基于自适应蒙特卡洛法评定测量不确定度程序开发与应用

进行了基于自适应蒙特卡洛法评定测量不确定度的程序开发与应用。基于Python语言,设计开发自适应蒙特卡洛法评定测量不确定度程序,包含评定过程框架、自定义变量名称模块、过程参数关联计算模块以及蒙特卡洛法采样计算模块。程序界面简洁,操作简单,计算准确,适用于任意多个独立变量、任意多个过程参数及单一被测量的数学模型,为利用自适应蒙特卡洛法评定测量不确定度提供了方便。     

标准溶液测量不确定度的评定

对标准溶液测量不确定度进行合理评定，充分估计分析不确定度的来源，从量值检验时考虑到影响不确定度的各种因素，测量方法的不确定度．配制时考虑到影响不确定度的各种因素以及标准溶液的不均匀性和在有效期内的变动性所引起的不确定度等方面进行综合分析，得出其扩展不确定度。并以镍标准溶液为例作实际分析。     

基于R语言的蒙特卡洛法在不确定度评定中的应用

以盐酸溶液浓度标定试验为例,研究了基于R语言的蒙特卡洛法(MCM)在测量不确定度评定中的实际应用.将基于R语言的MCM计算结果和《测量不确定度表示指南》GUM法进行比较分析,两种方法的计算结果基本一致.MCM算得输出量的概率密度函数(PDF)与理论正态分布函数基本重合,且输出量PDF半宽与标准不确定度的比值k=1.95...     

基于Python软件的蒙特卡洛法不确定度评定

以毛细管电泳仪检出限的不确定度评定为例,探讨了Python软件在MCM不确定度评定中的具体应用.首先采用GUM法对不确定度进行评定,再采用Python软件以MCM法进行对比分析.结果表明,两种评定方法结果相同.与GUM相比,MCM直接通过计算获得不确定度结果,评定过程更加方便易行.通过对实际采样数据的分析,发现数据的采...     

光电发射光谱法测量不确定度的评定

近几年来,我国开展了宣贯实施《测量设备的计量确认体系》以及《测量过程控制》,其中要求对测量不确定度进行全面评定,用以作为保证测量结果可靠的依据。这样,我国计量学界自20世纪50年代以来所形成的至今基本上没有改变的习惯概念和数据的处理完成及测量结果的表达方式面临着一个颇大的必须接受的变革。光电发射光谱法作为冶金行业主要的检测方法,其测量结果不确定度的评定显得尤为重要[1]。1测量方法依据GB/T 7999-2000《铝及铝合金光电(测光法)发射光谱分析方法》,将加工好的试样用激发系统激发发光,经分光系统色散成光谱,对选用的内标…     

柠檬酸含量测量不确定度的评定

分析了测定柠檬酸含量测量不确定度的来源,评定了柠檬酸含量测定过程中测量重复性、天平、滴定管、标准溶液浓度等因素对柠檬酸含量测量不确定度的影响,计算得柠檬酸含量测定结果的扩展不确定度为0．36％。在柠檬酸含量的测定过程中,滴定管的准确度是影响柠檬酸含量测量不确定度的主要因素。     

铀矿石中铀测量结果的不确定度评定

分析了容量法测定铀矿石中铀含量测量不确定度的影响因素。对样品质量、滴定样品溶液消耗的钒酸铵溶液的体积、钒酸铵对铀的滴定度等不确定度分量进行了分析和计算。铀矿石中铀含量为0．427％时,测量结果的扩展不确定度为0．020％。     

分析测试中溶液体积测量的不确定度评定

对环境温度与溶液体积变动性的关系进行阐述.不确定度评定中要正确区分温度对容量器皿容积和对溶液体积的影响.溶液体积变动性的不确定度应根据其配制后温度的变化来评定,与容量器皿的校正温度无直接关系.文中对溶液体积不确定度评定中一些误区进行深入讨论.     

红外吸收法测定碳含量的测量不确定度评定

对CCS-140型高频感应炉燃烧红外吸收法测定碳含量的不确定度进行了评定,分析了测量不确定度的主要来源,包括仪器的精密度引入的不确定度,标准物质标准值的不确定度,试样称量的不确定度,以及坩埚、助熔剂等引起的空白不确定度。当碳含量为0.366%时,测量结果的扩展不确定度为0.010%。     

焦炭标准物质测量不确定度的评定

以国家一级焦炭标准物质(GBW 11106h)为例,对焦炭标准物质的测量不确定度进行评定。分析了不确定度的主要来源,对各不确定度分量进行了评定。焦炭标准物质的全硫、灰分、挥发分、磷含量的扩展不确定度分别为0．02％、0．17％、0．05％、0．001％,热值的扩展不确定度为0．14MJ／kg。     

自由基聚合反应的Monte Carlo模拟方法

本文将化学反应动力学的MonteCarlo模拟方法运用到引发剂引发的自由基聚合反应的非稳态动力学,针对自由基聚合反应动力学数值模拟所特有的"无伸缩问题",采用"偏倚抽样法"解决了MonteCarlo模拟中的"无伸缩问题",模拟结果与非稳态动力学解的结果完全一致,此算法易推广到研究更复杂的自由基聚合反应体系。     

