计量学报

作者：黄强先, 赵志浩, 王徐康, 李红莉, 姚寒兵, 张连生, 程荣俊

关键词：计量学,不确定度评定,数据分布类型,BP神经网络,特征指标,蒙特卡洛评定

基金：国家重点研发计划(2019YFB2004901)

在不确定度评定时，准确判断数据的分布类型至关重要，提出一种利用反向传播（BP）神经网络训练模型来判别数据分布类型的方法，并将其应用于平面水平度测量不确定度评定的过程中。为了从多个维度全面分析数据的分布特征，所提方法将原始数据转化为7个特征指标，再引入BP神经网络自动学习和提取这些指标之间的复杂非线性关系。通过训练，获得了一个能够准确判别数据分布类型的网络模型，经参数配置优化，该模型展现出优越性能，不仅训练速度快，而且判别准确率高达99.52%。与传统方法相比，该模型在各类分布判别中均表现优异。最后，通过对3路电容传感器测量平面水平度的测量评定实例，通过该模型判别并评定得到了该平面倾角的最佳估计值为7.041″，标准差为0.055″，比传统方法判别并评定的结果具有更小的标准差和更小的置信区间，进一步验证了该模型在蒙特卡洛测量不确定度评定过程中的实用性。

来源：2025年第9期

《计量学报》期刊编辑部

查看计量学报杂志2025年第9期