[发明专利]一种温湿度在线计量的误差评估方法

说明书

本发明公开一种温湿度在线计量的误差评估方法，其属于计量校准领域。本发明的方法包括：首先，根据被检仪表和标准仪表计算得到误差序列，对误差序列进行周期性延拓，结合逐步回归模型建立均生逐步回归模型（MGF‑SR模型）；其次，根据误差周期性延拓数据建立均生BP神经网络模型，同时利用遗传算法（GA）优化神经网络模型建立均生遗传BP神经网络；最后，以预测误差平方和最小为目标函数建立线性MGF‑SR‑GA‑BP误差评估模型。本发明与传统的均生逐步回归模型以及均生BP神经网络相比，其得到的误差最小，更能反映出实际误差的变化规律，针对不可拆卸的计量器具提供一种计量领域的误差评价方法。

技术领域

本发明涉及计量校准技术领域，具体是基于MGF-SR-GA-BP误差评估模型的一种温湿度在线计量的误差评估方法。

背景技术

《计量发展规划（2021—2035年）》中明确提到在线计量的两个方面：（1）开展计量数字化转型研究。推动跨行业、跨领域计量数据融合、共享与应用，建设国家计量数据中心，加强计量数据统计、分析和利用，强化计量数据的溯源性、可信度和安全性。（2）开展新型量值传递溯源技术研究。针对复杂环境、实时工况环境和极端环境的计量需求，研究新型量值传递溯源方法，解决综合参量的准确测量难题。建立扁平化场景高适应性的量值溯源体系。研究数字化模拟测量、工业物联、跨尺度测量、复杂系统综合计量等关键技术。

规划将从传统的计量方式，逐步的往数字化、大数据分析以及人工智能等方面发展，针对复杂的工作环境研究新一代的计量溯源方法或者溯源技术。计量作为国家质量基础设施（NQI）的重要组成部分，是构建一体化国家战略体系和能力的重要支撑，因此，开展计量数据分析具有重要的现实意义。

计量与大数据之间存在着先天的联系，计量存在于人们生产、生活的方方面面，因计量而产生的各类数据，都将成为大数据应用广泛的数据源，参与计算和研究。为城市的安全防护、导航定位、海洋探测、航空航天、特色高效农业和油气产业等领域解决实际问题。目前传统意义上的计量基本上是静态的，同时大多数是“离线”的，而不是“在线”的。随着经济社会发展，这种传统的测量方式已越来越不能满足科技、生产和社会发展的需要，此时，需要建立一种新的误差评估方法。

发明内容

为了解决上述问题，本发明提供了一种能够在线计量，且更能反映出实际误差的变化规律的基于MGF-SR-GA-BP误差评估模型的温湿度在线计量的误差评估方法。

为了达到上述目的，本发明是通过以下技术方案来实现的：

本发明是温湿度在线计量的误差评估方法，包括如下步骤：

步骤1：判断被检仪表数据的合理性，根据被检仪表和标准仪表计算得到一组一维的误差数据，定义其为参考值；

步骤2：利用均生函数原理对一维的误差数据进行周期性延拓，建立多维数据；

步骤3：基于步骤2得到的多维数据，根据逐步回归原理建立MGF-SR模型，得到预测值1；

步骤4：基于步骤2得到的多维数据，根据BP神经网络原理建立MGF-BP模型，利用遗传算法优化MGF-BP模型，得到MGF-GA-BP模型，通过MGF-GA-BP模型得到预测值2；

步骤5：根据预测值和参考值误差平方和最小的原则建立目标函数模型，计算MGF-SR模型和MGF-GA-BP模型的权重系数，建立MGF-SR-GA-BP误差评估模型；

步骤6：根据MGF-SR-GA-BP误差评估模型计算被检仪表下一个阶段可能的误差值。

本发明的进一步改进在于：所述步骤1根据原则来判断被检仪表数据的合理性，对不合理的数据采取邻近替换的原则进行清洗。

本发明的进一步改进在于：步骤2根据均生函数的思想，对误差数据做周期性延拓，建立和矩阵，具体步骤为：