引論：我們為您整理了1篇數據處理方法論文范文，供您借鑒以豐富您的創作。它們是您寫作時的寶貴資源，期望它們能夠激發您的創作靈感，讓您的文章更具深度。
數據處理方法論文:對高中物理實驗數據處理方法的幾點研究
論文關鍵詞:高中 實驗 數據處理方法
論文摘要:物理實驗測得的數據,必須經過科學的分析和處理,才能揭示出各物理最之間的關系。就高中物理實驗常用數據的處理方法進行分析,以期對物理實驗教學有所幫助。
實驗是物的重要組成部分,是物理教學不可缺少的環節。但學生在實際操作與處理中。往往容易在實驗數據上出現錯誤,究其原因是學生沒有牢固掌握數據處理的方法,不求甚解,一知半解,更不用說觸類旁通了。根據我的教學經驗,提出幾種處理方法。(下面提出幾種數據處理方法,供大家參考)
一、平均法
平均法是指對待測物理量進行很多次的測量,把測量的值相加再除以測量次數,或把每一次的測量值用固定的算式分別進行計算再求出結果,再把結果相加除以測量次數,取其平均值。這種方法就叫做平均法。
1.平均法的使用原理:每一次的測量因為多方面的因素都會不一樣,測量值偏大或偏小,但其偏大或偏小的機會與程度往往均等,所以需要進行多次測量,再求其平均值,這樣的測量值才會更真實、科學,有說服性。
2.數據的處理
(1)如果所求的結果是經過直接測量所得,應使用平均法。如“測定金屬電阻率”的實驗,在測定金屬絲的直徑d時,用“螺旋測微器”在金屬絲的三個不同點上分別進行測量,然后取三次的測量結果,其平均值就是的直徑。
(2)如果所求的結果不能經過直接測量得出,則要依據其實驗的原理多次進行計算待測物理量的值,最終結果要把多次測量的物理量的值相加得出平均值。“用單擺測重力加速度”是個很典型的實驗,求單擺周期的步驟如下:把單擺往一個方向拉開一個小角度,讓小球順利擺動,這時測出單擺完成n(20-30)次全振動的時間t,用公式T=t/n計算得出小球完成一次全振動的周期,這個步驟重復3次,用公式T=(T1+T2+T1)/3算出平均值,即求出單擺的振動周期。
二、描跡法
描跡法是指通過若干次描點、頻閃照相、用打點計時器打點等記錄形式,直觀形象地顯現實驗結果的方法。如,在進行“平拋物體的運動”這個實驗時,可以用頻閃照相的方式記錄小球的運動軌跡;在進行“勻變速直線運動”實驗時,用打點計時器記錄運動情況。在使用描跡法時,以下幾個方面要高度注意:
1.在結果出來之前,應仔細觀察、分析結果,去掉誤差太大的數值。若中間出現個別的點偏離正常位置很遠,有可能是偶然因素導致,應舍棄該點再重復進行實驗,分析記錄結果。如,在“勻變速直線運動”的實驗中進行紙帶選取的時候,首先多打出幾條紙帶,選擇打點最清楚的一條進行研究分析,分析時一般去掉前面相對密集的點,在后面找出一個點作為開始的點。
2.若要根據記錄的點進行描線,則應描平滑的實線,并盡可能讓更多的記錄點通過平滑線或靠滑線,而且這些記錄點要在平滑線的兩側均勻分布,不能在描線的過程中出現折線。
3.為了使描述的結果比較,實驗中記錄的點不能太少,并且要在所描范圍內合理、均勻分布。
三、圖像法
圖像法因其直觀、形象、容易操作的特點被廣泛應用于物理實驗中,又被稱為作圖法,顧名思義是指在坐標紙上把實驗數據之間的對應關系連成圖線,由圖線得出相應物理量之間的關系,并由此進一步得出實驗結果。用圖像法處理實驗數據的步驟如下:
1.將測量的數據列表歸類整理。
2.在坐標紙上以相應的物理量為橫軸、縱軸建立坐標系,并定出標度。
3.描點。
4.連線:連線要遵循三個原則,一條直線上要描上盡可能多的點;其余的點要均勻分布兩側;離描線太遠的點直接去掉。遵循這種連線原則處理數據,與多次測量取平均值殊途同歸(但由于去掉偶然誤差過大的數據點。使得結果比平均值法更加些)。
5.注明圖像的名稱、制圖時間及其他說明:中學物理實驗運用圖像法,一般情況下會得出y=kx+b形式的一次函數關系,即結果是一條直線(一次函數擬合),圖線畫出后,可以用圖線與坐標軸上的截距求出相應的物理量,也可以用圖線的斜率或者用圖線圍成的面積求出相應物理量,還可以用圖線反應一定的物理規律。如果描出的數據點連成了一條曲線。則應變換物理量,最終要得到一條直線(一次函數)。如,在驗證“牛頓第二定律”的實驗中,在研究“外力一定時物體的加速度和物質的質量之間的關系”時,假若a為縱坐標,m為橫坐標,連接各數據點后得到一條曲線,實驗結論就不會;但若以1/m為橫坐標軸,連接各數據點則基本上可以畫出一條過原點的直線,即得出正確的結論:外力一定時,物體的加速度a與物體的質量m成反比,即物體的加速度a與物體的質量m的倒數成正比。通過變換,完成了化曲線為直線,更直觀、快捷地得出實驗結果。
四、直接比較法
在做一些物理實驗時。物理量之間的關系只需要定性地去確定,或把實驗結果與標準值進行比較則可求出實驗結論,都可以采用直接比較法。如,在“互成角度的兩個共點力的合成”實驗中,可將實驗中測得的合力與根據實驗畫出的平行四邊形對角線兩矢量的大小與方向進行直接比較,就可以確定驗證平行四邊形定則的目的是否已經達到了。
五、輔助處理數據
信息技術已被廣泛運用到物理教學課堂上,也被廣大師生所接收,中學生的計算機水平日益提高,已能熟練運用計算機記錄與處理數據,對數據的圖像進行分析等。計算機中的Excel軟件功能非常強大,能夠進行大量的數據記錄與處理,還能畫出物理實驗中比較實用的x-y散點圖,能夠進行一次函數、冪函數以及擬合,求出相應的函數系數,從而得出物理量的值。
總之,在高中物理實驗教學中引導學生學會合理使用數據處理方法。這樣可以盡可能地減少學生在實驗中的系統誤差和過失誤差,學生運用正確的分析方法,同時使其學會對實驗結果的正確評估和描述。
數據處理方法論文:北京地鐵沉降監測方法及數據處理
摘要:北京是軌道交通工程在建項目最多的城市,沉降監測對地鐵工程的安全施工有著重要意義,同時監測數據能夠直接用來評價地鐵施工對地表環境的影響。本文重點論述了北京地鐵沉降監測的方法與技術要求,介紹了所用儀器數據文件的格式,詳述了數據處理和統計分析。,文章給出了變形預報分析的數學方法,并說明了其現實意義。
關鍵詞:沉降監測;數字水準儀;數據處理
1 引言
北京是一個國際化的大都市,人口與車輛的增多給北京城帶來了很嚴重的交通問題。隨著2008年奧運會的日趨臨近,解決這個問題就顯得越來越緊迫。軌道交通是解決日益惡化的城市交通問題的一個主要手段。然而,在人口密集、建筑設施密布的城市中進行軌道工程施工,由于巖土開挖不可避免地產生對巖土體的擾動并引起洞室周圍地表發生位移和變形,當位移和變形超過一定的限度時,勢必危及周圍地面建筑設施、道路葙地下管線的安全。因此,研究城市軌道工程開挖過程中地表沉降的有效控制問題,對于地表環境保護及軌道工程的安全施工都具有十分重要的意義。
2 沉降基準點和沉降監測點的布設與觀測
從2005年3月開始,我們開始對北京地鐵四號線某標段(車站)的沉降監測工作,預計該標段的土建施工工作和監測工作將于2006年底結束。監測儀器使用trimbledini12數字水準儀,監測內容包括建筑物沉降監測和地表沉降監測。沉降監測控制網采用地鐵四號線的高程控制網。水準基點與工作基點的聯測采用一等水準觀測,起初開始觀測時,一個月復測一次,三個月以后每三月觀測一次。遇跨雨季等特殊情況增加觀測次數,以判定工作基點的穩定性。工作基點均位于沉降影響范圍外的已穩定的長期性建筑物上。
2·1 監測點布設主要要點
1)監測點布設的范圍為地鐵結構外沿30m內,但在車站主體結構施工地段,地鐵結構外沿50m范圍內的重點建(構)筑物也應監測。
2)地表沉降監測應盡量和施工單位監測同點量測,同時要注意和施工單位量測的時間也應一致(同天量測),以進行監測數據的比對和校核。
3)由于此地鐵屬于蓋挖車站,原則上沿線路走向上每40m布設一個地表沉降測點,布設3排;車站中線一排,區間線路延長線各一排。
4)建筑物沉降監測點一般布設在3層以上(含3層)的長期建筑物上,但對于3層以下的重要建筑物(如具文物性質的建筑物)也應布設沉降監測點。沉降測點要布設在建(構)筑物主體結構的角點、中點和承重墻上,(如圖1,2所示)。
2·2 監測技術要求及觀測方法
沉降觀測精度等級的確定,根據各監測內容的
定精度(式中ms———沉降量s的觀測中誤差;mδs———沉降差δs的觀測中誤差;qh———網中最弱觀測點高程h的權倒數;qh———網中待求觀測點間高差h的權倒數),參考國際測量工作者協會(fig)于1981年第16屆大會提出的常用取值方法,即:為實用目的,觀測值中誤差不應超過變形允許值的1/26~1/10。結合《地下鐵道、輕軌交通工程測量規范》,本次沉降監測網采用國家二等水準測量方法,即: 相鄰基準點的高程中誤差≤0.5mm,觀側點的高程中誤差≤1.0mm。
各項觀測限差為:
1)附合或環線閉合差≤0.5(mm)(n為測站數)
2)視線長度≤5m、前后視距差≤1.0m、前后視距累積差≤3.0m。
觀測順序和方法如下:
1)往測時,奇數站照準標尺為后前前后(bffb),偶數站照準標尺為前后后前(fbbf)。
2)返測時,奇、偶數站照準標尺的順序分別與往測偶、奇數站相同。
3)分別利用兩工作基點起算,采用閉合水準路線觀測監測點。
蓋挖法施工車站監測頻率表:(×標段×站)
3 沉降觀測的數據處理
3·1 trimbledini12的數據格式
trimbledini12使用兩種記錄數據模式,一種模式記錄測量原始數據(rm),另一種模式記錄計算數據(rmc)。同時,dini12有兩種數據格式(與記錄模式不是同一個概念),一種是rece(m5),另一種是rec500,rece(m5)和rec500格式都可用于記錄和傳輸數據,但recs00記錄的信息量少。rm模式下的數據僅記錄了測量讀數的標準差,這樣情況下不可以進行線路平差,作業時應避免這種情況,表1為m5格式說明表。
rece(m5)數據格式:
