的拟合值均准确到０．０１．

大坝位移监测中的粗差剔除方法

针对大坝位移监测中常用粗差剔除法存在的问题提出了一种新型的粗差剔除方法。首先,根据层次分析法得到Dixon准则、Grubbs准则、Chauvenet准则、四分点准则的权重系数,并设定好粗差判定阈值;其次,根据原始观测资料建立大坝位移的偏最小二乘回归模型,得出样本对应的残差序列;然后根据四个准则依次判定出所有疑似粗差的测值;最后,按照此4种准则的权重系数,加权综合得到每个测值的粗差概率值,并与粗差判定阈值对比,得到最后的粗差集并剔除。该方法综合考虑了多种粗差数据识别方法,权衡了误判和漏判的可能性,为剔除大坝位移数据中的粗差提供了一种更为科学合理的方法。

观测数据预处理及其在发酵动力学建模中的应用

针对观测数据中可能存在的异常数据 ,提出了一种异常数据检测和剔除的预处理方法 ,并将它成功地应用于发酵过程中菌体生长的观测数据预处理 。

基于改进肖维涅算法的温室环境数据采集

农业温室采集温湿度数据时,有线网络传输数据存在布线复杂、节点移动困难等缺点,采用Zigbee无线传感器网络传输提取的数据信息可以有效解决上述问题。受电磁干扰、传输信道拥塞等不利因素影响,采用Zigbee无线传感器网络监测的数据会出现不准确的情况,所以剔除误差数据成为关键。该文在温室数据采集系统的计算机软件里加入了针对误差数据剔除的改进肖维涅算法。改进肖维涅算法将误差数据剔除掉,把准确的数据存入数据库,方便系统分析温室环境现状。该文对改进肖维涅算法系统的误差数据处理时间进行了分析,与传统肖维涅算法相比,从主机发布采集命令到显示1组数据的处理结果,改进算法节省了5 s的时间。现场试验结果表明,改进肖维涅算法对采集到的数据进行处理后,数据分布更集中,得到的温室环境数据更加准确快速。

肖维勒准则和格拉布斯准则的比较

目前大多物理实验工作者剔除实验异常数据时,多选择肖维勒准则作为判断工具。但肖维勒准则具有概率分布不均匀的缺点,对异常数据的剔除存在误判的可能性。以《测直流电源的电动势和内阻》为例,利用Origin软件进行实验数据的线性拟合以及调用程序编辑功能,实现肖维勒准则和格拉布斯准则对异常数据的判断和剔除。根据两个剔除结果的差异,结合实验数据的特点,从实验数据的测量次数和剔除原则的显著水平两个角度来比较两个剔除准则。提出应根据实验次数和实验要求来选择异常数据剔除准则。

材料自然环境试验数据工程化应用方法探讨

目的研究探讨材料自然环境试验数据在装备设计选材和寿命预测方面的工程化应用方法。方法通过分析材料自然环境试验数据与装备实际使用状态的符合性原则,利用肖维奈准则和子样变异系数法对暴露于海南万宁的2A12铝合金抗拉强度试验数据进行处理。采用环境效应修正系数C-t曲线初步评价2A12铝合金在某型飞机上的工程应用情况及使用寿命。结果 2A12铝合金海洋大气环境下最终的使用年限为36年,满足在海洋大气环境服役使用要求,同时满足一般军用飞机最长30年日历寿命要求,可将2A12铝合金应用于机身、机翼上翼面、平尾、垂尾等机体主要部位。结论该方法初步实现了材料自然环境试验数据在某型飞机上的工程化应用。

海洋资料中异常值的分析和判别

针对长江口地区某测波站实测连续波面过程资料中出现的异常值问题，探讨了判别资料中异常数据的几种方法。由编制的计算机程序比较表明：用肖维勒准则，采用分次判别异常值的方法可对原始数据直接进行检索和判别异常值，在实际资料的应用中效果良好。

用Origin剔除线性拟合中实验数据的异常值

介绍了用MicrocalOrigin软件进行实验数据线性拟合的具体方法 ,利用其LabTalk编程和DataMask等高级功能 ,以肖维勒准则实现了异常数据的判断和剔除 .以核磁共振的稳态吸收中磁场强度和励磁电流的线性拟合实验为例 ,通过整个实验数据处理和分析的过程 ,展示了Origin直观、快捷、高效的特点 ,适合学生在物理实验的数据处理和分析中应用 .

