香蕉视频久久-香蕉视频三级-香蕉视频亚洲一级-香蕉视频一级-青草国产在线-青草国产在线观看

簡述在校準紫外可見分光光度計時使用標準濾光片，當使用的標準濾光片校準證書給定的不確定度為范圍時，怎樣更為合適的進行不確定度值的選擇。

一、概述 分光光度計是一類重要的分析儀器，廣泛應用于化工、 冶金、醫藥、食品、環境檢測等行業。為了保證分光光度計 測量的準確性，需要對分光光度計的波長和透射比進行校準。 根據 JJG 178-2007《紫外可見近紅外分光光度計檢定規程》， 可用于分光光度計波長校準的標準器有汞燈、干涉濾光片、 吸收型波長濾光片（氧化鈥濾光片、鐠釹濾光片、鐠鉺濾光 片）、1,2,4- 三氯苯（分析純）和氧化鈥溶液。其中吸收型波 長濾光片（氧化鈥濾光片、鐠釹濾光片、鐠鉺濾光片）由于 具備方便攜帶和使用、其光譜吸收比與波長的設置無關、不 受雜散光的影響、量值穩定，隨時間、溫濕度等環境的變化 可以忽略等優勢，應用為廣泛。 二、分光光度計波長示值誤差的不確定度評定 在分光光度計波長示值誤差校準不確定度評定中，根據 測量模型對波長示值誤差測量結果的不確定來源分析主要有： ①由計量標準器引入的測量不確定度分量；②測量方法的不 確定度；③環境條件的影響；④人員校準操作的影響；⑤被 校準儀器的重復性。由于采用直接比較法進行校準，測量方 法的不確定可以不予考慮。在規程規定的環境條件下進行校 準，環境條件的影響較小，可忽略。人員校準操作的影響， 讀數和被校儀器的隨機變動影響體現在測量重復性中。因此， 紫外可見近紅外分光光度計波長準確度校準結果的不確定度 主要來源有計量標準量值的不確定度和儀器測量重復性的不 確定度兩項。由于分光光度計這類儀器測量重復性較好，所 以校準結果的不確定度大來源就是由標準器引入的不確 定度。

三、標準濾光片不確定度的選擇 購買的標準濾光片全部送中國計量科學研究院校準，由 中國計量科學研究院所出證書對其校準結果的不確定度描 述為： U=0.1 nm~0.4 nm k=2 （380 nm-780 nm，隨吸收峰的形狀 和位置而定） U=0.2 nm~0.5 nm k=2 （200 nm-380 nm，780 nm-2000 nm 隨吸收峰的形狀和位置而定） 由此給分光光度計波長的校準不確定度評定帶來問題， 如何確定證書吸收峰波長值得不確定度。如果按穩妥方法選取波長分段校準不確定度的大值，那么計算出來的測量結 果的校準不確定度在 A 段一般在 0.5~0.6 之間，B 段 0.4~0.6 之間但是根據規程 JJG178-2007 [1] 規定。

容易發現，對于Ⅰ級的分光光度計，這樣的不確定度實 在是太大了，沒法使用。 雖然對波長進行校準時，紫外可見光部分還可以選取汞 燈及氧化鈥溶液作為標準器，但是有些設備需要拆機才能加 光源，而使用氧化鈥溶液也需要清洗吸收池等，會大大加大 校準操作難度。 為了合理簡化校準操作，節省客戶時間，防止損壞客戶 設備。需要對濾光片吸收峰值對應的不確定度進行合適選值。 根據中國計量科學研究院所出證書對其校準結果的不確定 度為： U=0.1 nm~0.4 nm k=2 （380 nm-780 nm，隨吸收峰的形狀 和位置而定） U=0.2 nm~0.5 nm k=2 （200 nm-380 nm，780 nm-2000 nm 隨吸收峰的形狀和位置而定） 從校準波長的目的出發，要求吸收型波長標準濾光片能 提供一個陡峭的、尖銳的光譜吸收峰。由于我們并沒有濾光 片的光譜圖，如果每個波長都要出具具體的不確定度，需要 重新送校，每個點單獨校準，費用太高。怎樣根據已有的信 息對標準吸收峰波長進行判定。根據證書不確定度描述，不 確定度的具體值隨吸收峰的形狀和位置而定，結合證書校準 結果，發現結果中給出了相對峰高、相對峰高 ×100%/ 光 譜帶寬、吸收峰對稱性 / 相對峰高 ×100% 的值。參考 JJG 1034-2008《光譜光度計標準濾光器檢定規程》[2], 及規程編寫 者張巧香老師文章《吸收型波長濾光片關于吸收峰的評價方 法》[3] 及從中國計量科學研究院了解的各個波長具體的不確 定度值。可以通過相對峰高 ×100%/ 光譜帶寬給出的參考值當前，采用 DBN 的分類方法的主要步驟是：一，數據的 預先處理；二，圖像特征的計算與構建；三，樣本及參數的 選取；四，基于 DBN 的分類及評定。 （一）RBM 的參數設置 RBM 的參數由訓練參數和隱含節點數兩部分組成 [4]。 RBM 的訓練參數主要由 e（學習率），權重等幾個主要的部分 組成，當學習率的數值設置較大時，算法的收斂速度就會隨 之增大，與此同時，也會增加系統的不穩定性，反之，則會 降低算法的收斂速度，但系統不穩定的情況可以得到很好的 解決。通常情況下，為了保持系統的穩定狀態，會設置較小 的學習率。除此之外，為了保證訓練的效率，充分利用這種 運算方式的優勢，會將樣本進行個體的劃分，進行逐個的訓練。 系統也時常會通過計算 RBM 的重構誤差來對節點數進行 選擇。重構誤差將通過訓練所獲取的參數，作為初始值（即 初始狀態），根據采樣后獲取的數值與原數據之間的差異來進 行評估，這也就是所謂的 RBM 的重構誤差。重構誤差可以在 一定程度上對數據的似然度進行反應，但這種數據并不是可 靠的。從另一方面說，相對于重構誤差的不可靠性，選擇這 種方法的原因則是因為其方法的簡單與，注重它的時效 性 [5]。 （二）DBN 網絡深度 在實際的運用過程中，DBN 網絡深度取得了更為明顯的 分類效果，采用越高的網絡深度，就可以獲得更抽象的特征 表示以及分類性能，但是隨著層數的不斷增多，訓練的耗時 也不斷增多，其效率也在隨之不斷降低，網絡泛化性能也出 現了些許的波動情況。網絡深度的合適往往會與具體的應用和數據掛鉤，理應根據不同的網絡深度，通過實驗的方法， 來確定終的網絡深度。 總結：隨著生活水平的不斷提高，遙感影像即遙感技術 在人們的日常生活中扮演著越來越重要的角色，但在這門科 學技術的提升過程中也出現了很多的問題。本文主要結合基 于深度學習的各種方法，對遙感影像的分類進行了研究與分 析，希望能夠對此類學科的發展提供理論幫助。