报告关于不确定度zhu.ppt

模式识别(Pattern?Recognition)模式识别的目的是未知样品的分类与归属。借助化学计量学方法，模式识别应能实现对无法直接量测的物质隐含性质的辨识。 模式识别、定量构效关系及人工智能使分析化学在化学舞台上扮演的角色从单纯提供分析数据上升为提供化学新兴并参与实际问题的解决。 如从波谱数据解析化学结构、对化工产品、药品、食品、商品的真伪辨识、环境污染源寻找污染分类以及产品质量控制等等。 模式识别根据模式之间属性的关系进行分类，包括有监督与无监督的学习，如聚类分析、统计模式识别、句法模式识别、用于分类的人工神经网络技术。 模式识别是在60年代末被引进化学领域，基于性质相近的样本在多维空间中的位置是相近的，也就是说它可把相似的样本“聚”在一起。模式识别有统计模式识别、句法模式识别，而统计模式识别又分为有管理方法、无管理方法。其中无管理方法中又以聚类分析最为常见。 化学模式识别是根据化学测量矩阵，自动将样本集按样本的某种性质（通常是隐含的）进行分类及特征选取的方法，化学模式识别从化学测量数据出发，进一步揭示样本的隐含性质，提供十分有用的决策性信息。 近年来模式识别在化学、生物、医学、食品、环境科学、电子等学科中得到了迅速发展及广泛应用，特别是聚类分析，它可以解决样品的分类、方法的选择及分析过程优化等问题，因而越来越受到人们的重视，并渗透到分析化学领域中。 利用统计学方法研究化合物的分子结构信息(如各种取代基参数，拓扑指数以及量子化学与分子力学计算参数)与各种性能(包括生物活性)参数之间的相互关系，然后根据这种关系及未知化合物的结构参数预测未知化合物的性能参数，利用这一方法可以设计出具有所期望性能的化合物分子结构。 科学实验总要伴随有一系列的测量过程。测量，就是按照即定的、或由文件规定的步骤，对一个被研究对象所进行的一系列操作，其目的就是要确定该对象的某些物理特性。由于人的认识能力的不足和科学水平的限制，实验中测得的值和它的真值之间总会存在着不一致，这种差别就叫做实验误差。 误差公理指出：测量结果都具有误差，误差是自始至终地存在于一切科学实验和测量的过程之中的。 测量误差可以定义为：在进行了所有的修正之后，测量结果与被测量的真值之差，即 ε= x - xi 式中：ε—测量误差，简称为误差；x —测量结果值；xi—被测量的真值 但真值实际上仅是一理想的概念，按其本性，真值是无法测定的，因为量子效应的存在已排除了唯一真值的存在。在实际工作中，通常也总是在不知道被测量的真值情况下，才进行测量的。因而误差仅只是一个理论上的定性的概念。 一般情况下是无法用测量误差来表征测量结果的可靠程度的，要解决这个问题，就只能用不确定度来表述。 尽管存在着各种各样的误差，但通常测量误差可分为系统误差和随机误差两大类。随机误差是由于测量过程中的随机因素所造成的，是一种不可预测的误差，而系统误差则常是由于测量系统的不理想性而产生的，常常是某些可以测量的效应所引起的结果。 系统误差 在重复性实验条件下，对同一被测量进行无限多次测量所得结果的平均值和其真值之差就是系统误差。可表示为下式： 系统误差= 式中为重复性条件下无限多次的测量结果的平均值减去被测量的真值， 。 一般说来，系统误差是在一定的实验条件下由某种固定的效应或确定的原因所造成的，因此如果这一效应可以给出估计值的话，那就可以用来进行修正，修正值即是与估计值符号相反的值，只要与未修正的测量结果相加，即可使系统误差减小。 对于系统误差来说，可以运用消除误差源、改变测量方法、寻求修正值等方法来使其减小。在分析化学中，常用以下一些方法来进行： 1.空白试验 空白试验就是用纯试剂、纯样品来对照，或者用不含对象的样品来对照，最终用测得值扣去空白值。. 2.对照试验 凡由方法引起的误差，都应该用标准方法或公认的准确的方法来进行对照试验。 3.回收试验 试验中样品的损失是取样和处理样品的难题。通常是在被测样品中加入已知量的被测组分，然后看其能否定量回收。 4.校正仪器和提纯试剂 5.改变测量方法 例如在分析化学中，可以采用标准加入法。 随机误差 测量结果与在重复性实验条件下，对同一被测量进行无限多次测量所得结果的平均值之差即是随机误差，可表示为下式： 随机误差 = 一般而言，引起随机误差的因素是不能加以控制的，它们的变化时大时小、时正时负，因此是无法加以修正的。它们是一种不可预测的、随机的差值，可以把它们看成是测量过程中的“随机噪声”。 但是随机误差也有着它自己的规律，那就是：无限多个随机误差的代数和必相互抵消成为零，用统计的话来说，即是：随机误差的期望为零。 对于随机误差来说，在了解了样本的特性和差异性的基础上，可以根据统