细胞毒性试验多孔平行数据异常值检验方法的比较

为了选取适合于对细胞毒性试验数据的异常值进行检验的方法、提高检测数据的可靠性,对常用的5种异常值检验方法的计算方法及判定原则进行了比较研究,并运用这5种异常值检验方法对同一组细胞毒性试验数据进行了分析。结果发现,拉依达准则计算简便,适合样本量较大时对异常值进行初筛;样本量较小时适合选取狄克逊准则、罗马诺夫斯基准则对数据中的异常值进行判定;从计算方法来看,肖维勒准则、格拉布斯准则、罗马诺夫斯基准则相似;对数据中异常值进行检出时,罗马诺夫斯基准则最为严格,肖维勒准则次之;狄克逊准则较适合于对多个异常值进行逐个检出。细胞毒性试验多孔平行数据属于小样本量数据,待检出的异常值不仅限于1个,选用狄克逊准则对细胞毒性试验多孔平行数据进行检验较为适宜。

测风塔异常风速数据识别与补齐方法研究

测风数据能够真实客观地反映该区域内风能情况,数据质量对计算风电场理论出力有重要意义。文章根据异常风速数据产生的原因及特点,提出了一种基于最小二乘滤波-肖维勒组合的风速数据识别算法,并利用测风塔不同高度的风速数据波动关联性的特点,对待剔除的数据进行校正。在数据缺失情况下,提出了基于属性重要度-相似片段的补齐方法,得到完整风速数据。对比分析了常用异常数据识别和补齐方法,结果表明,文章所提方法可有效剔除并重构异常数据,对不同风电场有较强的通用性,具有一定的工程实用价值。

材料疲劳试验中可疑观测值的舍取

材料疲劳试验中可疑观测值的正确舍取，直接关系到数据处理的质量和处理结果的合理性，本文介绍了可疑观测值舍取的数学方法一肖维奈准则的计算机实现过程，并增加了可疑观测值舍取的人工干预，使可疑观测值的舍取既符合一定的规律，又有一定的灵活性，便于实际应用。

氡析出测量偏差评估与测量采样优化

为实现氡测量方法的最优化与高效化,提高测量结果的准确性,通过开展不同覆盖厚度(4 cm、8 cm、12 cm、16 cm)的氡析出测量实验,对氡析出率测量值进行偏差分析,并确定最优测量方法.结果表明,在不同覆盖厚度实验中最佳采样样本数和时间间隔分别为30个和20 min;基于Chauvenet准则的氡析出测量值偏差分析模型,能有效分析不同采样方法对多孔介质表面氡析出率测量值的影响,实现氡析出测量的采样优化.

等精度观测粗差检测的优化模型

分析了2σ准则、3σ准则、Chauvenet准则与Grubbs准则在等精度观测粗差检验中的表现特点，指出Grubbs准则是目前等精度观测中粗差检测的最优模式。

基于肖维勒准则与主元分析的有机朗肯循环神经网络建模方法

随着人工神经网络技术的不断发展,有机朗肯循环(organic Rankine cycle,ORC)神经网络模型广泛应用于系统分析和优化领域。针对现有ORC神经网络模型计算量大、时间周期长和精度偏低的问题,本文提出了基于肖维勒准则与主元分析的ORC神经网络建模方法。采用肖维勒准则对ORC实验数据进行预处理,以去除异常数据,同时数据得到规范化处理。随后,采用主元分析对ORC特征进行矩阵变换和降维,以提取与ORC运行显著相关的特征向量。最后,通过实验数据验证了提出方法的有效性。该方法可在提高模型精度的同时,降低建模所需的时间。与基于原始数据的ORC神经网络模型相比,基于该方法的ORC神经网络模型建模所需时间降低了88.69%。同时,模型预测精度提高了19.93%。

数理统计在工程勘察原始数据合理性检验中的应用

在工程勘察内业资料整理过程中,原始数据的合理性检验是一个重要过程,这里着重介绍3σ准则和Chauvenet准则,并绘制相关程序流程图,使数理统计之计算电算化,以达到提高工作效率的目的。

海洋测量中海底高程异常数据的处理与分析

海洋测量的主要任务是对海洋表面及海底的形状和性质参数进行精密测定和描述,其目的是为人类的活动提供必要的海洋空间信息。同陆地测量相比,海洋测量具有明显的动态效应,海上测量工作必须在不断运动着的海面上进行。本文介绍了Pan Tapan判别法、Chauvenet判别法、样本分位数判别法,进行异常数据的判别,并对各种检验方法做出比较。