rece(m5)格式的數據行包含121個字符,總的數據以這個數據乘以地址行數而存在項目文件中。字符119為空格,接下來的字符120、121為回車符(cr)、換行符(lf)。空格字符在rece(m5)格式中是重要的,不能被刪除。
3·2 監測成果與變化分析
可以統計出每次監測點的沉隆量,microsoftexcel提供了豐富的統計函數功能,再結合自編的程序,可以輕松制作出沉降量周報報表(見表2)。
2)沉隆量曲線圖
圖表具有較好的視覺效果,可方便用戶查看數據的差異、圖案和預測趨勢。在沉降量曲線圖中,可以直接查看到最小沉降點和較大沉降點,當沉降趨勢較明顯時,可引起用戶的注意。我們利用microsoftexcel的圖表功能自動生成沉降量曲線圖,在excel中,圖表是和數據表相鏈接的。橫坐標以觀測時間為單位,縱坐標以沉降量為單位,坐標刻度以2mm為主要刻度,這樣足以反映出大于2mm的沉降量(見圖3)。
3)變形預報和安全判斷
1)沉降量報表
北京地鐵四號線第三方監測在主體結構施工階段是一周一次,根據各次變形監測點的高程數據, 可以統計出每次監測點的沉隆量,microsoftexcel提供了豐富的統計函數功能,再結合自編的程序,可以輕松制作出沉降量周報報表(見表2)。
在考慮施工進度(主要是隧道開挖進度)和監測點沉降量統計分析的基礎上,采用數值分析中的線性內插法來推算時域外的變形值。因為外推預報值時使用最近的兩次監測值,對于連續下沉的監測點有簡單實用的優點。
yi+1=yi-1+(yi-yi-1)·(ti+1-ti-1)/(ti-ti-1)
式中:y—沉降量;t—時間。
沉降觀測數據為地鐵安全施工提供一個重要依據,因而具有十分重要意義。監測項目中建(構)筑物沉降、裂縫,地表沉降,直接用來評價地鐵施工對周邊環境的影響程度。從我們前期的監測數據顯示來看,車站1#風道采用暗挖法,設置在地鐵車站1#風道附近的監測點和地面上的監測點整體沉降量較大,這與施工進度相關,同時也說明了我們的作業方法良好。根據設計單位要求,建筑物點的累積沉降限值為±20mm,地面點的累積沉降限值為±25mm,當沉降量接近限值時,則及時向業主及相關部門匯報情況,并同施工單位共同分析原因,以便采取處理措施。每次監測點沉降量大于2mm的,要在報告中加以說明并進行回歸分析,對變形趨勢進行預測預報。
4 結束語
1)監測儀器操作簡單,精度高,讀數客觀,能對同一測站兩次高差之差超限發出警告,測量數據全部存儲在pcmcia卡,便于計算機處理。
2)變形預報采用線性內插法的變換形式來外推預報值,在短期內較回歸分析更具現實意義,從數學方法上來說,短期內的一元線性回歸方程與線性內插公式的變換形式基本等效。
3)沉降量曲線圖能較沉降量報表直觀地反映監測點的變化情況,可以預測監測點變化趨勢,以便及時將信息反饋至監測管理單位。此外,每月要對施工地段巡察至少一次,確保沉降影響范圍內的建筑物及地面沒有異常情況,沒有出現裂縫、裂紋。
數據處理方法論文:數據處理方法在數學建模中的應用
一、數據處理方法的內涵
隨著信息技術的普及，傳統的演算式的數據處理方法已經逐漸地退出歷史舞臺，現今社會數據處理方法指的是以計算機為載體、利用互聯網技術對數字信息進行整理分析的方法。現行的數據處理方法以表格和圖示最為常見，一般的對近幾年來的數據趨勢進行分析時，往往將數據整理起來繪制折線統計圖，以直觀的顯示數據走勢。而統計每一部分數據所占整體的百分比時，一般都是用扇形圖，明確地反映出數據比例。傳統的圖形繪制一般都是利用紙和筆進行的，而現今軟件技術的發展為數據模型的抽象化和數字化提供了可能。將數據錄入到電腦系統中，通過電腦軟件繪制圖表，在一定程度上大大增加了數據處理的性，提高了數據處理的效率。
二、數據處理方法
在數學建模競賽中的應用在數學建模的初級階段，數據處理方法可以幫助分析出模型內部各元素和數據量之間的關系，使得參賽者對自身的數學建模工作有一個基本認知。其中一小部分的數學模型可以借助數據統計的方法在大量的數據中提取有效數據，建立模型，還有人可以利用模型的理論知識與實際知識的差異度分析建模時的問題所在。可見，數據處理是數學建模競賽中最為關鍵的環節之一，數據處理方法在數學建模競賽中的應用對建模結果有著直接的影響作用。
（一）建模數據的基本分析
一般來說，建模過程中涉及的數據往往是以電子表格的形式儲存在計算機中的，電子表格可以對數據進行排序、篩選、求和和公式運算等一系列處理。除此之外，其他的計算機軟件如文檔等，還可以利用其中的繪圖功能將數據繪制成更利于觀察和研究的直方圖、散點圖等圖像。對建模數據的基本分析是數據處理方法在數學建模競賽過程中的及時步，也是其他方法的基礎。
（二）數據插值
數據插值的理論含義是在已有的數據基礎上，將其他數據按照某種公式或規律插入的行為。一般情況下，只有在已有的數據量不足以支撐建模完成時才使用數據插值的處理方法，基本的數據插值往往是固定在兩點之間的。當然，數據插值的方法需要遵循理論公式才可以進行，理論公式能夠保障后插入的數據的性，繪制真實的圖表。不同的理論公式，最終形成的插值效果圖也就不同，因此在選擇插值需要遵循的公式時，需要認真的考量。美國1998年的比賽中就用到了三維插值的方法，取得了巨大的成功。
（三）數據模擬和綜合分析
數據模擬主要分為數學模擬和計算機模擬，數學模擬是建立在數學學科公式的基礎上的，而計算機模擬則主要是借助計算機技術來實現的。現行的數據處理方法中以計算機模擬的方式居多，利用計算機技術，改變模擬模型的不合理結構和錯誤參數，為最終的模型塑造樣本。數據的綜合分析是建模競賽中數據處理的一步，主要是對前幾個步驟的整理和總結，并對其中的數據進行采樣實證。根據抽樣的數據分析，檢驗數據與模型之間的對應關系是否合理、模型的最終版本是否有著足夠的數據支撐，為建模過程守好一道關卡。
三、結論
傳統的數據處理方法已經逐漸的被社會淘汰，新興的數據處理在建模競賽中得到了廣泛的應用。科學有效的數據處理對建模過程中出現的錯誤有著很好的檢驗功能，能夠確保模型數據性，促進模型的順利構建，獲得數學建模競賽的最終勝利，對青少年創新能力的發揮有著重要的影響意義。本文對數據處理方法進行了簡要概述，對于融入了信息元素的數據處理方法在數學建模競賽中的應用進行了整理和分析，挖掘數據處理方法的重要作用，為我國青少年積極踴躍的參加建模競賽奠定了理論基礎。
作者：陳曦 單位：遼寧科技大學
數據處理方法論文:大學物理實驗數據處理方法
大學物理實驗課是理工科學生低年級必修的一門獨立設置的實驗課，它不僅可以加深對物理規律的理解，更重要的是培養學生實踐動手能力、創新設計能力、獨立分析問題及解決問題的能力，為后續課程學習打下良好的基礎，在培養學生實驗素養、興趣等方面都有無可替代的重要作用.實驗數據處理可以定量的分析變量之間的關系，以便于進一步分析實驗現象，得出規律；實驗數據處理可以判斷實驗結果的正確與否以及實驗結果的程度；嚴格的實驗處理還可以培養學生嚴謹的科學態度和良好的科學素養.物理實驗數據處理的常用方法有列表法、逐差法、圖解法、線性回歸、最小二乘法等，在數據計算中常采用計算器處理以及坐標紙手工繪圖，是一項及其繁雜的工作，所需時間較長且中間過程出現計算上的操作錯誤不易查找.綏化學院電氣工程學院始建于1978年綏化師專物理系，2004年更名為物理與電子信息系，2009年更名為電子工程系，2012年3月更名為綏化學院電氣工程學院.學院注重學生應用能力培養，強化學生實踐能力，近幾年大學物理實驗教師在大學物理實驗課程教學改革方面做了大量積極探索.在作為信息時代標志的計算機普及的今天，MicrosoftOffice已成為每個大學生都應掌握的辦公軟件，Excel作為Office套裝中的一款電子表格軟件，為工程、統計、數據庫等領域提供了大量的專用函數，能夠用于各種專業的數據計算、分析和科學研究.本文結合我校低年級的大學物理實驗課程數據處理方法的改革實踐，探討Excel軟件進行數據處理的常用方法的可行性.
1Excel軟件數據處理常用方法
1.1繪制平滑線散點圖
將實驗數據輸入Excel電子表格，在圖表向導中選擇圖表類型，選擇平滑線散點圖或折線散點圖，進行圖形繪制.在光電源電壓分別為4v、6v、8v時，光敏電阻在不同光照度下的光電流實驗數據如下表1所示，相應平滑線散點圖如圖1所示.
1.2添加趨勢線進行曲線擬合
將實驗數據輸入Excel電子表格，在圖表向導中選擇圖表類型，選擇散點圖，進行圖形繪制.選擇數據點，右鍵，選擇添加趨勢線，在選項欄目中勾選顯示公式.不同光照度下的光敏電阻伏安特性曲線實驗數據如表2所示，相應擬合直線及直線方程如圖2所示，擬合直線斜率即為光敏電阻阻值，即在750lux、412lux、225lux光照度下，光敏電阻的阻值分別為為2.848kΩ、1.226kΩ、0.690kΩ.
2Excel軟件在大學物理實驗數據處理中應用的優勢分析
2.1可行性高
MATLAB軟件及Origin軟件等其它軟件亦可以用于實驗數據處理，但是Excel軟件進行數據處理無需編程、易學易用、對計算機要求不高，對大一學生來說，稍加介紹就能掌握.實踐證明，利用原已熟悉的Excel軟件進行大學物理實驗的數據處理，可行性較高.
2.2效率高
利用軟件進行數據處理時數據處理時間節省一半以上，將學生從繁復的數據處理中解脫出來，并可在實驗室快速、定量地檢驗出實驗數據的優劣；有助于學生把更多的精力投入到對實驗內容、實驗現象的討論及設計性實驗的綜合設計上；輸入數據直觀，計算流程可見，便于錯誤查找，避免計算失誤.
2.3學習熱情高
在學期初的兩個實驗中，我們要求學生用原始的數據處理方法，經過兩輪計算器數據處理和坐標紙繪圖，學生們學到了基本數據處理方法，也體會到了這種方法進行數據處理的繁復.因此，兩個實驗后，學生們對Excel軟件數據處理學習的熱情空前高漲，帶動了對大學物理實驗課程的學習熱情，同時也使學生的實驗數據處理能力得到多方位的提高.
