电感耦合等离子体光谱法测定农业地质调查土壤样品中铈的不确定度评定

采用《测量不确定度评定与表示指南》，以等离子体发射光谱法测定土壤中的稀土元素铈为例，对测定结果进行不确定度评定。分析了不确定度的重要来源，包括溶液制备过程中引入的不确定度、样品称量引入的不确定度、标准物质外标法测量不确定度及仪器重复测定的不确定度。提供了引入不确定度各参数的采集和计算方法，对各不确定度分量进行分析计算，最后合成标准不确定度，通过乘以95％概率下的扩展因子2，获得测量结果的扩展不确定度。     

高效液相色谱法测定地下水中苯并(a)芘的不确定度评定

通过对高效液相色谱法测定地下水中苯并(a)芘含量的全过程分析,确定了测定结果不确定度的来源。采用不确定度连续传递模型,对引入的不确定度分量进行评定,并采用最小二乘法对标准曲线进行拟合,确定了地下水中苯并(a)芘含量标准不确定度由样品取样量、样品定容体积及测定体积、样品重复性测定、标准溶液浓度和标准曲线拟合误差6部分不确定度合成。通过对2个不同含量样品测定结果不确定度评定,证明苯并(a)芘含量越低,测定结果的相对标准不确定度越大;且样品重复性测定和标准曲线拟合误差是测定结果不确定度的重要来源。     

能量色散X射线荧光光谱分析大气颗粒中多种元素

采用基本参数法，利用较少的几个标样，建立能量色散X射线荧光光谱对大气颗粒物中多种元素的定量分析方法，在不破坏样品的情况下，可测定探测下限为xng/cm^2的大气颗粒物的无机元素，测量的RSD（n=10)为0.5%-18.1%，测定空气滤膜标准的结果与标准值符合较好。     

半微量凯氏法测定土壤全氮量的不确定度评定

以半微量凯氏法测定土壤中全氮量为例，对测定结果的不确定度来源进行了详细分析，对测定过程中的主要不确定度分量进行了合理评定，包括样品和标准物质硼砂的称量引入的不确定度，硼砂的纯度引入的不确定度，容量瓶、移液管和滴定管的体积引入的不确定度．相关元素的摩尔质量引入的不确定度以及测量的重复性引入的不确定度。最后合成标准不确定度．通过乘以95％置信概率下的扩展因子2获得测量结果的扩展不确定度。     

对电感耦合等离子体质谱法测定的地下水中Ag元素不确定度的评定

采用不确定度连续传递模型,对电感耦合等离子体质谱法测定的地下水中Ag元素的不确定度进行评定。采用双误差回归的方式对标准曲线进行拟合,通过计算出各分量的不确定度,合成得到测量结果的总不确定度。当实际样品中Ag的含量较低时,其曲线拟合产生的不确定度影响较大,甚至成为主导因素。     

激光荧光法测定土壤中铀的不确定度评定

介绍了激光荧光法测定土壤中总铀含量的不确定度评定方法。建立了不确定度的测量模型,对不确定度来源进行了分析,并对不确定度分量进行量化,计算出环境级土壤样品总铀含量测量的扩展不确定度。结果表明,某0.1 g环境土壤干样总铀含量测量的扩展不确定度为13.04%(k=2),占主导作用的不确定度来源为样品荧光计数测量不确定度。     

电感耦合等离子体质谱法测定地下水中镉的不确定度评定

采用不确定度连续传递模型,对电感耦合等离子体质谱法测定地下水中镉元素的不确定度进行评定。其不确定度主要来源于标准溶液引入的不确定度、曲线拟合产生的不确定度和测量过程中引入的不确定度三部分。采用双误差回归的方式对标准曲线进行拟合,通过计算出各分量的不确定度,合成得到测量结果的总不确定度。     

