试验检测中数据的修约与取舍

试验检测中数据的修约与取舍

[摘要] 工程质量的评价是以试验检测数据位依据的，试验检测采集得到的原始数据类多量大，有时杂乱无章，甚至还有错误，因此对试验检测得到的原始数据进行合理的修约后才能得到可靠的试验检测结果。本文通过介绍试验数据的修约规则和取舍方法，说明了数据处理在工程中的实际意义。

[关键词] 试验数据修约取舍

1.前言

工程质量的评价是以试验检测数据位依据的，试验检测采集得到的原始数据类多量大，有时杂乱无章，甚至还有错误，因此对试验检测得到的原始数据进行合理的修约后才能得到可靠的试验检测结果。

2.数据的修约规则

2.1数据分类

质量数据就其本身的特性来说，可以分为计量值数据和计数值数据。

（1）计量值数据。计量值数据是可以连续取值的数据，表现形式是连续型的。如长度、厚度、直径、强度等质量特征，一般都是可以用检测工具或仪器等测量（或试验）的，类似这些质量特征的测量数据，一般都带有小数，如长度为1.15m、1.18m等。在工程质量检验中得出的原始检验数据大部分是计量值数据。

（2）计数值数据。有些反映质量状况的数据是不能用测量器具来度量的。为了反映或描述属于这种类型内容的质量状况，而又必须用数据来表示时，便采用计数的办法，即用1、2、3、…连续地数出个数或次数，凡属于这样性质的数据即为计数值数据。

2.2数据的修约条件

数据获得后，还涉及数据的定位问题，也就是对规定精确程度范围之外的数字如何取舍的问题。

（1）修约间隔

系确定修约保留位数的一种方式。修约间隔的数值一经确定，修约值即应为该数值的整数倍。主要有0.1单位修约、0.2单位修约、0.5单位修约、1单位修约等。

例如指定修约间隔为0.1，修约值即应在0.1的整数倍中选取，相当于将数

值修约到一位小数。

（2）有效位数

对没有小数位且以若干个零结尾的数值，从非零数字最左一位向右数得到的位数减去无效零(即仅为定位用的零)的个数；对其他十进位数，从非零数字最左一位向右数而得到的位数，就是有效位数。例如，12.490为五位有效位数；10.00为四位有效位数。

2.3质量数据的修约规则（四舍六入规则）

（1）拟舍弃数字的最左一位数字小于5时，则舍去，即保留的各位数字不变。

例如，将12.1498修约只留一位小数时，其拟舍去的数字中最左面的第一位数字是4，则可舍去，得12.1。

（2）拟舍弃数字的最左一位数字大于5，或者是5，而其后跟有并非全部为0 的数字时，则进一，即保留的末位数字加1。

例如，将10.502 修约到个数位，得11。

（3）拟舍弃数字的最左一位数字为5，而右面无数字或皆为0时，若所保留的末位数字为奇数(1,3,5,7,9)则进一，为偶数（2,4,6,8,0）则舍弃。

例如，修约间隔为0.1（或10-1)

拟修约数值修约值

1.050 1.0

0.350 0.4

（4）负数修约时，先将它的绝对值按上述1～3规定进行修约，然后在修约值前面加上负号。

例如，将下列数字修约到“十”数位

拟修约数值修约值

-355 -36×10

-325 -32×10

（5）不许连续修约

拟修约数字应在确定修约位数后一次修约获得结果，而不得多次连续修约。

例如，修约15.4546，修约间隔为1

正确的做法：

15.454615

不正确的做法：

15.454615.45515.4615.5 16

3.可疑数据的取舍方法

工程质量常会发生波动情况。由于质量的波动，自然会引起质量检测数据的参差不齐，有时还会发现一些明显过大或过小的数据，这些数据为可疑数据。因此，在进行数据分析之前，应用数理统计法判别其真伪，并决定取舍。

（1）拉依达法

当试验次数较多时，可简单地用3倍标准差(3S)作为确定可疑数据取舍的标准。当某一测量数据（）与其测量结果的算术平均值（）之差大于3倍标准偏差时，即，则该测量数据应舍弃。判别标准取3S的理由是：根据随机变量的正态分布规律，在多次试验中，测量值落在-3S与+3S之间的概率为99.73%，出现在此范围之外的概率为0.27%，出现的可能性很小，几乎是不可能。因而在实际试验中，一旦出现，就认为该测量数据是不可靠的，应将其舍弃。

另外，当测量值与平均值之差大于2倍标准偏差(即)时，则该测量值应保留，但需存疑。如发现生产（施工）、试验过程中，有可疑的变异时，该测量值则应予舍弃。

（2）肖维纳特法

进行n次试验，其测量值服从正态分布，以概率1/2n设定一判别范围（一Kn·S，Kn·S），当偏差（测量值与其算术平均值之差）超出该范围时，就意味着该测量值是可疑的，应予舍弃。因此，肖维纳特法可疑数据舍弃的标准为：式中：Kn—肖维纳特系数，与试验次数n有关，如表1-1所示。

肖维纳特法改善了拉依达法，但从理论上分析，当n→∞，Kn→∞，此时所

有异常值都无法舍弃。此外，肖维纳特系数与置信水平之间无明确联系，已逐渐被格拉布斯法所代替。

（3）格拉布斯法

格拉布斯法假定测量结果服从正态分布，根据顺序统计量来确定可疑数据的取舍。做n次重复试验，测得结果为、、…、，…，，而且服从正态分布。

为了检验(i=1，2，…，n)中是否有可疑值，可将按其值由小到大顺序重新排序，得：

根据顺序统计原则，给出标准化顺序统计量g：

当最小值可疑时，则

当最大值可疑时，则

式中：—测量值的算术平均值；

S —测量值的标准偏差。

根据格拉布斯统计量的分布，在指定的显著性水平β(一般β=0.05)下，求得判别可疑值的临界值，格拉布斯法的判别标准为：

则可疑值是异常的，应予舍去。其中值列于表1-2。

利用格拉布斯法每次只能舍弃一个可疑值，若有两个以上的可疑数据，应该一个一个的舍弃，舍弃第一个数据后，检测次数由变为，以此为基础再判别第二个可疑数据是否应舍去。每次均值和均方差要重新计算，再决定取舍。

4.数据处理的工程应用

比如某新建二级公路设计弯沉值ld=33（0.01mm），其中一评定段（沥青混凝土面层）弯沉测试结果如下（单位为：0.01mm）38，42，30，14，13，10，16，19，12，14，17，20。弯沉的评定计算如下：

平均值=(38+42+30+14+13+10+16+19+12+14+17+20)/12

=20.4（0.01mm）