2.4時代性強
大數據時代，與計算機接軌已成為應用性的標志之一.用軟件進行數據處理打開了理論分析、實驗操作與信息時代的接口，開啟了數據思維和數據分析的新里程.利用軟件進行數據處理，可提高物理實驗教學的現代化水平，培養低年級學生的各學科知識的綜合能力，提高學生素質.
3大學物理實驗數據處理方法實踐的幾點思考
3.1利用軟件進行數據處理不利于對數據處理過程及數據處理意義的理解
利用軟件進行數據處理，使數據處理簡單化的同時也走入流程化.如坐標軸上分度值的選取、坐標原點選取、曲線擬合原則、擬合直線斜率計算等均由計算機自動完成，容易在部分學生中滋生不求甚解的學習習慣.
3.2在學生科學態度培養上，傳統數據處理方法的作用不容忽視
傳統數據處理方法更能夠培養學生孜孜以求、百折不撓、持之以恒的科學態度.坐標紙繪圖原則、坐標軸上分度值精度的選取、用計算器進行不確定度的計算等這些基本數據處理原則及方法的掌握，對學生科學素養的培養不容忽視.提倡傳統數據處理方法與利用軟件進行數據處理相結合，循序漸進，因材施教為加深理解，我們明確要求最初的兩個實驗必須采取傳統數據處理.當學生具備一定的數據處理能力、基本掌握簡單的傳統數據處理方法后，才可采用Excel軟件進行數據處理.幾個實驗過后，有能力的同學可以嘗試用Matlab和Origin軟件進行較為復雜的實驗數據處理.
4結束語
本文舉例介紹了用Excel軟件進行數據處理的常用方法，并對用Excel軟件處理大學物理實驗數據的可行性進行了分析.實踐表明，計算機進行軟件處理方法和傳統數據處理方法相結合應用于低年級實驗數據處理是行之有效的.
作者：張弘強 單位：電氣工程學院
數據處理方法論文:地理數據處理方法探討
1眾源地理數據的特點
眾源地理數據具有以下10個特點：1）現勢性高。眾源地理數據具有明顯的實時更新特點，現勢性高。例如，堵在路上的行車者往往會將道路擁堵信息于Twitter、微博、Wikiloc、GPSies等網站。2）傳播快。眾源地理數據大多來自于互聯網，借助社交網站和當地新聞等傳媒系統的傳播能力，進行快速傳播和擴散。例如，美國加州2009年5月的Jesusita火災期間，通過建立地圖式火災監視網站，迅速整合、了來自各種VGI和當地官方的實時火災信息［7］。3）信息豐富。眾源地理數據與人類活動及社會發展緊密相關，具有豐富的社會化屬性、語義信息和時序信息。其參與創建的廣泛性又使得眾源地理數據能從更多角度，更多方面對地理要素進行描述。4）成本低。眾源地理數據大多來自網民自發或無意采集的地理數據，其采集和處理的成本很低，極大地降低了地理信息獲取和使用的成本，將更有效地促進地理信息技術的推廣應用。5）數據量大。眾源地理數據大多來自互聯網用戶有意或無意提交的地理數據，互聯網用戶群的迅速發展帶來了眾源地理數據的激增。無論是像OSM這樣的共享網站，還是具體的眾源地理數據使用者，均需面對海量眾源地理數據的高效存儲以及網絡共享中的快速傳輸等問題。6）質量各異。眾源地理數據主要由民眾提供，其提供過程非常自由，參與人群非常廣泛，所采用的數據采集設備精度不一，創建編輯過程中所用比例尺、采樣精度不一，使得眾源地理數據質量存在較大差異，甚至混雜著錯誤或惡意扭曲的成分。7）冗余而又不完整。眾源地理數據主要由非專業人員創建，缺乏數據完整性，難以滿足一些專業的地理數據要求，同時經過多人多次提交或多次編輯的眾源地理數據存在著大量冗余。8）覆蓋不均勻。眾源地理數據雖然來源廣泛，但是區域覆蓋極其不均勻。例如OSM數據在英國倫敦的數據覆蓋率明顯高于中國湖北省的覆蓋率。9）缺少統一規范。眾源地理數據來源廣泛，數據格式各異，不同數據的內容不同，數據組織和存儲方式也千差萬別。10）隱私與安全難以控制。自由創建和分享的眾源地理數據有時會對他人及一些組織的隱私和安全問題產生影響。
2眾源地理數據的來源與獲取方法
2．1眾源地理數據的來源
眾源地理數據的來源主要包括：1）公共版權數據。這一類數據多由政府部門、企業、公益組織以網站或網絡服務的形式，例如GoogleMap網站提供的正射影像，OpenStreetMap網站提供的交通路網等。也有一些部門和企業免費贈送的地理數據，例如Open－StreetMap上部分國家的主干交通數據由汽車導航數據公司AND（AutomotiveNavigationData）贈送［13］。2）GPS接收機數據。主要包括三類：①應某些組織和項目請求而特意收集GPS數據的志愿者；②共享自己擁有的有價值的GPS數據的普通人或組織；③相對被動、無意識上傳GPS數據的網民，如“街旁網”用戶的手機“簽到”會上傳GPS定位數據。3）網民自發創建的地理數據。OpenStreet－Map、Wikimapia等網站向用戶提供了創建地理對象的功能。部分網民出于自我滿足、利他主義、興趣或是描述周圍環境等目的［14］，主動地在這些網站上創建、編輯、描述各種地理對象。GoogleEarth甚至允許用戶對感興趣的地物進行三維建模。4）Web2．0催生的其他地理數據。Web2．0簡化了客戶交互過程，出于信息共享和社交目的，部分民眾積極地將自己的信息到網上，這些信息可能包含了地理數據。例如Flickr提供了上傳照片并在地圖上關聯實際地理位置的功能。類似的數據源使得眾源地理數據的種類更多樣化、更完整。
2．2眾源地理數據的獲取方法
眾源地理數據的獲取一般包括以下環節：1）下載初始化設置。包括設定下載API和登錄信息，選定數據范圍（包括空間范圍和時間范圍等）。根據研究目標，指定行政區劃或區域邊界坐標，或指定用戶某時間段所的數據等，作為待獲取數據的區域或范圍。2）數據獲取。利用開放的眾源地理數據網站所提供的API接口，如GoogleMapAPI，GoogleEarthAPI，街旁OpenAPI，FacebookAPI等，在網站所提供權限范圍內，實現所選區域數據的直接讀取。也可以利用網絡爬蟲技術設計專用的網頁分析算法，從互聯網上搜索并下載GPS路線數據、矢量地圖數據等。3）數據規范化分析與轉換。眾源地理數據具有多源異構性，其存儲格式多樣、時間版本不一、坐標體系相異。合理有效地利用眾源地理數據需要對其數據格式進行分析，利用文本解析、空間數據引擎等技術將眾源地理數據轉換為在統一存儲格式、坐標體系及概念體系下表達的空間數據，并建立相應的眾源地理數據表達規范。4）數據入庫。將眾源地理數據按統一規范轉換后，將其導入到空間數據庫中進行存儲和管理。
3眾源地理數據處理與分析的關鍵技術
3．1眾源地理數據的質量評價方法
眾源地理數據一般由缺乏足夠地理信息知識和專業訓練的非專業人員提供，因此存在數據質量問題，使用時需考慮其冗余性，有效性，完整性和性等。如何對眾源地理數據的質量進行分析和評價是需要研究的首要問題［4，15］。眾源地理數據的質量是影響眾源地理數據廣泛應用的重要因素。Oort（2006）總結了空間數據質量需要考慮的11個指標：數據來源、空間精度、時間精度、屬性精度、邏輯連貫性、數據完整性、語義率、元數據質量、分辨率、數據使用目的和質量變化等。眾源地理數據的質量分析在用以上全部或部分指標作為評價標準的同時，還應加入對數據提供者的質量評價，充分考慮人為因素對數據質量的影響，建立更加有效的質量分析和評價模型，從而保障眾源地理數據的有效性和可用性。影響眾源地理數據質量的因素主要包括三個方面：①數據的采集或地圖的繪制由非專業人員提供，可能存在一定的人為誤差；②數據可能來自不同的數據源，具有不同等級的精度；③不同采集者使用不同精度的GPS，采集的數據精度存在差異。眾源地理數據的精度不能依靠常規的地圖精度評定方法評估，需要選擇合適的質量要素建立質量分析模型，依據質量分析模型與精度更高的數據進行分析對比來評估其數據質量。目前，國外專家已經對歐洲地區的OSM數據質量問題進行了研究。如對英國地區的OSM數據質量進行分析，從定位精度和數據完整度兩個方面建立OSM數據的質量評估模型；在評估希臘首都雅典的OSM數據質量時，將數據質量評估模型擴展到長度完整度、名稱完整度、類型精度、名稱精度和定位精度等方面。從OSM數據的完整度、專題精度、定位精度三個方面對OSM數據質量進行了分析研究［16－18］。數據提供者的非專業性是眾源地理數據質量不確定性的重要原因，Grira等人指出眾源地理數據的使用者和提供者在眾源數據上下文中具有認知區別［19］，有必要建立針對數據提供者的評價模型。Exel等人提出在眾源地理數據的質量控制指標中增加用戶指標［20］，如用戶的數據上傳次數、修改次數、反饋意見等，從而建立用戶質量測度模型，實現眾源地理數據的質量控制。
3．2眾源地理數據的信息提取與更新方法