气相色谱法测定地下水中六六六结果的不确定度评定

依照《测量不确定度评定与表示》,对气相色谱法测定地下水中六六六(HCH)四种单体结果进行了不确定度评定。分析了测量过程中引入的不确定度来源,包括提取液体积的量取、样品提取溶液的定容体积、分析仪器的进样量、标准系列溶液的测量以及仪器重复测定等分量引入不确定度及其各参数的采集和计算方法,最后合成标准不确定度,通过乘以95%概率下的扩展因子2,获得测量结果的扩展不确定度。     

异烟酸-吡唑啉酮分光光度法测定地下水中氰化物的不确定度评定

采用不确定度连续传递模型,对异烟酸-吡唑啉酮分光光度法测定地下水中氰化物的不确定度进行评定。分析了不确定度的重要来源,包括样品制备、标准溶液配制、标准曲线拟合和仪器测量过程等引入的不确定度分量。采用x、y双误差回归方式对标准曲线进行拟合,通过分析得知,样品中氰化物浓度越低,其相对不确定度越大。     

743型大孔阳离子交换树脂分离偶氮胂Ⅲ分光光度法测定样品中钍的不确定度评定

对743型大孔阳离子交换树脂分离偶氮胂Ⅲ分光光度法测定样品中钍的不确定度进行了评定。根据其测定方法和测定程序,通过对各不确定度的来源分析,计算了相对不确定度分量、合成相对不确定度和扩展不确定度,详细介绍了不确定度的评定过程,分析结果显示出整个测定过程中易带来误差的步骤,为分析人员获得更为准确的结果提供很好的指导作用。     

电感耦合等离子体质谱法测定地下水中锑的不确定度评定

采用不确定度连续传递模型对电感耦合等离子体质谱法测定地下水中锑元素含量进行不确定度评定,并采用x、y的相对差,对标准曲线进行双误差回归。结果表明,水样中锑含量越低,其相对不确定度越大,且标准曲线的拟合过程引入的不确定度对其总不确定度有较大的贡献率,这与实验室中的实际测试情况相吻合。     

测流不确定度的插值方差估计法

目前,测流不确定度通过误差试验或通过经验数值来确定,但这些方式存在着工作量大或不确定估计不足等局限性。为解决此问题,对基于实测数据和统计理论的插值方差估计法在不同测流条件下进行了验证,选取白河、襄阳和沙洋3个流量站进行了实测数据的不确定度分析,同时对白河站进行了Monte Carlo试验,比较插值方差估计法得到的不确定度与真实误差的差异。结果表明,插值方差估计法能较好地反映水位变化的影响,插值方差估计法所得到的不确定度与真实测流误差的相关系数达0.64,与断面水位变化的Spearman相关系数达0.79,高、中水位情况下插值方差估计法的不确定度估计结果较为合理,低水位情况下偏高。     

基于水位流量关系的流量估算不确定性分析

针对现有水位流量关系线型物理机制不强及流量估算不确定性来源考虑不充分问题,以北江流域石角水文站为例,推导该测站水位流量关系,基于BaRatin模型评估流量测量误差及率定样本选取对估算流量不确定性的影响。发现河槽控制宽浅矩形断面水位流量关系为幂函数,其系数可用糙率、河宽、比降表达,指数为定值5/3;考虑流量测量误差后高水估算流量总不确定性减小32%;率定数据增加1倍、3倍,高水估算流量总不确定性减小12%、34%。结果表明:① 水位流量关系模型建立方法可推广至多类型测站;② 高水测量误差对率定精度影响较大,建议提高高水流量测量精度;③ 现有实测水位与流量数据存在信息冗余,主要存在于低水数据中,本方法可减少率定数据使用,降低整编成本。     

对电感耦合等离子体质谱法测定的地下水中 Tl元素不确定度的评定

采用不确定度连续传递模型,对电感耦合等离子体质谱法测定的地下水中Tl元素的不确定度进行评定。采用双误差回归的方式对标准曲线进行拟合,通过计算出各分量的不确定度,合成得到测量结果的总不确定度,但是并没有考虑前处理过程中产生的不确定度。结果表明,当实际样品中Tl的含量较低时,其曲线拟合产生的不确定度贡献影响较大,甚至成为主导因素,而当Tl的含量较高时曲线拟合产生的不确定度贡献率变得很小。     

