论文部分内容阅读
【摘要】文章从系统性误差、人为性误差以及偶然误差三方面对建材质量检测数据误差进行了深入分析，并阐述了建材质量检测数据处理内容，希望能够为同行业工作者提供一些帮助。
【关键词】建材检测;误差分析;数据处理
【DOI】10.12334/j.issn.1002-8536.2021.02.218
对于建筑工程来说，不仅需要加大施工过程中的质量把控力度，还应预先制定完善的建材检测计划以满足对建筑工程的质量需求。一般来说，执行建材检测任务的机构主要包括第三方检测公司、监督检测机构或科研院校等。由于部分建筑材料的特殊性，使得虽然多数检测误差能够以参数处理的方式消除，但仍有部分误差难以逆转，继而影响到材料的应用效果。
1、建材质量检测误差的深入分析
1.1系统性误差分析
1.1.1种类
固定系统与变化系统误差是建材检测系统的主要误差类别。固定系统误差一般情况下主要是指在检测环节而出现的固定形式的数字误差，继而影响到了试验值与所获得的最终试验数据，致使二者差距维持不变。导致出现该种情况的主要原因是试验機械设备出现零点漂移的现象;而变化系统误差则主要是指受不确定环境因素的影响，使得无论是检测温度还是湿度，针对不同类型的检测项目所针对的检测温度的要求均有所不同，这就需要针对具体的建材类型制定科学且完善的检测方案[1]。相较变化系统误差，固定系统误差想要被发现较为困难，只有在反复测量的基础上深度分析检测数据才能总结出偏差规律，继而帮助最大限度的将系统误差减少。
1.1.2原因
导致出现建材系统误差的原因有很多，其中试验方法是其中占有比例较大的因素。在建材试验环节由于选择不当或与之相对应的试验条件不够充分，将增大检测误差的发生风险。需要注意的是，建材系统误差规律性的特征较为明显，因此能够依据系统规律性准确定位其中的误差原因以帮助达到改善目的，此时可以通过将其中的正值融入其中而帮助达到数据误差的修正目的。在发现有建材检测系统性误差出现时应保证数据分析的及时性，在对系统进行改进的基础上将仪器的检定水平最大限度的提升，以避免出现检测误差。
1.2人为误差分析
过失性误差是人为误差的另一种称呼，顾名思义其是多数是由于检测人员粗心大意导致的，数据记录错误或仪器设备显示数据读错均是导致出现该类误差的主要原因。由于人为误差所导致出现的数值偏差过大，使得想要保证误差发现的直观性就必须剔除掉其中的不稳定因素，在这一环节需要应用经验法达到数据恢复的目的[2]。但由于该类方法的主观因素较为突出，因此想要保证数据准确性建议采取正态分布理论用以对比测量与鉴定数值，确保所获得的数据均在合理范围内。若其绝对值表现出了较大的偏差，那么其发生无法的风险将最大限度的降低。
1.3偶然性误差分析
偶然性误差又被称之为随机误差或不定误差，主要指的是在数据测量过程中由于一些细微的随机变动而形成的具有相互抵偿性特点的偏差数据。此类型误差包含的因素主要有环境、自然等人力无法保证控制有效性的因素，极有可能会导致增大建材检测误差的发生风险，也是影响检测数据准确性的重要基础。导致出现此类误差的原因较多，不仅仅是环境条件，若仪器本身质量不佳也将会对所获得实验数据的准确性造成不良影响，且该类型误差具有随机性特征。
2、建材质量检测数据处理
2.1检测数据处理参数
2.1.1算数平均值
想要保证所获得的检测结果的准确度，就应加大随机变量的控制力度，包括测定值变量与数据误差，均应将数据处理的有效性最大限度的提升以确保数据准确度符合应用需求。在检测数据中，算数平均数若能够保证其处理效果将最大限度的缩减数据误差。所得到的算数平均值能够充分反映出被检测样本的数据值，应将其归纳到样本数据的外观范围内，其也是将其所对应随机变量参数平均值充分反映出来的重要基础。所得到的误差数据展现出了正负两种类型，均可以采取均值的方式对数据进行处理，以将所产生的数据误差缩减，继而保证获得数据参数的准确性。
以砖结构为例，需要在砌墙砖的作业中，确定每一方向尺寸，以两个测量值得算数平均值表示，应保证在抗压试验中选择10块砖，长度需，同时将烧结砖放置于的水中，充分浸泡24 h，最终将两个结果的单块抗折强度最小值和算数平均值表示其抗折强度。
2.1.2标准误差
误差控制效果的提升关键你在于是否明确了标准误差参数的控制效果强化的重要意义，在对建材进行检测的过程中应将标准误差的概念融入，以将所获得数据的准确性进一步提升，其也是将数据在其中的分布状态充分展示出来的前提条件，且能够将数据之间的相对距离确定[3]。处理数据时所依据的一般为均值，并要联系算数平均值偏差以明确数值的标准差参数。继而总结出如下规律：随着标准差的增大数据分布情况也将会逐渐表现出离散特征，而随着其数值的减小数据分布也也将会逐渐突显出集中特征。
2.1.3变异系数
变异系数的分析同样是明确被检测数据偏差程度的重要基础，将其作为判断数据误差的核心因素有助于提升数据精准度。在对检测数据误差问题进行分析处理时，首先需要对各个检测数据参数之间的关系予以明确，并应对所属相同属性的数据进行深入分析。若发现标准值的相关参数保持一致特点，则所对应的平均值的误差程度也将表现出相同特点，但需要注意其与平均数值的大小并没有多少关系，所反映出的仅仅只是被检测数据的偏差效果。
2.2评定检测数据结果的常见方法
对于建筑工程来说建材使用具有不确定特征，尤其是在施工前后的性能与加工情况也将会存在些许的不同之处，这一点主要表现在建材尺寸数值与物理特性方面，其在不同条件下的改变均会使得建材检测结果受到不良影响。为避免出现此类问题，在制定评定数据结构的方案时，应依据不同建材类型明确具体的评定标准。以混凝土为例，应选择匹配抗压强度值的几个算数平均值，在中间数值小于最值与中间数值差值15%时，就应对该数值做舍弃处理，而若是超出15%，那么则应判定其所得出结果为无效，应对其进行二次检测以保证数值准确性。
结语：
综上所述，建筑质量与建材质量之间存在着紧密联系，因此在建材检测环节为避免系统、认为以及偶然等类型误差的出现，就应加大数据处理力度，严格遵循检测流程以确保所获得数据的准确性与应用效果。
参考文献：
[1]刘勇.探讨建材检测中的误差分析与数据处理[J].居舍，2019，23：177-178.
