内容概要：主要论述几何量精度检测的基本理论，包括测量的基本概念、计量单位、测量器 具、测量方法、测量误差和测量数据处理等。 教学要求：在掌握机械精度设计的基础上，对其检测技术方面的基础知识有一个最基本的了 解，并能运用误差理论方面的知识对测量数据进行处理后，正确地表达测量结果

前几章所讨论的内容，其目的在于寻求被测量 的最佳值及其精度。在生产和科学实验中，还有另 一类问题，即测量与数据处理的目的并不在于被测 量的估计值，而是为了寻求两个变量或多个变量之 间的内在关系，这就是本章所要解决的主要问题。 表达变量之间关系的方法有散点图、表格、曲 线、数学表达式等，其中数学表达式能较客观地反 映事物的内在规律性，形式紧凑，且便于从理论上 作进一步分析研究，对认识自然界量与量之间关系 有着重要意义。而数学表达式的获得是通过回归分 析方法完成的

第一章 绪论 第二章 误差与数据处理基础知识 第三章 物理实验方法和操作技术

第一章 绪论 第二章 误差与数据处理基础知识 第三章 物理实验方法和操作技术

第二节 电阻应变片 第三节 应变测量 第四节 常用的传感设备 第五节 试验记录方法 第六节 建筑结构现场测试技术 第一节 概述 第二节 数据整理和换算 第三节 数据误差分析 第四节 数据的表达

黏度是冶金熔渣的基本物理性质，其大小直接影响到反应速率、熔渣分离效果等冶炼过程。通过深入探索熔渣黏度与其结构的关系，在分析熔渣黏度与其(NBO/T)比值（即单个聚合物粒子所拥有的非桥氧数量）相互关系的基础上，本文提出基于（NBO/T）比值的多元熔渣黏度计算模型。首先建立SiO2–∑MxO简单渣系的黏度计算模型，通过拟合纯氧化物和SiO2–MxO二元渣系的黏度数据得到模型参数，拟合平均误差在9%～18.5%之间；随后将该模型扩展至SiO2–Al2O3–∑MxO多元渣系的黏度计算，针对Al2O3在熔渣中同时表现出酸性氧化物和碱性氧化物的特点，在计算SiO2–Al2O3–MxO三元渣系黏度时，将其中的Al2O3拆分为酸性物质和碱性物质来计算（NBO/T）比值和黏度活化能。在SiO2–MxO二元系模型参数的基础上，通过拟合SiO2–Al2O3–MxO三元渣系的黏度数据得到含Al2O3渣系的模型参数，拟合平均误差在10%～25%之间。利用该模型计算了SiO2–Al2O3–CaO–MgO–FeO–Na2O–K2O–Li2O–BaO–SrO–MnO多元复杂渣系及其子体系的黏度值，计算平均误差在25%以内，取得了较好的预报效果。本模型基于熔渣结构理论，并借鉴了经验模型的数据处理方式，在预报效果和适用范围上都优于传统经验模型，在计算方式上比结构模型要简单

第8章数据处理 第二单元直方图 一、学习目标 了解用直方图的方法处理数据. 二、内容讲解 当数据很多的时候,如何来处理数据?这包括两个方面的问题:从一个角度 来说,若数据很多,计算数据的平均数和方差是很麻烦的,或者说不必要计算精确 的特征数;第二个问方面,我们不满足计算数据的特征数,我们还要知道数据的全 貌

随着物联网技术的发展，前端传感器的使用使得低合金钢的海水腐蚀监测成为了现实，从而获得了大量的腐蚀数据。针对传统均值法处理双率腐蚀数据带来的数据信息损失以及建模精度下降问题，提出了一种基于综合指标值(CIV)和改进相关向量回归(IRVR)的双率腐蚀数据处理和建模算法(CIV-IRVR)。首先，通过构建CIV表征输入数据的综合影响并采用天牛须搜索(BAS)算法对其参数进行寻优；然后，建立最优CIV序列与输出数据间的线性回归模型将双率数据转化为建模用的单率数据，能够更多地保留原始数据信息；最后，给出了一种BAS算法优化的具有组合核函数的改进相关向量回归建模方法(IRVR)，并建立了针对低合金钢海水腐蚀双率数据的CIV-IRVR预测模型。结果表明：相比于均值方法处理双率腐蚀数据，所提方法将建模样本数量由196提升到了1834；相比于海水腐蚀建模领域常用的人工神经网络(ANN)和支持向量回归(SVR)建模方法，所提模型的平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(CD)分别为1.1914 mV、1.5729 mV以及0.9963，在各项指标上均优于对比算法，说明所提模型不仅减少了信息损失还提高了建模精度，对于双率海水腐蚀数据建模具有一定现实意义

第一节观测数据的测后处理过程 数据处理流程;数据处理要求。 第二节 Ashtech Locus数据处理软件的操作方法 本软件对采集的GPS外业数据进行传输、倒入参数设定、基线解算、平差结算的 操作流程

一、实习目的 掌握 Ashtech Locus数据处理软件的建立工程、数据传输杂项设置的方法。 二、实习时间 2学时。 三、实习仪器设备 计算机和数据处理软件