基于水位流量关系的流量估算不确定性分析

针对现有水位流量关系线型物理机制不强及流量估算不确定性来源考虑不充分问题,以北江流域石角水文站为例,推导该测站水位流量关系,基于BaRatin模型评估流量测量误差及率定样本选取对估算流量不确定性的影响。发现河槽控制宽浅矩形断面水位流量关系为幂函数,其系数可用糙率、河宽、比降表达,指数为定值5/3;考虑流量测量误差后高水估算流量总不确定性减小32%;率定数据增加1倍、3倍,高水估算流量总不确定性减小12%、34%。结果表明:①水位流量关系模型建立方法可推广至多类型测站;②高水测量误差对率定精度影响较大,建议提高高水流量测量精度;③现有实测水位与流量数据存在信息冗余,主要存在于低水数据中,本方法可减少率定数据使用,降低整编成本。     

Uncertainty in spatial average undrained shear strength with a site-specific transformation model

ABSTRACT

Transformation models are used to infer geotechnical properties from indirect measurements. A site-specific transformation model can be calibrated with direct and indirect measurements from a site. When such a model is used, then spatial variability, measurement errors and statistical uncertainty propagate into the uncertainty of the spatial average, which is the variable of interest in most geotechnical analyses. This research shows how all components enter the total uncertainty of a transformation model for undrained shear strength from cone resistance. A method is proposed to estimate the uncertainty in the spatial average undrained shear strength, particularly focusing on the role of averaging of all spatially variable error components. The main finding is that if a considerable share of the measurement and transformation errors is random or spatially variable, the uncertainty estimates can be considerably lower compared to methods proposed earlier, and hence, characteristic values can be considerably higher.     

X射线荧光光谱法检测Au质量分数不确定度的评定——以样品Au750为例

为了使测量结果更加科学,其不确定度的评定就越来越重要。在运用X射线荧光光谱法检测贵金属质量分数的过程中,测量系统以标准曲线法为基础,测量仪器直接给出测量结果,故可将该测量方法等同于直接测量。以样品Au750为例,探讨了测量不确定度的评定过程与步骤。结果显示,该方法测量结果的不确定度来源主要与测量系统有关,其主要的不确定度分量有标准样品的给定值与误差、仪器的分辨率、准确度以及校准不确定度等,忽略了环境及操作不当的人为影响因素。该评定过程简化,评定方法趋干合理。     

Bayesian approach for calibrating transformation model from spatially varied CPT data to regular geotechnical parameter

Cone Penetration Test (CPT) is widely utilized to gain regular geotechnical parameters such as compression modulus, cohesion coefficient and internal friction angle by transformation model in the site investigation. However, it is challenging to obtain simultaneously the unknown coefficients and error of a transformation model, given the intrinsic uncertainty (i.e., spatial variability) of geomaterial and the epistemic uncertainty of geotechnical investigation. A Bayesian approach is therefore proposed calibrating the transformation model based on spatial random field theory. The approach consists of three key elements: (1) three-dimensional anisotropic spatial random field theory; (2) classifications of measurement and error, and the uncertainty propagation diagram of geotechnical investigation; and (3) the unknown coefficients and error calibration of the transformation model given Bayesian inverse modeling method. The massive penetration resistance data from CPT, which is denoted as a spatial random field variable to account for the spatial variability of soil, are classified as type A data. Meanwhile, a few laboratory test data such as the compression modulus are defined as type B data. Based on the above two types of data, the unknown coefficients and error of the transformation model are inversely calibrated with consideration of intrinsic uncertainty of geomaterial, epistemic uncertainties such as measurement errors, prior knowledge uncertainty of transformation model itself, and computing uncertainties of statistical parameters as well as Bayesian method. Baseline studying indicates the proposed approach is applicable to calibrate the transformation model between CPT data and regular geotechnical parameter within spatial random field theory. Next, the calibrated transformation model was compared with classical linear regression in cross-validation, and then it was implemented at three-dimensional site characterization of the background project.