计量测试中异常数据的处理方式

计量测试中异常数据的处理方式

摘要：在计量测试中，由于受到一些因素的影响，从而使得常常会出现异常数据，为确保计量测试结果的准确性，必须对异常数据进行剔除。基于此点，本文

从计量测试中异常数据的成因分析入手，提出计量测试异常数据的处理方式。期

望通过本文的研究能够对计量测试数据精度的提升有所帮助。

关键词：计量测试异常数据处理

引言

计量测量，其本身便是一项对数据精准性有着极高要求的工作。而要确保数

据获取的精准性，除了需科学处理计量测量所得出的数据外，尚需找出其中的异

常数据并将之剔除，如此方能作为相关科学的参考依据。当前，国内已然根据计

量测量中异常数据的出现原因提出了4种有针对性的异常数据剔除方法，这些方

法可独立使用，亦可综合利用，其目的均在于判定异常值并将之剔除，以确保计

量测量数据的准确性。

1对于计量测试的作用分析

计量测试是对日常生产科学性的体现，也会对每天的实际数据类别予以分析，而后再应用专业的测量设备进行评估和审计，对评估的最终结果进行分析，再对

其实际工作情况进行探究，判定其是否符合实际的生产标准和规章制度的内容。

数据的检测也是极为重要的环节，只有通过数据的核实和校对，才会对生产中的

各个环节和所生产的最终产品进行检验，才会对其检测参数予以合理的判定和分析，最终判定检测结果是否符合实际的生产需求。不具备精准度的测量方式就无

法对实际的生产工艺予以指导，也无法对数据进行针对性的判断，最终也不能对

工艺流程予以合理的控制，导致后期的产品生产的合格以及工作落实的科学性均

无法得到切实的保障。

2计量仪器出现误差的原因

由于计量仪器对外部环境有着极高的要求，加之其本身也是一种高精密的仪器，因而任何外部环境的变化都可能导致仪器测试结果产生偏差，并最终影响到

检测结果的准确性。

（1）仪器受到了外界诸如震动、机械动荡一类的自然或人为因素影响；

（2）受电磁干扰或因供电电压不稳而导致的检测仪器出现故障；

（3）操作人员本身经验不足，加之操作事物所因其的检测不准确；

（4）仪器本身存在如元件损坏、零件松动一类的质量问题，这类问题一旦发生，将直接导致检测结果不准确，从而影响到工作人员的正常测量。

对于以上影响因素，操作人员在实际的操作过程中，务必全面排除，如此方

能确保测量结果的准确性。当然，在此过程中，针对异常值的剔除尚需注意采取

合适的剔除方法，若剔除方法选择不当则可能收获适得其反的效果。

3计量测试异常数据的处理方式

3.1异常数据的判断方法

在计量测试过程中，对异常数据进行判断时，应当选择正确的方法。目前，

较为常用的判断方法有以下几种：

3.1.1拉依达判断法

这种方法基于的是拉依达准则，具体的判定原理如下：假定某一组测试数据

当中只包含随机误差，通过计算处理可以获得标准偏差，根据特定的概率可确定

出一个区间范围，如果误差超出这个区间范围，则可将之判定为粗大误差，含有

粗大误差的数据则为异常数据，需要进行剔除。该方法可对正态或是接近正态分

布的数据进行有效处理，应用时，需要确保测试次数充分，若是测试次数不足，

则会造成粗大误差的可靠性降低。所以当测试次数较少时，不宜采用该方法对异

常数据进行判断。该方法具体的判断过程如下：对被测试量进行等精度测量，由

此可获得x1,x2,…xn，随后求取算术平均值x和剩余误差vi，其中vi可用下式表示：vi=xi-x（1）上式中i=(1,2,…n)，在根据贝赛尔公式可以计算出标准偏差σ。如果某

个测量值xb的剩余误差vb(1≤b≤n)，并满足下式：|vb|=|xb-x|>3σ（2）则可认为

xb是含有粗大误差值的坏值，应当予以剔除。

3.1.2格拉布斯判断法

这种方法是以测试量的正态分布作为判断前提，从理论的角度上讲，该方法

较为严谨，操作过程也比较简便。该方法的判定原理如下：当某个测量值的残余

误差的绝对值|vi|>Gg时，则可判定该值当中存在相对较大的误差，应当对误差

进行剔除。该方法对异常数据的判断过程如下：

按照测量结果偏离真值的程度（误差理论），想要对偶然误差进行有效剔除，至少需要进行10次以上的测量，为了确保测量精度和响应速度，可将15次确定

为一个单位，当获得15次测量数据后，其中可能会含有较大的误差，可以通过

分检的方法，将可疑值剔除掉。当测量值xi对应的残差vi满足下式时应当该数据舍去：

在上式当中，x表示n次采集到的平均值(∑xi)/n；σ(x)表示测量数据组的标准差，可由贝

赛尔公式求取；中的n表示测量次数，表示显著性水平（可取0.01或0.05）。当测量次数

n=15，显著性水平=0.05时，则

=2.41。随后可将15次的采集值存入到同一个数组当中，求取平均值，对残差进行计算，进而求出σ(x)，并将残差的绝对值与2.41倍的σ(x)进行比较，剔除可疑值后再次求取平均值，然后重复上述步骤验证是否仍有可疑值。在实际应用中发现，基本不需要重复，通常第一遍

即可达到要求。

3.1.3t-检验法

这是一种假设检验的方法，可在测量次数n<30的条件下使用，通过对随机变量的数学期

望进行检验，看是否与某个已知的值相等。该方法的检验过程如下：假设(x1,x2,…xn)为正态

随机变量x的样本，期望Mx与已知值m0相等。按照统计理论，如果上述假设成立，则统

计量服从自由度n-1的t-分布。当正态随机变量小于样本时，可用该方法对数学期望进行检验，看是否存在较为显著的差异，若是有则可将之剔除。

4实例判定

以下为结合实例所判定的异常值判断准则：如经过某测量得出了如下一系列的测量数据：10.002,10.204,0.218,10.228,10.230,10.312,10.320,10.342,10.346，结合以上方式进行判断并剔

除异常值，那么置信概念的可取值可设定为95%，那么相应地。此时，我们将异常值怀疑为10.346，之后通过计算可得出这十个数的平均值为10.2317，那么对应的X1的平均值则为

10.2231，，经过综合计算，得出10.346为异常值，应将其剔除。通过采用四种方法来进行

判定，其10346为异常值，而G（a，n）与10.002-10.2317非常相近，这在一定程度上说明

了应用格拉布斯准则的效果较好。在整个判定过程中，作为判定异常数值的基本思想是：先

做好某一个统计量，如果这个统计量在规定的范围之内，便可以认为是服从止态分布，否则

就认为相关的数据并不服从止态分布，这则说明了其中的数据存在一定的误差。

结语

综上所述，在实际的生产和运作过程中，都会通过各类的科学的手段对生产精准度予以

确定，而后为生产产品的质量提供保障，而这一发展趋势，为计量测试的应用普遍性奠定了

基础。计量测试是一项较为复杂且系统的工作，在具体的测试过程中，为提高结果的准确性，