眾源地理數據的信息提取與更新是以眾源地理數據作為數據源，以其低成本和高時效的優勢實現地理信息的快速提取和及時更新。它是傳統地理信息更新方法的重要補充，在特定情況下可以發揮不可替代的作用。如Goodchild指出，在面對印度洋海嘯等嚴重自然災害時，從傳統的遙感影像上獲取道路因影像有云或濃煙遮蔽受限制時，利用當地眾源用戶在GoogleEarth上及時標識的地物信息來補充數據庫就更加高效［4］。近年來國內外開展了一些利用眾源數據進行地理信息提取和更新的方法和應用研究。在災害快速響應方面，眾源地理數據發揮了重大作用。美國圣巴巴拉市的4次大型火災案例研究表明，盡快建立新的道路數據庫可以提供有效的逃生路線［7］。海地大地震后，大眾在OpenStreetMap上協作完成道路、房屋和其他地物的重新編輯以建立震后地理數據庫，利用常規測繪方式需花費上萬英鎊，同時耗時幾年，而利用眾源地理數據僅用了三個星期［8］。眾源地理數據用于城市道路設計能較大提高人們的滿意度，Seeger指出眾源地理數據在良好引導和補充城市規劃道路數據庫更新和重構中將發揮積極作用［15］。Steffen在Geo－Wiki項目中利用眾源用戶對數據庫中地物屬性信息進行補充和修改［6］，能明顯提高效率及性。眾源地理數據提供的紋理和三維信息，被O－ver等結合DEM經綜合生成了三維可視化數據庫模型［21］。Zhang等利用眾源GPS軌跡數據，在行進方向的法線上進行模糊C－均值聚類，將相鄰車道分開，建立了幾何精度較好的道路數據庫，可用于數據庫更新［22］。Mondzech與Sester指出眾源地理數據應用于行人導航比現存地形圖數據庫更有優勢，因為它更新快且提供了大量真實的快捷路徑，眾源地理數據可對傳統數據庫進行很好的補充［23］。眾源地理數據為建立和更新地理數據庫提供了一種不同于傳統測繪方式的新途徑。它不僅能有效地提取道路等地物和標注屬性信息，而且能用于導航數據庫的更新。但是由于眾源地理數據來源眾多且缺少統一規范，存在不足，目前尚未能廣泛應用于大區域范圍內高精度的數據庫更新中。綜合以上分析，眾源地理數據信息提取與更新的研究思路為：以建立眾源數據的質量模型和多源數據配準和變化檢測為核心，研究眾源地理數據的信息提取與更新的協作機制和方法。主要研究方向包括：①研究實現眾源地理數據的高覆蓋率和高完整性。眾源地理數據雖然來源廣泛，但是在單一的某個平臺上部分區域的覆蓋率存在較大的局限性。需要從現有的眾源地理數據平臺（Wikimapia、BingMap、GoogleMap等）中獲取盡可能多的數據以提高區域覆蓋率和屬性信息完整性。同時應研究將不同區域的更多用戶參與到眾源地理數據的協作機制。②建立規范合理的質量模型。為來源廣泛、質量各異的眾源地理數據建立有效的綜合取舍和聚類機制，以及快速處理算法。需要研究數據量和來源控制的范圍，從而最有效地得到能滿足數據庫更新這一應用的數據覆蓋率、完整性和幾何精度。③提高眾源地理數據庫的幾何精度。可結合高分辨率遙感影像、全景影像、Lidar數據等對初始建立的數據庫的幾何位置進行精糾正，對不同數據的配準和修正位置精度的算法進行研究。④基于眾源地理數據建立地理數據庫并進行更新。研究兩種不同規范的數據庫的配準，對不同時間數據庫的幾何與屬性信息進行比較，發現減少或新增部分，并用判別規則合并兩套數據庫的信息以實現數據庫更新。
3．3眾源地理數據的分析與挖掘方法
眾源地理數據作為一種由大眾采集并向大眾提供的開放地理數據，蘊含著豐富的空間信息和規律性知識。利用空間數據分析與挖掘方法可以從中提取信息、挖掘知識，從而為具體應用提供服務。1）眾源地理數據拓撲分析。大部分眾源地理數據的描述采用的是一種包含拓撲性質的數據結構。如OSM數據中的點、線、面等幾何要素及其關系是通過頂點、路線和關系等來描述的。通過對某區域內的要素進行拓撲分析，能發現點、線、面的分布規律，挖掘該區域的空間結構和模式。例如，利用瑞典的OSM數據進行自然道路網絡的提取與拓撲分析，發現自然道路網絡存在無標度特性［24］；利用香港的街道網絡數據和年度平均的每天交通流量數據，通過街道網絡的拓撲表示和分析，從而進行交通流量預測［25］。進行拓撲分析時經常用到平均度、平均路徑長度和聚類系數等統計指標，結合空間統計方法可以探索地理要素的分布結構和模式。在利用眾源地理數據進行網絡拓撲分析時，可考慮與其他地理數據源集成和綜合分析。2）利用眾源數據探索地理空間的無標度特性。無標度從數學意義上講就是某種現象的大小分布服從冪律分布。傳統的地理學研究認為地理空間存在高斯分布的特性，而最近基于大量的地理數據的實證研究發現地理空間存在無標度的特性。例如，利用美國的OSM數據進行自然城市的提取與統計分析，發現美國的城市大小（無論是人口還是道路節點的個數）滿足齊普夫定律［26］；利用歐洲三個國家（英國，德國和法國）的OSM數據進行街區多邊形提取與統計分析，發現所有這些街區大小服從Lognormal分布［27］；利用TeleAtlasMultiNet地理數據庫對德國20個城市的道路網進行統計分析，發現所有道路上的行車時間服從冪律分布，也就是具有無標度特性［28］。3）利用眾源地理數據進行導航分析，為人們出行提供幫助。例如，綜合應用OSM地圖與航空影像研制協作導航系統，結合A＊算法和用戶評價在交通網絡上進行路線計算和搜索，為行動不便以及有個人偏好的行人提供路線設計［29］；對OSM的一些城市道路網絡數據進行分析，計算轉彎最少、路徑最短的導航路線［30］。4）眾源交通數據挖掘。眾源交通數據中隱含著規律性的交通知識。利用空間數據挖掘方法可以挖掘出對交通管理和大眾出行具有指導意義的規律性知識。例如，利用倫敦個人摩托車的GPS移動路線研究人們選擇路線的偏好，發現路線選擇時更多考慮的是角距離而非街區距離，即人們在出行時往往會選擇轉彎較少的方案［11］；利用OSM的大范圍道路數據對人們的出行進行模擬研究，認為人們的出行模式主要受路網結構的影響，由此為出行行為和路徑優化研究提供了新的視角［31］；對基于用戶軌跡挖掘的智能位置服務進行研究，探討了基于個人歷史軌跡、多人軌跡數據的大眾旅游推薦、個性化朋友和地點推薦等［32］。利用志愿者采集的GPS數據，基于歷史位置對用戶出行的相似性進行分析和挖掘，有助于探測用戶之間的關系以及地理位置的相關性［33］；利用志愿者采集的GPS數據研究志愿者的空間移動規律特性，指出該出行距離具有較強的Levy移動特點，并通過基于的模型進行了驗證，有助于人類動力學的實證與機制研究［34］。綜合以上分析，眾源地理數據分析與挖掘的研究思路為：利用網絡拓撲分析、空間數據統計建模、地理模擬、時空數據挖掘、統計物理學等方法對眾源地理數據進行分析和挖掘，從中提取空間信息，挖掘空間知識。主要研究方向包括：①眾源地理數據的拓撲分析。利用拓撲分析方法研究并構建眾源地理數據的網絡拓撲關系。②地理空間的無標度分析。利用空間數據統計建模方法研究地理現象的冪律分布。③導航分析：通過眾源地理數據的交通流量分析和路徑分析，為人們的出行提供導航服務。④眾源地理數據統計建模：對眾源地理數據的統計特性進行探索性分析，構建統計模型并分析其統計規律。⑤出行行為規律分析：利用空間聚類、頻繁模式挖掘等空間數據挖掘方法從眾源地理數據中挖掘出規律性知識，分析人們的出行規律，從而為大眾旅游推薦、個性化朋友和地點推薦等提供基礎。⑥人類動力學研究：利用統計物理學方法和地理模擬方法，研究出行距離分布，構建動力學模型，為交通規劃設計、傳染病控制和無線網絡協議設計等提供支持。
4總結與展望
眾源地理數據處理與分析是近年來國際地理信息學科研究和應用的新熱點。眾源地理數據是一種有別于傳統測繪的新型地理數據源，將深刻影響現有地理信息科學的發展方向和產業化模式。眾源地理數據可以應用于應急制圖、早期預警、地圖更新、犯罪分析、疾病傳播等地理信息服務領域。眾源地理數據處理與分析的研究才剛剛開始。隨著地理信息科學與Web2．0技術的進一步發展，作為專業測繪領域有效補充的眾源地理數據的處理、分析、應用和服務是未來發展的重要趨勢。眾源地理數據處理與分析需要完備的技術體系、深厚的理論方法為其提供支撐，需要對眾源地理數據源及其特點進行分析和研究，需要研究眾源地理數據的質量分析與評價方法、眾源地理數據的信息提取與更新方法、眾源地理數據的分析與挖掘方法等關鍵技術，并研究眾源地理數據在相關領域的應用，不斷擴大其應用領域，從而促進眾源地理數據處理、分析與應用服務這一新興研究方向的發展。
作者：單杰 秦昆 黃長青 胡翔云 余洋 胡慶武 林志勇 陳江平 賈濤 單位：武漢大學遙感信息工程學院 普度大學土木工程學院
數據處理方法論文:關于區域可持續發展評價過程數據處理方法研究
摘要：實現可持續發展是21世紀全球面臨的一個重要研究課題，可持續發展評價則是實現可持續發展的基礎。區域可持續發展評價是一個多因素、非線性的問題，不僅評價過程復雜，而且數據處理和評價方法也很多。
關鍵詞：區域；可持續發展；評價；方法
一、評價指標篩選與權重確定的方法
（一）評價指標篩選的方法
評價指標的選取是評價可持續發展的基礎，為避免人為因素的干擾，篩選指標篩選的方法一般有：頻度分析法、主成分分析法及其他方法[1]。
1.頻度分析法。對目前可持續發展的報告、論文進行頻度分析，選擇那些使用頻率較高、被普遍認可的因素作指標。
2.主成分分析法。主成分分析法是一種數學變換的方法，它把給定的一組相關變量通過線性變換轉成另一組不相關的變量，這些新的變量按照方差依次遞減的順序排列。
（二）評價指標權重的計算方法
評價指標權重的計算方法很多，但通用層次分析法和模糊綜合評判法或兩者種相結合來指標權重。
1.層次分析法（AHP）。層次分析法是美國著名的運籌學專家匹茲堡大學Saaty教授于20世紀70年代提出的定性與定量相結合的多目標系統分析方法，具有系統、簡潔、靈活等特點，主要對相互聯系、相互制約的多因素復雜事物進行分析，通過劃分有序層次使之條理化，并根據客觀情況對每一層次的相對重要性給予定量表示[2]。
2.模糊綜合評判法。模糊綜合評判法是基于評價過程的非線性特點而提出的，它是利用模糊數學中的模糊運算法則，對非線性的評價論域進行量化綜合，從而得到可比的量化評價結果的過程。[3]
二、評價指標屬性值標準化的計算方法―隸屬函數法
評價指標屬性值標準化的計算也就是指標數據的無量綱化。區域可持續發展評價系統設計了大量相互關系、相互影響、相互制約的評價指標，各指標均具有不同的量綱，缺乏統一的衡量性。為此，必須將各指標統一進行無量綱化處理，以便于考核評價工作在一致化的狀態下進行。
（一）發展類指標的歸一化函數：
（1）
表示i指標歸一化后的數據， 表示當年度該指標的原始數據， 和 分別表示該區域i指標的最小值和規劃目標值。
（二）制約類指標的歸一化函數：
（2）
表示i指標歸一化后的數據， 表示當年度該指標的原始數據， 和 分別表示該區域i指標的下限值和規劃上限值。
三、評價指數的計算方法―加權平均法[4]
（一）中層評價指數的計算。中間層評價指數是根據所屬各指標的權值，通過對所屬各指標值線性加權來計算，即：（3）
