【技术实现步骤摘要】
基于接收
‑
拒绝采样的贝叶斯不确定度评定方法
[0001]本专利技术涉及仪器测量结果评估方法领域,具体是一种基于接收
‑
拒绝采样的贝叶斯不确定度评定方法
。
技术介绍
[0002]测量不确定度评定是对测量结果的不确定性进行定量估计的过程,它在科学
、
工程和实验研究中具有重要的意义
。
例如对于测量仪器的测量结果进行测量不确定度评定,可以帮助确定测量结果的可靠性和精确度
。
通过计算不确定度,可以了解测量结果的可信程度,知道实验或测量的精度是否足够满足研究或工程应用的要求
。
另外,不同实验或测量结果之间的比较需要考虑到不确定度
。
只有当测量结果的不确定度范围有重叠时,才能认为两个结果是一致的或相似的
。
通过评定不确定度,可以进行数据的验证和比较,确保研究的可重复性和准确性
。
此外,在许多实际应用中,决策需要依赖测量结果
。
不确定度评定提供了与决策相关的信息,使决策者能够了解测量结果的可信程度,并做出合理的决策
。
而对于科学研究或工程应用来说,准确的数据解释是至关重要的
。
不确定度评定可以帮助解释测量结果的范围和置信区间,使结果更容易被解释和理解
。
在实验研究中,评定测量不确定度可以帮助优化实验设计,从而减少不必要的测量次数或资源浪费,提高实验效率
。
许多领域的研究和应
【技术保护点】
【技术特征摘要】
1.
基于接收
‑
拒绝采样的贝叶斯不确定度评定方法,其特征在于,包括以下步骤:步骤
1、
基于被测量
、
测量过程中输入的
B
类信息
、
测量过程中产生的测量数据,建立测量模型
Y
=
f(X,B)
,其中:
Y
为被测量;
X
为测量过程中的直接测量量;
B
为多个
B
类信息的综合表示;
f()
为根据被测量
、B
类参数和测量数据之间物理关系确定的数学函数;将测量模型进行转换得到模型
X
=
g(Y,B)
,其中
g()
为
f()
的反函数;步骤
2、
确定被测量
Y
在无先验信息条件下的先验分布或在有历史信息条件下的先验分布
π
(Y)、B
类信息的综合先验分布
π
(B)
;步骤
3、
结合步骤2得到的先验分布
π
(Y)
的信息
、
先验分布
π
(B)
的信息,对模型
X
=
g(Y,B)
采用蒙特卡洛方法进行采样,得到采样点
(X1,
…
,X
n
)
,其中
n
表示蒙特卡洛方法采样的次数,采样点
(X1,
…
,X
n
)
即为测量数据
X
的先验分布信息,由此得到测量数据
X
的先验分布
π
(X)
;步骤
4、
根据测量数据
X
求得模型
X
=
g(Y,B)
的边际似然函数
L(x1,
…
,x
n
|X
=
g(Y,B))
,其中
x1,
…
,x
n
表示测量过程中多次独立测量产生的测量数据;步骤
5、
采用接受
‑
拒绝采样算法,得到任意一个采样点
X
i
在均匀分布
U[0,1]
上对应的随机抽样值
U
i
,其中
i
=
1,2,
……
n
;然后将采样点
X
i
代入至步骤4得到的边际似然函数得到
L(X
i
)
,再将
L(X
i
)
与步骤5得到的随机抽样值
U
i
进行比较,如果
U
i
≤L(X
i
)
时接受并保留采样点
X
i
,否则拒绝并放弃采样点
X
i
。
步骤
6、
以步骤5中接受采样点
X
i
并保留对应的
y
i
作为被测量
Y
的后验样本,基于被测量
Y
的后验样本
y
i
得到被测量
Y
的最佳估计值
、
不确定度及包含区间指标
。2.
根据权利要求1所述的基于接收
‑
拒绝采样的贝叶斯不确定度评定方法,其特征在于,步骤2中,被测量
Y
的先验分布信息有两种状态,其中当被测量
Y
第一次测量得到时,被测量
Y
没有任何历史信息,此时根据无信息先验条件下的贝叶斯假设来获取先验分布
π
(Y)
,即被测量
Y
的先验分布由均匀分布
U[a,b]
表示,均匀分布的上下限
a,b
由测量数据
X
的范围以及各
B
类信息区间经过测量模型
Y
=
f(X,B)
传递后得到;当被测量
Y
有历史信息状态时,被测量<...
【专利技术属性】
技术研发人员:李红莉,陈志文,张祖杨,赵志浩,黄强先,程荣俊,张连生,
申请(专利权)人:合肥工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。