化学计量不确定度评定研究进展

测量不确定度是表征合理地赋予被测量之值的分散性的参数。本文针对化学计量不确定度评定基础模型仅适用于线性模型、概率分布为正态分布或缩放位移t分布等局限,介绍了近年来不确定度评定的研究热点:蒙特卡罗方法(Monte Carlo Method,MCM),不确定度评定的来源、评定概念、评估方法及其发展过程,扩大了测量不确定度评定与表示的适用范围。     

Uncertainty evaluation for the quantification of low masses of benzo[a]pyrene: Comparison between the Law of Propagation of Uncertainty and the Monte Carlo method

A proper evaluation of the uncertainty associated to the quantification of micropollutants in the environment, like Polycyclic Aromatic Hydrocarbons (PAHs), is crucial for the reliability of the measurement results. The present work describes a comparison between the uncertainty evaluation carried out according to the GUM uncertainty framework and the Monte Carlo (MC) method. This comparison was carried out starting from real data sets obtained from the quantification of benzo[a]pyrene (BaP), spiked on filters commonly used for airborne particulate matter sampling. BaP was chosen as target analyte as it is listed in the current European legislation as marker of the carcinogenic risk for the whole class of PAHs.     

自优化扩散量子Monte Carlo差值法

提出了自优化扩散量子MonteCarlo差值法,这是一个集优化、扩散和相关取样三项技术于一身的MonteCarlo新算法.这个算法能够在扩散过程中直接计算两个体系之间的能量差,且使计算结果的统计误差达到10^-5hartree数量级,获得相关能达80%以上.应用该方法研究分子势能面,使用"刚性移动"模型,利用Jacobi变换使分子两个几何构型的能量计算具有很好的正相关性,因而能得到准确的能量差值和分子势能面.另外,我们还首创了"平衡后留样"技术,可节省50%以上的计算量.该算法还可应用于分子光谱、化学反应能量变化值等领域的研究.     

精确固定节面量子Monte Carlo差值法

提出了精确固定节面量子Monte Carlo差值法, 这个新算法能够在精确固定节面量子Monte Carlo方法的基础上直接计算两个体系之间的能量差, 且使计算结果的统计误差达到10-5 hartree 数量级, 获得电子相关能90%以上. 我们把这个新算法应用于分子势能面的研究中, 使用一个“刚性移动”模型, 利用Jacobi变换使分子两个几何构型的能量计算具有很好的正相关性, 因而能得到准确的能量差值, 由此就可以得到精确的分子势能面.     

一种高效的优化量子Monte Carlo波函数的新方法

提出了一个优化量子MonteCarlo波函数的新方法，与前人的方法相比，它不使用变分原理而是极小化Schrodinger方程的剩余量；不按Ψ2取样而是按Ψ2（EL－E）2取样；不用差分而是用分析导数；不使用传统的速降法而是使用一个步长自动调节的下降法，它具有拟牛顿性质，因而是超线性收敛的．由于这四项新技术的使用，使得波函数的优化快速、准确，收敛速度比前人提出的方法快3～5倍．     

变分量子Monte Carlo的一个新算法

提出变分量子MonteCarlo(VMC)计算的新算法-极小化方差(MV)方法.它从局域能的内部结构出发,直接削减其波动以达到将VMC的方差减到极小的目的.给出了局域能的分析表达式,导出VMC的极小方差原理,并建立方差极小化的计算步骤.     

Multiple Histogram Method and Static Monte Carlo Sampling

Summary: We describe an approach to use multiple‐histogram methods in combination with static, biased Monte Carlo simulations. To illustrate this, we computed the force‐extension curve of an athermal polymer from multiple histograms constructed in a series of static Rosenbluth Monte Carlo simulations. From the complete histogram of the distribution function of the end‐to‐end vectors of the polymer chain, we can efficiently compute the polymer force‐extension curve.

Comparison of the stress‐strain curves for the stress ensemble (symbols) and the strain ensemble (lines). Results obtained for N = 100, 200, 400, and 600. For small x, f(x) = −F′(x) was computed by aproximating F(x) by a second degree polynomial and then taking the derivative. For large x, f(x) = −F′(x) was computed numerically.     

A Novel Method for Fixed‐node Quantum Monte Carlo

In this paper, a novel method for fixed‐node quantum Monte Carlo is given. By comparing this method with the traditional fixed‐node one, this novel method can be applied to calculate molecular energy more exactly. An expansion of the eigenvalue of the energy for a system has been derived. It is proved that the value of the energy calculated using the traditional fixed‐node method is only the zeroth order approximation of the eigenvalue of the energy. But when using this novel method, in the case of only increasing less computing amounts ( < 1%), the first order approximation, the second order approximation, and so on can be obtained conveniently with the detailed equations and steps in the practical calculation to calculate the values of the zeroth, first and second approximation of the energies of 1 ¹A, state of CH₂, ¹A₂(C_4h, acet) state of C₈ and the ground‐states of H₂, LiH, Li₂, and H₂O The results indicate that for these states it needs only the second order approximation to obtain over 97% of electronic correlation energy, which demonstrates that this novel method is very excellent in both the computing accuracy and the amount of calculation required.