式中： 為指標標準化值； 為中層評價指數； 為第i項指標權值；n為中層指標所包含的指標數。
（二）高層評價指數的計算。高層評價指數是對中間層評價指數進一步線性加權計算得到，即： （4）
式中： 為高層評價指數； 為中層指標權值； 為高層指標所屬的中間層指標數。
（三）綜合評價指數的計算。綜合評價指數是對高層評價指數再一次綜合，即：（5）
式中： 為高層評價指數； 為高層指標權值： 為高層指標數。
四、結論
區域可持續發展評價研究方興未艾，本文通過區域可持續評價過程中數據處理方法詳細探討，因為數據處理方法的優劣直接影響了評價結果的與否，因此重點分析了指標的篩選、權重的確定、指標數據標準化和評價指數等整個評價過程的數據處理方法，給讀者起著一個拋磚引玉的效果。
數據處理方法論文:牛頓環測透鏡曲率半徑數據處理方法的分析
摘 要:詳細介紹用逐差法、線性回歸法、加權平均法處理牛頓環測透鏡曲率半徑數據的方法和過程。比較三種實驗數據處理方法的優缺點,其中加權平均法既考慮了如何克服實驗的系統誤差,又能按照處理原則去對待非等精度測量,且建立在數理統計理論基礎上。該方法主要是比較相應的權,進而求出加權平均值,利用Matlab軟件進行處理,得出加權平均法為牛頓環實驗數據處理的方法。
關鍵詞:牛頓環; 逐差法; 線性回歸法; 加權平均法
0 引 言
“牛頓環”是牛頓在1675年制作天文望遠鏡時,偶然把一個望遠鏡的物鏡放在平板玻璃上發現的。牛頓環屬于用分振幅法產生干涉現象,亦是典型的等厚干涉條紋。它為光的波動提供了重要的實驗證據。光的干涉現象廣泛地應用于科學研究、工業生產和檢驗技術中,如利用光的干涉法進行薄膜等厚、微小角度、曲面的曲率半徑等幾何量的精密測量,也普遍應用檢測加工工件表面的光潔度和平整度及機械零件的內力分布等。
為了獲得真實的數據,需要對實驗的全過程進行誤差控制。如果實驗原理、方法和采用的實驗裝置不同,實驗結果的精度也不同,這是因為采用了不同的物理模型和實驗條件[1]。即使當實驗原理、方法和采用的實驗裝置相同,如果采用不同的數據處理方法(如最小二乘法、逐差法等),也會帶來精度不同的結果,這是因為采用了不同的數學模型。甚至對同一組實驗數據采用同一種數據處理方法,如果處理方式不同,其精度也會有很大的不同,這是因為采用了不同的算法。因此,如何利用有限的測量數據,發揮其較大效用,選擇適當的數據處理方法和算法,有效地減少誤差,在實驗結果的分析中就顯得非常重要。
牛頓環屬于用分振幅法產生干涉現象,它是典型的等厚干涉條紋。下面以牛頓環干涉實驗為例,對實驗數據分別用逐差法、線性回歸法、加權平均法三種方法進行分析,然后比較三種方法的優劣,并對結果進行討論。
1 實驗部分
1.1 實驗原理
最常見的牛頓環干涉結構如圖1所示\,把一塊曲率半徑相當大的平凸鏡放在一塊平板玻璃片上,在單色光的垂直照射下,用讀數顯微鏡可觀察到以接觸點為中心的一系列干涉圓環。其中亮暗環紋交替出現,隨著半徑增大而由稀變密,直至模糊一片。
(1) 逐差法主要是圍繞如何克服實驗的系統誤差來進行的,是建立在算術計算的基礎上,但并不滿足非等精度測量實驗數據處理的條件,而牛頓環干涉實驗是非等精度測量,故逐差法對于牛頓環實驗來說并不是一種理想的數據處理方法。
(2) 線性回歸法主要是為了避免非等精度測量的困難,但未考慮該次實驗中的系統誤差,所以線性回歸法對于牛頓環實驗來說也不是理想的數據處理方法。
(3) 加權平均法既考慮了如何克服實驗的系統誤差,又能按照處理原則去對待非等精度測量,且建立在數理統計理論基礎上,所以加權平均法是處理牛頓環實驗數據的方法。
2 結 語
本文對牛頓環實驗數據分別采用逐差法、線性回歸法和加權平均法進行分析。逐差法在牛頓環干涉實驗中是一種常用的實驗處理方法,其原理簡單且便于理解,對它的實驗原理不用再做過多的敘述,但由于逐差法不滿足非等精度測量實驗數據的條件,而牛頓環干涉實驗就是一種非等精度測量,故該方法對于牛頓環干涉實驗并不是一種理想的實驗處理方法;線性回歸法先利用數值插值法對實驗數據進行處理,再利用最小二乘法將實驗數據擬合成一條直線函數,用Matlab軟件計算出線性擬合系數B及相關系數r,進而算出凸透鏡的曲率半徑R和測量的相對不確定度;加權平均值法主要是比較相應的權,進而求出加權平均值,利用Matlab軟件處理較為方便,在優化模型中應用較廣。經過分析與討論可知應用加權平均值法為牛頓環實驗數據處理的方法。
數據處理方法論文:一種鋼絲繩局部截面損失識別的信息融合數據處理方法
摘要：鋼絲繩的局部金屬截面損失是判斷鋼絲繩能否安全工作的重要依據，該文提出一種基于信息融合的鋼絲繩的局部金屬截面損失識別算法。將其斷絲根數和斷口間距總和作為CMAC(Cerebellar Model Articulation Controllers)神經網絡融合模型的輸入，鋼絲繩局部金屬面積損失作為輸出，訓練CMAC神經網絡模型；通過現場檢測數據和已訓練的識別模型可計算鋼絲繩的局部金屬截面損失；，應用仿真實例證明了利用CMAC神經網絡判別金屬截面損失的性。
關鍵詞：信息融合；局部金屬截面損失；故障診斷；模式識別
鋼絲繩作為一種在國民經濟各部門廣泛使用的柔性構件，所處工作環境復雜惡劣，其安全性能的高低直接關系到設備能否正常運轉、操作人員的人身安全能否得到保障。因此，實時的監測鋼絲繩的安全狀況具有十分重大的意義。
鋼絲繩缺陷主要分為：1) 局部缺陷LF(Localized Fault)指鋼絲繩局部位置上產生的損傷，主要包括內外部斷絲、局部形狀異常、銹蝕斑點等；2) 金屬截面積損失LMA（Loss of Metallic cross-sectional Area）指鋼絲繩的鋼絲由于疲勞磨損、腐蝕、擠壓等原因造成鋼絲金屬截面積減小，主要包括銹蝕、磨損、鋼絲繩繩徑縮細等。
LMA的變化直接體現了鋼絲繩所有鋼絲的破斷拉力總和的變化[1]，大部分的鋼絲繩檢測儀都可以檢測LMA。LF以斷絲為主，其定量指標比較模糊。而且鋼絲繩是一種串聯的柔性部件，最薄弱的局部較短的一小段決定了整根鋼絲繩的破斷強度。在實際應用中，經常是由于斷絲、銹蝕等局部范圍內的缺陷造成鋼絲繩的報廢。仔細分析LF本質，LF可以視為沿鋼絲繩軸向長度較短的金屬截面損失，即局部LMA[2]。因此，本文以LF即局部LMA為目標判斷鋼絲繩的安全狀況。
1 鋼絲繩局部金屬截面積損失的CMAC融合算法
目前，鋼絲繩無損檢測普遍采用電磁法檢測存在缺陷的鋼絲繩的漏磁通[3-4]。由于鋼絲繩信號較為復雜，而大多數檢測方法的數據處理是采用單傳感器信號進行損傷識別，如文獻[5-6]的小波信號處理方法，文獻[7]的人工神經網絡模式識別方法等，使得在實際應用中地檢測和識別鋼絲繩損傷仍然具有較大困難。
局部缺陷LF會使鋼絲繩周圍形成高密度磁場，在檢測曲線上表現為波峰的出現。因此，建立漏磁信號和局部LMA之間的關系很有必要。而利用神經網絡來建立這種關系更易實現。由于CMAC神經網絡是一種典型的局部逼近神經網絡，具有速度快、精度高、算法簡單等特點，用它來分析各種局部缺陷的復雜波峰是一種較為有效的方法。
本文提出一種基于信息融合的鋼絲繩的局部金屬截面損失識別算法，利用信息融合的多維信息處理優勢來提高鋼絲繩局部金屬面積損失識別的度。即：將鋼絲繩斷絲根數和斷間距總和作為CMAC神經網絡融合模型的輸入，鋼絲繩局部金屬截面損失作為輸出，訓練CMAC神經網絡模型，通過現場檢測到的數據和經過訓練的模型即可得出鋼絲繩的局部金屬截面損失。
1.1 基于CMAC信息融合的鋼絲繩局部金屬截面積損失識別算法
由于鋼絲繩工作環境惡劣且其局部缺陷信號比較復雜，為了較大限度的發揮CMAC的信息處理能力，本模型選取儀器測取的原始漏磁信號作為輸入，即：1）斷絲根數；2）斷口間距總和；選取對應長度的局部金屬截面積損失作為輸出。不同的缺陷產生的漏磁信號差別很微小，因此若從漏磁信號中選取某些特征值作為輸入，將會丟失一些其他信息，另外還會增加計算環節。
圖1為CMAC信息融合的鋼絲繩局部金屬截面積損失識別模型。從檢測儀器測取的數據中，選取一定數量的樣本，將樣本的斷絲根數、斷口間距總和作為CMAC的輸入，訓練神經網絡。再將測取的全部數據輸入CMAC神經網絡，得到輸出結果。
1.2 CMAC神經網絡模型
CMAC神經網絡 [8-9]是模仿小腦功能的建成的一種局部逼近神經網絡。具有算法簡單、學習速度快、局部泛化能力、神經元的輸入輸出呈線性關系等特點。
CMAC結構如圖2所示，圖中S表示輸入狀態空間，A表示存儲區，y為輸出響應矢量。輸入空間的Si同時激活A中的NL個元素，使其取值為1，其余取值為0。NL反應網絡泛化能力的大小，稱為泛化參數。一般來說，實際應用中輸入向量的各分量來自不同的傳感器，其值多為模擬量，而A中的每個元素為二元變量。為使S空間中的點映射為A空間的離散點，必須先將模擬量Si量化，使其成為輸入狀態空間的離散點。
CMAC的基本思想如圖3所示：將學習的數據(知識)存儲在交疊的存儲單元(記憶空間)中，其輸出為相應激活單元數據的累加和[10]。算法的實現主要包括兩方面運算：一是結果的計算輸出及誤差生成；二是權值的學習調整。
在結果輸出階段，A中NL個被激活單元的對應權值的累加和即為網絡輸出 yi，即
（1）
其中，wj為第j個存儲單元的權值。
在權值調整階段，常規的CMAC算法將誤差平均分配到所有被激活的存儲單元中，其更新wj(t+1)的算法為：
（2）
其中，ys(t)表示第t個訓練點所對應的期望輸出，α為學習常數，NL被激活的存儲單元的個數。
1.3 地址函數設計
對CMAC神經網絡存儲單元的激活規則，本文采用文獻[11]的方法：所需存儲單元的標志通過地址函數產生。該方法十分簡便，且有效避免了數據碰撞的發生。
