【技术实现步骤摘要】
本专利技术属于计量测试领域，具体涉及，该方法涉及到数据建模、数据处理、粗大误差剔除等方面，用于测量数据误差处理，适用于数据样本量小，分布不确定的粗大误差判别。
技术介绍
在测量过程中，不可避免的存在误差。粗大误差又称粗差，指在同一测量条件下多次测量同一量值时，其中的最大值或最小值等个别数据明显偏离它所属样本的其他数据，超出在规定条件下预期的误差。含有粗大误差的测量值称为异常值，也称离群值和坏值。粗大误差产生的原因可能是人员操作、读数或记录时的过失，以及数据复制和计算处理是 所出现的过失和错误，也可能是采样环境的变化的部分数据与原先样本的模型不符合造成的。在进行数据处理过程中，如果将正常数据当作异常值予以剔除，会减少有用的信息，会造成测量精度偏高的假象；反之，如果对混有异常值的数据未加剔除，必然造成测量数据结果与实际不符合。因此在测量过程中，一旦发现异常值就应该在记录中予以剔除，对测量数据中异常值的合理判断和处理，是获得正确测量结果的一个重要前提条件。通常，异常值剔除多采用以下两类方法第一类方法是采用统计方法，按一定的准则判别而剔除会歪曲测量结果的异常数据；第二类...
【技术保护点】
一种基于灰色理论的乏信息测量数据粗大误差判别方法，其特征在于：该方法包括如下步骤：步骤一、将采集到的乏信息测量数据序列进行预处理，按由小到大排序；步骤二、利用灰色累加方法得到乏信息测量数据灰色包罗线；步骤三、采用灰色判别法则判定测量数据是否含粗大误差；步骤四、利用灰色GM(1，1)动态模型获取乏信息测量数据预测值；步骤五、重复步骤二、三、四，直至测量数据中粗大误差全部被判别。
【技术特征摘要】
【专利技术属性】
技术研发人员：王中宇，王倩，王岩庆，李强，
申请(专利权)人：北京航空航天大学，
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。