岩矿测试数据处理中灰色误差理论的应用

段文峰

(贵州省有色地质中心实验室，贵州 安顺 561000)

0 引 言

目前岩矿测试进行数据处理的方式进展巨大，取得不菲成果。岩矿测试最终精度以及完整性提升十分显著。此外数据量也获得巨大提升。但是传统数据处理以及无法满足行业的要求，难以准确客观的反映数据的分布规律。灰色误差这一理论能够针对不确定小样本问题进行有效数据处理的方法理论，这一理论的应用使得岩矿测试进行数据处理时所得结果极大程度的增强了精确性与实用性。

1 灰色误差

灰色误差这一系统理论是指测量结果因存在不确定性，其表现为一定范围测量出现的灰色量。这种测量误差即是灰色误差。实际测量由于误差的存在，真实值无法被测量获得，测量通常得到的是实际值，实际值指的是符合一定精度的近似真实值，特定条件的一种相对性白化值。灰色误差作为一种研究非统计不确定性小样本问题的有效理论方法，能够有效依据已知信息得到未知的系统信息，该理论最大特点在于对于样本要求不严格，对于任何分布的服从不作要求，同时运算时方便快捷。

岩矿测试时环节繁多，存在大量复杂的影响因素与不确定性，此外其数据分析一般为小样本范围。依据灰色误差的理论观点，将测试系统看作以精度等级一定的测量仪器为标准量，然后比较精度等级未知的被测量的测量过程，在此过程中由于仪器人员，环境试剂等未知因素存在，测试系统无法得到全部特性结果，即测试结果以及测量误差无法确定，此外测量评价不确定度尤其复杂，因此测量误差属于一种综合信息反映。通过对误差的分析对测量数据影响分析处理，得到有效的岩矿测试结果。该理论主要针对于数据处理的传统方式，需要把握各种关联因素，描述并评价事物客观变化以及发展趋势，按照一定规律，做到精确预测数据的方法。对于测量结果进行精度判断过程中需要进行繁杂巨量的计算过程，使得数据处理的工作负荷大大加重。灰色误差的应用能够充分解决传统数据处理的不足。值得注意的是实际工作的侧量结果存在自然因素以及人为因素干扰。因此需要借助先进仪器设备加以确定真实值，尽量采用真实值，能够使得结果全面提升精准度，也可以理解为找出大量无序数据间存在的相关规律。

使用相对容易的运算来进行岩矿测试，并且总结出数据处理过程存在的较为明显适用的特征表现。灰色误差的关键是借助数据的处理方式能够有效得到潜在的数据规律。这一理论通常受外界因素干扰较小，不会受限制于数据分布情况以及数据数量，一般测试数据在数量较少时，便可以处理测试数据。因此灰色误差这一理论开展的数据处理能够弥补传统处理方法存在的缺陷，并且测得结果具有更高的准确度与更强的真实性，并且将误差有效减少，岩矿测试进行数据处理时应用这一理论效果极为显著。

2 灰色误差应用于岩矿测试进行数据处理的方式

2.1 灰色误差的测量方法

岩矿测量需要多种测量方法，通过测量所获数据涵盖物理数据信息，化学数据信息以及定测测量的数据信息等，这些数据由于规模较小，属于不确定小样本问题的范畴，传统数据的处理方式所得到测量结果不满足准确性要求，因此需要借助灰色误差这一数据处理方式，来解决这一情况。实际测试时将测试结果划分标准以及不标准两种，其中标准情况只限于证标准物存在的岩矿测试。岩矿测试进行数据处理时传统方法精准度不足，因此采取准确性较高的灰色误差帮助岩矿测试处理信息数据。通常数据处理借助灰色误差在岩矿测试进行实践的实质为保持测试数值接近于实际数值，同时尽量将测量误差降低至低程度。由于一般岩矿的相关数据信息大多集中为定量测量数据信息与物化性质信息数据。其中例如定量数据，在实际分析以及处理数据的过程中如果采取统计学的理论处理数据必须进行正态分布以及分析数据量，在统计学满足理论要求后测试才可以进行。值得注意在实际测量以及数据处理时数据涉及量较少，与传统理论要求的大量数据不相符。因此目前多采取灰色误差这一理论进行数据分析。

图1 理论累加测馈序列示意图

2.2 判别粗大误差

在岩矿测试中测得值所绘累加曲线采取一个折线进行包络，测量数据通常中值极大可能为最大距离变量。因此使测量的次数中值为包络折线存在转折点。由于考虑测量数据存在一定变化，所以通常使得最大距离扩大3.75倍(由大量实例得出3.75)，随后使测量次数达到P的测点距离增加一倍，然后连接原点与转折点以及测量终点组成一条完整折线。限制测量数据的变化位于这一范围内，使参考直线以及此折线所组成的灰色区域作为测量的累加数据所构成的上下界限的区间。针对某一测量序列，使得各测得值误差仅包括随机误差，随后据此分析测量结果的不确定度。必须注意超出这一灰色域的所有测得值都可认为含有较大的误差，需要进行剔除。

2.3 灰色误差的理论应用介绍

基于岩矿测试所测数据存在的特点以及部分特殊情况，在同等精度测试中，选择存在标准值的一种标准物质的铜矿石进行岩矿成分的化学数据分析以及无标准值存在的花岗岩的抗压强度数据这两种数据作为试验数据，然后将3种测量数据作为基本数据，对照组选择同一样品进行测定次数为5次与7次的三组对照数据列，然后将明金分布不均匀的矿样进行Au元素检测数据与该矿样处于异种碎样粒度时Au元素的测试数据全面进行比较应用。

表1 7次标准测量不确定度统计

在具体测试时要求进行数据分组处理，然后构建出灰色分析的理论模型，模型涵盖两种数据序列。前一种数列数据标准差，平均值按照标准值设置，然后使后一种序列界定标准差以及平均值，完成序列数据信息的设置。随后于模型中假定存在P测点使数据信息出现转折，将测量数据的个数以字母N表示，按照给定数列结合具体实验求得测量个数N，并以此推导转折点的数值大小。值得注意利用公式计算时依据测量结果得到相关测试数据，判断测试结果误差存在与否时，选择分别依据公式求得具体数值，若是前一组所求得数值接近于测试数据，并且结果接近后三位数值，则能够判定该结果无较大误差存在。按照同样方式检测另一数列，得出最终结果并进行误差判断。如果在此基础对比分析两序列进行误差问题检验，并且最终确定序列存在极高关联程度，同时差值控制0.1以内，则说明误差在序列中较小，可以在测量以及岩矿数据分析处理过程中采用。同时，为提高测试结果的精确真实，可以进行数据的不确定判断，验证岩矿测试结果是否准确。

3 结 语

目前灰色误差这一理论应用于岩矿测试进行数据处理已是十分普遍，在应用时需要注重把握灰色误差的基本理论以及内涵，重视有效利用已知数据信息分析未知数据信息，改变传统的数据处理方式以统计学为理论依据分析数据时出现的困难，使得岩矿测试在进行数据处理时做到快捷方便同时准确效率。这要求实际应用时，把握好数列存在的粗大误差，随机误差以及系统误差的区别，使得岩矿测试基于数据信息无粗大误差有效分析测量结果的系统误差，给标准测量提供不确定度的分析依据，使得岩矿测试做好针对性的数据处理，推动行业的进步。