以三維CMAC為例[12]，設CMAC的級數為m，每級包含的塊數為nb，則每維的等分塊數等于m*(nb-1)+1。本例中，(m*(nb-1)+1)3狀態僅需N=m*nb3個存儲單元。考慮狀態s(x1,x2,x3) ，激活m個存儲單元，各激活存儲單元的地址函數為s(j), j=1,…,m，則s(j)=F(x1,x2,x3,j)，定義：
① If j=1, 則i=0, 其他i=m-j+1;
② ax=int((x1+i)/m);
③ ay=int((x2+i)/m);
④ az=int((x3+i)/m);
s(j)=F(x1,x2,x3,j)=ax+ay+az*nb2+(j-1)*nb3+1
2 仿真實例
為了驗證所提算法的識別性，此處以文獻[13]的實驗數據為基礎，比較CMAC信息融合識別方法與實際測試結果的吻合程度。表1為利用MTC-B型鋼絲繩檢測儀測試的“斷絲數”、“斷絲間距總和”、 “LMA”的數值。訓練樣本取自φ28鋼絲繩受力為2KN工況下的數據，鋼絲繩為6×19φ28交互捻W型鋼絲繩，鋼絲直徑為1.8mm，股距30mm，鋼絲繩的公稱截面積為289.55mm2。鋼絲繩經過較長時間的彎曲疲勞試驗，斷絲原因是彎曲斷絲，共29處斷絲，分布在不同的繩股上。每根斷絲根數最少1根，最多4根。
選取19個訓練樣本，對應表1的序號為：1，2，3，6，7，8，9，12，13， 15，16，19，20，24，25，26，27，28，29，每個樣本長度等于1個股距長。將所選樣本的斷絲根數與斷口間距總和作為CMAC的輸入，LMA作為輸出，訓練神經網絡。
本例中，取級數m=4，每級包含nb=8塊，存儲單元總數為m*nb2=256。CMAC網絡訓練完成后，用所建立的模型對儀器檢測數據進行判別。
其中，表2為所選取19個訓練樣本的CMAC神經網絡融合輸出值與儀器測量值與的比較，表3為其他10個非訓練樣本的網絡融合輸出值與儀器測量值的比較。
表2的數據表明，訓練過的19個樣本CMAC融合輸出值與測量值一致。表3的數據表明，未訓練過的10組數據中，其中4處CMAC融合輸出值非常，其他數據存在一定的誤差，誤差范圍在8.54%-62.15%。
選取較多的訓練樣本可以解決鋼絲繩缺陷信號相容性、遍歷性較為復雜的問題，達到提高精度降低誤差的結果。進行仿真證明，當選取29個訓練樣本時，全部樣本CMAC融合輸出值與測量值一致。
3 結束語
本文論述了CMAC神經網絡的理論基礎，討論了鋼絲繩缺陷的定量分析問題，提出了一種基于CMAC神經網絡的鋼絲繩局部缺陷逼近方法，提高了鋼絲繩局部缺陷檢測的率。通過實例檢驗了該方法的正確性和有效性。
數據處理方法論文:山區高填方機場沉降監測數據處理方法探討
【摘要】通過恰當的方法進行山區機場沉降監測數據的處理來提高內業工作的效率，從而也能在某種程度上有著加快機場建設進程的作用。本文針對常用的幾種變形監測數據處理方法進行分析探討，其結果對山區高填方機場實際工程的應用具有一定的借鑒意義。
【關鍵詞】高填方機場，沉降監測，數據處理
0 引言
山區高填方機場建設區域地形地勢條件、水文地質條件復雜，變形問題不可避免的存在。機場的變形輕則影響機場道面的功能性要求，嚴重的會導致機場道面結構性損壞，威脅著乘客的人生安全。因此，對于山區高填方機場的建設不僅僅要求建設質量，由于其建設環境的特殊性，需要對建設區域進行實時變形監測，通過對變形區域采集數據計算，及時分析變形體是否處于穩定安全狀態。本文通過對常用變形監測數據處理方法進行總結，分析出適用于山區高填方機場沉降監測數據處理的方法。
1 沉降監測數據處理基本方法
傳統沉降監測數據基本采用人工或者半人工計算的方式來進行處理。而在諸如機場建設等一些較大型的沉降監測項目中，數據處理多為自動化方式，借助于一系列的大型數據處理軟件進行自動化處理計算，將計算結果自動成圖，分析預測沉降趨勢，便于有效掌握變形體的沉降變形情況，及時解決變形問題。
以下對常用監測網平差方法進行總結和分析，選擇適于山區高填方機場變形監測網數據處理的方法。
監測網經典平差
監測網經典平差是基于網中擁有足夠的穩定點作為平差時的起算點，并以這些數據作為基準，確定網中其余未知點的坐標。此類監測網由于其圖形復雜，且含有較多的多余觀測，常用間接平差法。
作為經典網平差有如下兩個問題：
1、網中可能存在多個穩定點，選擇不同的穩定點作為起算點時，其平差結果肯定不同，選擇平差解就成為了需要重新考慮的問題。
2、對于變形網中的網點，一般很難預先確定出哪些點是不動的，也就是說基準的選擇較困難[3]。
秩虧自由網平差
所謂秩虧是指沒有足夠的起算數據，沒有固定的起算點。秩虧自由網可以不預先假定固定點，所有網點等同看待，即是將所有網點坐標都視為帶定量，這時秩虧自由網平差可以結算出變形量，其核心是最終的平差結果和所選基準（平差時的約束條件）無關。秩虧自由網平差與經典平差一般情況下所求得的坐標是不同的，但求得的單位權方差相同[1]。
采用秩虧自由網平差發現變形的能力比采用經典平差強的多，因此其在目前變形監測數據處理中顯得非常重要，尤其是針對區域變形監測，非線性大地網秩虧平差的應用較為廣泛。
自由網擬穩平差
自由網擬穩平差是由我國周文江教授于1980年針對變形觀測網中存在相對穩定點情況而提出的一種合適解法。此平差法是以網中的相對穩定點組的重心參考系作為網配置的基準。自由網擬穩平差的結果滿足最小二乘原則，其所求改正數與經典平差和秩虧平差結果相同，但由于參考系的不同，測量值的平差結果及測量值協方差陣亦不同。
根據以上幾種數據處理基本方法的總結，針對山區高填方機場建設沉降變形監測網的特點，由于有些沉降變形監測點可能處于地質條件不好，受力變化比較大的地方，各網點移動的可能性不同。并且，在某些時候，對于沉降監測網點的穩定性并不能預先得知，而經過數據處理后可以知道某些點的移動情況[2]。以上所述均常見于山區高填方機場沉降監測變形網數據處理中，如果采用經典平差或秩虧自由網平差顯然都是不合理的，所以在機場沉降變形數據處理時優先選擇自由網擬穩平差方法較為適宜。
2 沉降變形預測基本方法
隨著技術的發展以及對工程質量及建設安全的保障，不僅在對變形體進行沉降監測時所使用的儀器觀測精度要求提高，數據處理成果的性及對后期變形情況預測的有效性要求也隨之提高。一般沉降變形預測的做法是根據已有相關變形監測數據，采用數學模型來逼近、模擬和揭示變形體的變形規律和動態特征，為工程設計和災害防治提供一定的科學依據，現將幾種常用沉降預測方法總結如下：
回歸分析法：
隨著對變形體沉降變形進行多期觀測，獲得大量的觀測數據，這些數據由于其包含著變形體本身發生、發展的變形規律以及外界環境對變形的作用因素。我們需要從獲取的數據中，通過數據處理的方法得到變形體變形的定量規律或者與外界影響因素之間的定量關系。
采用回歸分析的方法可以將對數據的認識提升到定量的層面，該方法屬于研究變量之間相關關系的統計方法，適合于變形體與其他因素相關的變形預測，以大量監測數據為基礎，找出變量之間的內部規律，即統計上的回歸關系[4]。
時間序列分析法：
相對于回歸分析法，時間序列分析法可以應用于監測數據是統計相關的情況，因為無論是按時間序列排列的觀測數據還是按空間位置順序排列的觀測數據，數據之間都或多或少的存在著統計自相關的現象。
時間序列分析法是一種動態的數據處理方法，分析觀測資料考慮到時間順序時，由于觀測值的非獨立性，未來觀測值可由已有的觀測數據預測得到，可利用觀測值之間的自相關性建立相應的數學模型來描述變形體的動態變形特征[1]。
灰色系統預測法
針對短數據序列而言，由于其具有變形信息量少、規律性不強等特點，使得諸如回歸分析預測等方法存在較大的預測難度。
對此，由我國鄧聚龍教授提出的灰色系統理論衍生的預測方法，對變形監測的短數據序列建模方面有一定的優越性，使用數據生成的方法，將原本雜亂的原始數據整理成規律性強的生成數列，即從原始數據中去發現、尋找數據潛藏的內在規律，然后對生成數列再做研究[5]。
模糊人工神經網絡法：
針對傳統方法中處理非線性問題時采用分段線性化的方法這一缺陷，神經網絡在處理非線性問題上，具有一定的優越性，為非線性系統建模、識別和預測提供了一個有效的解決途徑。其基本思想是先用神經網絡建立變形影響參數與變形之間的非線性關系，再將待測點的實測影響變形的參數輸入到已建好的網絡中，即可預測變形量。
根據以上對幾種預測方法的總結分析，結合山區高填方機場沉降監測的特點，綜合考慮沉降變形所受內部因素較多，而回歸分析法主要針對變形由外部因素引起的變形預測分析。時間序列常常受到長期趨勢、周期波動及不規則變動等影響，且其只注重監測數據的擬合，不注重變形數據變化規律的發現，所以對山區高填方機場沉降進行預測選用這兩種方法都不是很適宜。灰色系統預測法與模糊人工神經網絡法的結合使用比較適合于山區高填方機場沉降變形監測數據處理，在沉降監測初期，由于獲取的監測數據有限，使用灰色系統預測法進行數據生成，一方面進行初步沉降預測，另一方面后期監測數據也能驗證其正確性。在沉降監測的中后期，考慮到變形是變形體受多種內、外部因素共同作用的結果，其監測數據往往具有復雜的非線性特征，因此選擇人工神經網絡的方法來對變形體直接建模具有較好的預測效果。
3 總結
本文針對沉降變形監測數據處理基本方法及其預測方法的總結分析，提出適用于山區高填方機場數據處理和預測的方法，由于目前只在于理論層面的探討，后期還需要根據已有數據對所選擇處理方法進行實踐應用，才能驗證其可行性。
數據處理方法論文:航測數據處理中的空間插值方法比較
【摘要】隨著航測數據處理要求的不斷提高，研究其中的空間插值方法比較有著關鍵價值。本文首先對航測數據處理相關內容做了概述，分析了插值流程及插值檢驗，并結合相關實踐經驗，從多方面就空間插值方法的比較進行了研究，提出了個人觀點。
【關鍵詞】航測數據；處理；空間插值方法；比較
一、前言
