采用MCM对GUM法测量不确定度评定的验证方法研究

目前不确定度评定的基本方法是GUM法,GUM法在一定的条件下是可以有效应用的,但在模型复杂的情况下,却不容易直接确定其是否满足所有的应用条件。由于蒙特卡罗法(MCM)的有效性范围大于GUM法的有效性范围,因此可利用合适的软件,应用MCM对GUM法测量不确定度的评定结果进行验证。建议此时分别应用GUM法和MCM法,并对结果进行比较。如果结果较满意,则表明GUM法可应用于此类场合;否则,应考虑使用MCM或其它适当的替代方法。通过质量计量的实例,介绍了采用MCM对GUM法进行验证的两种方法。

线性回归拟合的测量不确定度评定

利用GUM对最小二乘线性回归拟合结果进行测量不确定度评定,提出了同时顾及因变量以及系数矩阵中自变量误差影响的标准不确定度通用式。首先,阐述了线性回归拟合模型以及最小二乘估计结果;其次,考虑系数矩阵影响,推导了拟合参数与拟合值关于自变量、因变量的灵敏系数以及标准不确定度通用公式,同时考虑相关性,给出了对变量相关进行特殊处理后的标准不确定度通用公式;最后,以线位移传感器灵敏度(不需考虑相关性)和光电测距仪加乘常数(考虑相关性)为例,与蒙特卡洛方法(MCM)进行比较分析。结果表明,不需考虑相关性以及考虑相关性下,基于GUM评定方法的标准不确定度通用公式计算结果与MCM评定方法结果基本一致。

风速传感器实测风速不确定度评定对比研究

在风速传感器实测风速不确定度的评定中,传统方法是将实测风速测量模型简化后采用GUM(guide to the expression uncertainty in measurement)进行评定。但GUM并不适用于复杂模型,为了研究实测风速不确定度评定的可靠方法,对风速传感器分别采用GUM和MCM(Monte Carlo method)进行不确定度评定,对比分析评定结果,并利用MCM评定结果验证GUM的适用性。结果表明,简化模型下GUM和MCM评定结果差异较小,但只有标准不确定度取一位有效数字时,GUM评定方法通过验证,评定结果一致性好;实测模型下MCM和简化模型下GUM评定结果对比得到,两者包络形状相似,但实测风速最佳估计值明显偏大,GUM评定方法不能通过验证;改变部分输入量分布时,两种方法得到实测风速最佳估计值非常接近,但GUM评定得到包含区间比MCM明显增宽,概率分布相差较大,GUM评定方法不能通过验证。因此,应当根据模型的复杂程度、输入量分布情况以及测量结果准确度的要求选择合适的评定方法,如果输入量分布均服从正态分布且对测量准确度要求不高,可使用GUM进行评定,反之建议使用MCM评定以提高观测结果的准确性和可靠性。