作為航測數據處理中的重要工作，其中空間插值方法的比較在近期得到了有關廣泛關注。該項課題的研究，將會更好地提升空間插值方法的應用實踐水平，從而有效優化航測數據處理工作的整體效果。本文從概述相關內容著手本課題的研究。
二、概述
本文研究數字高程模型的內插方法，并不是要去研究出新的更適合的內插算法，也不是說明如何探索待插值數據的各種特征以更好的進行內插，也不單單是分析更適用于某一個區域數據的內插模型，而是通過同一種插值方法對不同采樣數據的插值以及同一個采樣數據使用不同的插值方法進行插值，對其結果進行分析比較，得出各種插值方法在不同環境下的精度以及其適應性。
從本質上說，插值問題，包括數字高程模型內插，是人們利用已知信息的規律所做出的對未知數據的一種猜測。這種猜測并不可能與真實情況一致，肯定存在一定的誤差偏移。既然誤差是不可避免的，那該如何在生產中減少這種誤差？能否根據已知的數據情況選擇出一種適合該插值領域的內插方法？各種內插模型的插值結果又有多大的區別？同一種內插模型在不同采樣數據情況下，插值結果又會如何？本論文在對數字高程模型內插問題中各種內插方法的精度與適應性的對比，因此文中會通過自編程序運算大量的采樣數據，用幾種插值方法對同一組數據進行插值和對不同采樣間隔的數據進行插值，還會對兩種地形的采樣數據使用不同插值方法進行插值，然后將它們的插值結果進行對比和分析，得出有意義的結論。
三、航測數據生產流程及關鍵技術
1.資料準備
航攝資料如航攝底片、控制點資料、相關的地形圖、航攝機鑒定表、航攝驗收報告等應收集齊全；對影像質量、飛行質量和控制點質量應進行分析，檢查航攝儀參數是否完整等。
2.影像掃描
根據航攝底片的具體情況，設置與調整掃描參數，使反差適中、色調飽滿、框標清晰，灰度直方圖基本呈正態分布，掃描范圍應在保障影像完整（包括框標影像）的前提下盡可能地小，以減少數據量。影像掃描分辨率根據下面公式確定：影像掃描分辨率R=地面分辨率/航攝比例尺分母。
3.定向建模
自動搜尋框標點，放大切準框標點進行內定向，對定向可由計算機自動完成，人機交互完成定向如不符合要求，需重新定向，直至符合限差要求。檢查定向精度，需滿足要求；相，完成定向后需檢查坐標殘差。
4.數據采集
（一）立測判讀采集，需嚴格切準目標點，要求按中心點、中心線采集的要素，其位置必須，點狀要素采集其定位點，線狀要素上點的密度以幾何形狀不失真為原則，密度應隨著曲率的增大而增加。每個像對的數據必須接邊，自動生成的匹配點、等視差曲線或大格網點、內插的小格網點均需漫游檢查，保障其性，為提高DEM精度，需人工加測地形特征點、線和水域等邊界線。
（二）采集的數據應分層，進行圖形和屬性編輯，矢量數據線條要光滑，關系合理，拓撲關系正確，屬性項、屬性值正確；利用DEM數據，采用微分糾正法對影像重采樣獲得DOM數據。
（三）DEM和DOM數據需進行單模型數據拼接，檢查拼接處接邊差是否符合要求。
5.元數據制作
可由相應的專業軟件進行計算輸入各屬性項中，無法自動輸入的內容由人工輸入
四、插值流程及插值檢驗
實驗采用的插值流程為：及時步先從研究區域30948個樣本點中隨機選取30%（9285個）樣本點作為誤差檢驗點（先假設誤差檢驗點的值未知），對剩下70%（20663個）樣本點進行插值，每種插值方法都采用遍歷法，逐個調整參數進行插值計算得出插值預測值，并利用30%樣本點與所得到的預測值進行驗證，得出各插值統計分析結果；第二步選取每一種插值模型的參數設置；最終將所有插值方法的結果組合進行綜合評價與分析，通過采用驗證方法及插值分析，從中選擇的插值方法。
插值檢驗的方法主要有交叉驗證和驗證方法，即預留一個或多個數據樣點，然后對該數據點做出預測，然后計算所有估計值與實測值的誤差，以此來判斷估值方法的優劣。交叉驗證首先使用全部數據評價自相關模型，然后逐一刪除每個數據點，并預測該點的值。驗證方法首先刪除部分數據（稱作檢測數據集），然后使用剩余的數據（稱作訓練數據集）研究趨勢及預測的自相關模型。
五、對空間插值方法比較的幾點思考
1.雙線性插值法
在地形平坦的地區，該方法能夠得到不錯的插值結果，但是在地形起伏變化大的地區，由于該方法僅采用4個格網點來進行計算，所以會存在忽略了格網內部地形的突變這一種特殊情況。
2.反距離加權插值法
該方法在復雜地形的插值精度要遠遠不如在平坦區域時的插值精度。反距離加權法一般不會直接運用在內插運算上，往往是用來定權去求解復雜的方程組。
3.二次曲面法與三次曲面法
在丘陵和山地地區，使用二次曲面移動面擬合插值法和三次曲面移動面擬合插值法是好的，二者之間不相伯仲，鑒于偶然誤差和選取參與運算的采樣點個數不同，雖然表中二次曲面法的插值結果中誤差比三次曲面法的要小，但實際上三次曲面更能體現出復雜地區的地形特征。
在經過上面的理論基礎研究和實驗，本人還得出了如下的理解：
（一）從反距離加權插值法的性質可以看出，空間上距離越靠近的點，它們之間的相關性就越大，而距離越遠的點，它們之間的相關性就無限趨近于零，這是空間數據插值的理論假設基礎，正因為如此，才形成了各式各樣的插值算法。
（二）一般情況下，采樣點數量越多，那么插值結果就越。可是當其達到一個界限值時，采樣點數量對插值精度的提升效果會大大減少，并且會加大計算量和采樣數據的容量，為操作人員處理數據帶來了一定的困難。所以一般參與運算的采樣點數量為解算某插值算法參數所必要的點數的1～2倍。
（三）在選擇采樣點時，在點間距離不大的情況下，應該優先選擇分布均勻的采樣點，而不是盲目地選擇距離插值點最近的采樣點。這樣才能提高插值結果的精度，否則會難以反映待插點在整個區域的空間分布特征或者使插值結果產生嚴重的錯誤。
（四）在如今的數字高程模型內插研究中，并不存在一種能適應任何情況的“好”的插值方法，每一種插值方法都有它適用的范圍。上述數據也只能體現出這些內插算法對于該地表區域的插值結果精度，并不能代表不同的地表都能得出上述一模一樣的結論。如何選擇當前插值區域中好的插值算法，就要依靠操作人員的實際經驗，針對插值區域的特征，以及通過大量的實驗對比，才能找到的算法。
六、結束語
通過對航測數據處理中空間插值方法比較的相關研究，我們可以發現，該項工作的順利開展，有賴于對其多項影響環節與因素的充分掌控，有關人員應該從航測數據處理的客觀實際要求出發，研究制定最為符合實際的空間插值方法應用方案。
數據處理方法論文:誤差分析與數據處理課程教學方法探索
摘 要 “誤差分析與數據處理”課程是目前大多數工科院校都開設的一門測量基礎課 ，本文針對“誤差分析與數據處理” 課程的特點及教學經驗，分析了以往教學中存在的問題，有針對性地提出了相應的教改措施，并在教學實踐中取得了良好的效果。
關鍵詞 誤差分析與數據處理 教學改革 教學方法
“科學始于測量”，但是由于實驗方法和實驗設備的不完善，周圍環境的影響，以及受到人們認識能力的限制，測量所得數據和被測量真值之間，不可避免地存在差異，這在數值上即表現為誤差。在人類認識自然改造自然的過程中，測量無處不在，所以，誤差也隨之存在于每一次的測量過程中。雖然隨著科技發展，可以將誤差控制得越來越小，但是終究不能消除誤差。為了充分認識和減小或者消除誤差，國內的工科院校大部分儀器儀表類學科普遍開設了關于誤差分析與數據處理的課程，雖然課程名稱略有不同，但旨在培養對測試系統存在的誤差具有一定分析處理能力的工程技術人員。
誤差分析與數據處理課程是我校測控技術與儀器專業的一門專業基礎課。本文針對測控技術未來幾年的發展趨勢和人才培養目標，結合目前誤差分析與數據處理課程的特點及教學情況，對該門課程的教學方法進行了分析研究。
1 課程特點
誤差分析與數據處理是一門以數學為基礎的課程，以高等數學、概率論以及線性代數等數學課程作為先修課程，所學內容是傳感器原理及測試理論與技術等課程實驗數據處理的基礎，并且也是將來工程測量過程中必須掌握的數據處理理論之一。該課程講授各種物理量的靜態測量和動態測量的誤差分析與數據處理方法。通過該課程的學習，使學生掌握測試數據的分析與處理方法，獲得最接近真值的測量結果，結合測量實際，能夠選擇合理有效的測量儀器，并制定科學的測量方案。
2 教學現狀及存在的問題
2.1 理論與實踐脫節
由于誤差分析與數據處理課程涉及到很多數學知識，并且大部分的相關教材都是理論的，在實際應用方面偏弱，在教學中很多同學誤以為這是一門數學課，而忘了理論學習的初衷是對測量系統的誤差進行處理。由于實踐環節的缺失，對誤差來源的分析也只停留在理論上。這些理論和實踐的脫節導致學生不知道如何學習這門課，學了有什么用，從而導致學習興趣的缺失，教學效果不理想。
2.2 教學方法需改進
目前，數據誤差分析與數據處理課程的教學方法還停留在傳統的課堂“填鴨式”教學模式中。對于這樣一門理論性、實踐性和邏輯性都很強的課程，簡單的多媒體一頁一頁講授的方式，在學生的腦海里很難留下深刻的印象。同時，大量的數據處理工作都是通過手算的方式，沒有與專業的計算軟件之間建立聯系，導致學生對如何運用所學方法對批量數據進行處理產生了困惑，影響了學生的學習熱情。
3 教學改革措施
在教學改革過程中，要強調的是誤差分析與數據處理的過程不是一個簡單的對測量數據處理的過程，而是對測量過程的分析與掌握。
3.1 改革教學內容
一方面，加強教學內容的整合，使基本原理學習更具條理性。首先，經過對測量過程的分析，明確測量數據中的誤差類型。其次，根據誤差類型和分布的不同，選取不同的處理方法。，按照誤差性質不同，對粗大誤差進行剔除，確定系統誤差大小并進行補償，對隨機誤差進行界限的估計。由于實際測量過程中誤差性質界面不是十分明顯，會有系統誤差和隨機誤差的相互轉化。因此，必須對測量的各個環節進行的分析，包括測量環境、所使用的儀器狀況、測量方法是否得當等等，從而才能選擇合適的數據處理方法，做到對測量誤差客觀、合理、的估計。
其次，以教材為基礎，以測量設計為根本，擴展教學內容。大部分的誤差分析與處理教材只強調測量后數據列的處理原理，并沒有對測量過程進行任何分析。實際的誤差分析與處理過程并不是一個針對測量數據列的計算過程，而是針對測量過程中的任何可能出現的誤差估計與綜合。所以，在教學過程中一定要給學生明確這一觀點，要對測量過程有深刻的認識。同時結合測控專業的特點，任何一個測量過程都離不開傳感器、信號處理以及數據采集，可以從這三個方面分析誤差的來源。
，引入科學計算軟件，將理論推導轉化為測量精度的實際計算。在教學過程中，無論是靜態數據誤差處理還是動態誤差分析，都需要根據理論進行大量的數據計算，耗時耗力。在教學過程中將數據處理方法演示給學生，直觀地讓學生知道如何對實際測量的數據進行處理。Matlab軟件的計算功能涵蓋了誤差分析中所有的數據處理要求。同時，還可以用Matlab中的GUI進行圖形可視化界面設計，將對數據進行處理的設計在可視化窗口中，導入數據分析即可從窗口中獲得誤差信息。如圖1所示為電壓-電流測量實驗的誤差分析與數據處理GUI界面。
圖1 實驗數據誤差分析GUI界面
3.2 改革教學方法
將傳統教學的板書與現代教學的多媒體相結合。教學過程中，原理的推導過程晦澀繁瑣，都寫在板書上占用了大量的教學時間，可以直接做成多媒體形式，增加適當的放映動畫效果，既吸引了學生的注意力，又節約了有限的教學時間。但是，的多媒體教學會讓學生感覺一頁一頁的多媒體課件翻過去后，一節課的主要知識點不明確，沒有深刻的印象。所以，將教學過程中的主要結論及知識點，或者數據處理過程以板書的形式寫出來，加深同學對這部分知識的印象，有效避免了的多媒體教學給學生帶來的空洞感。教師要合理安排多媒體與板書內容，做到二者銜接，引起學生對誤差分析與數據處理課程的學習興趣。
采用啟發式教學，引導學生思考。老子說“授人以魚，不如授之以漁”，大學教學過程中一定要引導學生思考，讓學生在學習專業理論同時，學會學習。在合理利用了板書和多媒體講解的同時，引導學生思考，使學生的疑問在教學過程中得以解決，引發聽課興趣。
將理論與實踐聯系起來，學以致用。誤差分析與數據處理教材上的內容偏向于對測量數據進行誤差計算處理，基本的模式是“分析測試誤差（誤差分類）――誤差處理方法（針對不同性質誤差選擇不同的處理方法）――誤差計算與精度估計”。但是，在實際應用過程中，誤差分析與處理是針對測量系統的分析，是在給定測量系統精度要求前提下，選擇所需要的測量儀器，組成測試系統，然后根據測量的實際條件及測量過程中可能產生誤差的因素分析，綜合評定可能產生的誤差大小的過程。通過分析得到的誤差大小看是否在給定精度允許范圍內，如果滿足要求則根據所選儀器確定最終的測試系統及測量方案;否則，繼續重復儀器選型及測量實際分析過程，從而確定的測量系統。確定了測量系統及測量方案后，對被測量進行測量，進而計算在具體實際測量過程中的誤差大小，給測量結果客觀的精度估計。因此，可以在教學過程中，與傳感器實驗課程相結合，給定精度要求，利用實驗室的教學資源，讓學生自己設計測量系統及測量方案，分析測量過程中產生的誤差，通過不同的測量儀器和測量方法的對比，確定測量方案，以達到學以致用的目的。
3.3 完善考核方式
在對知識掌握情況考試時，主要進行兩方面的考核，一是通過試卷考核學生對基礎理論的掌握情況。要求題目靈活，注重原理結論的靈活應用，盡量避免繁雜的理論推導。二是適當增加實踐環節的考核比重。通過安排測量方案設計作業，使學生在掌握理論的同時，應用于實驗測量分析當中，通過軟件對測量數據進行誤差分析處理，將理論與實踐結合起來。
4 結論
誤差分析與數據處理是一門理論性和實踐性很強的課程，是測控技術與儀器專業學生必須掌握的專業基礎知識，是從事測量工作的基礎。筆者在過去的教學過程中不斷地積累經驗，也不斷地探索著有效的教學改革方法以提高教學質量。同時不斷地整合豐富教學內容，合理安排教學學時，在有限的教學時間兼顧傳統教學和學生討論，將科技前沿融入教學，豐富學生的專業知識。希望通過不斷的改革與創新，提高學生對誤差分析與數據處理課程的學習主動性和應用能力。
數據處理方法論文:帶常值偏差的機動目標跟蹤數據處理方法
摘 要：機動目標跟蹤中的系統誤差是影響跟蹤精度的關鍵因素之一。為了抑制系統誤差帶來的影響，本文提出了基于UKF的常值偏差估計的機動目標跟蹤處理方法，通過對狀態變量的擴維處理，不僅能有效抑制動力學模型非線性和觀測模型非線性帶來的模型誤差，還能對觀測模型中產生的系統誤差進行估計，從而提高機動目標跟蹤精度。仿真實驗表明，在測距和測速跟蹤模式下，測距系統誤差能有效估計出來，常值偏差不會對跟蹤精度產生影響。
關鍵詞：機動目標跟蹤 UKF 常值偏差
目標跟蹤是根據測控設備對目標運動狀態的測量信息，實時快速確定目標運行軌跡的過程。目標跟蹤的應用領域非常廣泛，例如：機場進出場飛機的檢測、機動車輛的跟蹤預測、非人工接觸的目標軌跡測量等。機動目標跟蹤技術涉及到三個因素：一是目標的狀態模型，用于表征目標的動力學特征；二是目標的觀測模型，用于表征目標的運動現實；三是估計算法，使得運動軌跡在某種準則下達到。在現實應用中，目標觀測模型是最能直接影響跟蹤精度的關鍵因素。為了抑制系統誤差的影響，最常用的方法有兩種：一是通過設備標校，從硬件上校準誤差；二是通過數學手段，估計和補償系統誤差。較及時種方式而言，數學估計方法簡單、費用低廉，本文采用及時種方法進行系統誤差補償計算。同時，為了抑制機動目標的非線性模型效應，本文采用UKF方法對非線性問題進行求解。和傳統擴展卡爾曼濾波而言，該方法不需要求解雅克比矩陣，可以模塊化處理，易于工程實現。為此，本文設計了擴展維度的UKF機動目標跟蹤預測方法，不僅能有效抑制非線性狀態模型引起的截斷誤差，還可以估計觀測模型中的系統誤差。算法簡單，能模塊化處理，該方法可為機動目標跟蹤提供新的思路。
1 狀態模型和跟蹤模型
機動目標跟蹤狀態模型可寫為如下形式：.
其中，為目標的狀態向量；為目標狀態模型噪聲；為目標運動的狀態方程，當目標動力學方程明確時，該方程表示微分方程；當目標動力學方程不明確時，該方程可以用數學擬合方程表示。
機動目標測量模型可以表示為如下形式：.
其中，為傳感器跟蹤模型，用來表示跟蹤數據和目標狀態的關系表達式。本文假設是距離和速度跟蹤。W是與跟蹤模型相關的其他參數，如測站信息、測量大氣信息等。
2 非線性濾波的UKF跟蹤算法
2.1 UT變換
UKF方法是遞歸式Bayes估計方法，其核心和基礎是計算非線性傳遞的隨機向量的UT變換。UT變換的主要過程如下。
過程1：構造狀態量的Sigma點。根據當前時刻狀態變量的統計量和，按照UT變換采樣策略，得到Sigma點集，以及對應的權值和。為采樣策略的Sigma點個數，為均值加權所用權值，為協方差加權所用權值。對稱采樣策略中。
對應的權值為：
其中，為比例參數，其主要作用是調節Sigma點和狀態統計量的距離，比例參數僅影響二階之后的高階矩帶來的影響。對于高斯分布，的有效取值為；為的平方根矩陣的第行或列；為第個Sigma點的權值；
過程2：根據狀態方程和測量方程進行Sigma變換。對Sigma點集中的每個采樣點進行非線性變換，得到變換后的Sigma點集。
過程3：求解的均值和方差。對變換后的Sigma點集進行加權求和，從而得到輸出變量的統計量和的近似值。
從UT變換可以看出，UT變換利用少量通過確定性方法選擇的樣本點描述經非線性系統變化后隨機變量的統計特性，避免了傳統EKF方法的線性化求解，從而避免了截斷誤差，根據UT變換，可以得到UKF濾波。
2.2 常值偏差估計的UKF非線性濾波算法
在機動目標跟蹤的狀態向量中，增加一項觀測方程的常值系統偏差估計量。則，目標的運動狀態描述為：
將擴維的狀態變量仍記為
表示目標的新的狀態向量。則濾波算法描述為以下幾個方面。
過程1：機動目標當前狀態采樣[6]。
輸入當前時刻的目標狀態，選擇一種UT變換的采樣策略構造Sigma點和權重。
過程2：目標狀態預測。
對每組Sigma點進行狀態方程變換，獲得k+1時刻的Sigma點集，求得k+1時刻的狀態以及協方差矩陣。
值得注意的是，對于常值偏差的狀態預測，只需要按照權值相加即可。
過程3：測量數據計算。
按照測量方程計算的測量Sigma點，并求得 k+1時刻的測量預測量和測量協方差矩陣，以及狀態向量和測量向量的協方差矩陣。
過程4：增益計算。
；
過程5：狀態更新。
如果有測量輸入，則計算增益矩陣，并按下式更新狀態向量和協方差矩陣向量，而如果沒有測量量輸入則轉向過程1。
3 仿真實驗
3.1 目標狀態模型
目標狀態模型可以有的微分方程描述，也可以沒有的方程模型，本文假設有狀態模型描述，采用如下目標運動方程進行設計：.
其中，為目標飛行軌跡在慣性空間坐標系的位置坐標。
3.2 雷達測量模型
設目標飛行時的觀測設備由1臺雷達完成，測量數據包括測站坐標系下的目標相對測站的距離和速度，假設由于設備標校的問題，測距數據產生一組常值偏差0.21 cm。另外，假設測量隨機誤差包括距離測量誤差1 mm，速度測量誤差1 mm/s。
3.3 試驗結果
利用本文提出的常值偏差估計的機動目標軌跡確定方法，同時估計目標狀態維數和測量數據的系統偏差，得到目標的飛行軌跡。試驗結果如圖1所示。
結果分析，從圖2的目標軌跡可以看出，目標飛行軌跡是明顯的非線性特征，同時，目標測量模型存在較大系統誤差，模型截斷誤差和測量系統誤差耦合在一起，從而引起目標濾波很難收斂。應用本文提出的常值偏差估計方法，可以看出兩類誤差抑制的非常好，系統誤差估計度達到95%以上。
4 結論
本文設計了擴展維度的UKF機動目標跟蹤預測方法，不僅能有效抑制非線性狀態模型引起的截斷誤差，還可以估計觀測模型中的系統誤差。算法簡單，能模塊化處理，該方法可為機動目標跟蹤提供新的思路。