[2]李强.探讨建材检测中的误差分析与数据处理[J].建材与装饰，2019，32：51-52.
[3]毛爱新.建材检测中的误差与数据处理研究[J].城市建设理论研究（电子版），2019，21：51.
【关键词】建材检测;误差分析;数据处理
【DOI】10.12334/j.issn.1002-8536.2021.02.218
对于建筑工程来说，不仅需要加大施工过程中的质量把控力度，还应预先制定完善的建材检测计划以满足对建筑工程的质量需求。一般来说，执行建材检测任务的机构主要包括第三方检测公司、监督检测机构或科研院校等。由于部分建筑材料的特殊性，使得虽然多数检测误差能够以参数处理的方式消除，但仍有部分误差难以逆转，继而影响到材料的应用效果。
1、建材质量检测误差的深入分析
1.1系统性误差分析
1.1.1种类
固定系统与变化系统误差是建材检测系统的主要误差类别。固定系统误差一般情况下主要是指在检测环节而出现的固定形式的数字误差，继而影响到了试验值与所获得的最终试验数据，致使二者差距维持不变。导致出现该种情况的主要原因是试验機械设备出现零点漂移的现象;而变化系统误差则主要是指受不确定环境因素的影响，使得无论是检测温度还是湿度，针对不同类型的检测项目所针对的检测温度的要求均有所不同，这就需要针对具体的建材类型制定科学且完善的检测方案[1]。相较变化系统误差，固定系统误差想要被发现较为困难，只有在反复测量的基础上深度分析检测数据才能总结出偏差规律，继而帮助最大限度的将系统误差减少。
1.1.2原因
导致出现建材系统误差的原因有很多，其中试验方法是其中占有比例较大的因素。在建材试验环节由于选择不当或与之相对应的试验条件不够充分，将增大检测误差的发生风险。需要注意的是，建材系统误差规律性的特征较为明显，因此能够依据系统规律性准确定位其中的误差原因以帮助达到改善目的，此时可以通过将其中的正值融入其中而帮助达到数据误差的修正目的。在发现有建材检测系统性误差出现时应保证数据分析的及时性，在对系统进行改进的基础上将仪器的检定水平最大限度的提升，以避免出现检测误差。
1.2人为误差分析
过失性误差是人为误差的另一种称呼，顾名思义其是多数是由于检测人员粗心大意导致的，数据记录错误或仪器设备显示数据读错均是导致出现该类误差的主要原因。由于人为误差所导致出现的数值偏差过大，使得想要保证误差发现的直观性就必须剔除掉其中的不稳定因素，在这一环节需要应用经验法达到数据恢复的目的[2]。但由于该类方法的主观因素较为突出，因此想要保证数据准确性建议采取正态分布理论用以对比测量与鉴定数值，确保所获得的数据均在合理范围内。若其绝对值表现出了较大的偏差，那么其发生无法的风险将最大限度的降低。
1.3偶然性误差分析
偶然性误差又被称之为随机误差或不定误差，主要指的是在数据测量过程中由于一些细微的随机变动而形成的具有相互抵偿性特点的偏差数据。此类型误差包含的因素主要有环境、自然等人力无法保证控制有效性的因素，极有可能会导致增大建材检测误差的发生风险，也是影响检测数据准确性的重要基础。导致出现此类误差的原因较多，不仅仅是环境条件，若仪器本身质量不佳也将会对所获得实验数据的准确性造成不良影响，且该类型误差具有随机性特征。
2、建材质量检测数据处理
2.1检测数据处理参数
2.1.1算数平均值
想要保证所获得的检测结果的准确度，就应加大随机变量的控制力度，包括测定值变量与数据误差，均应将数据处理的有效性最大限度的提升以确保数据准确度符合应用需求。在检测数据中，算数平均数若能够保证其处理效果将最大限度的缩减数据误差。所得到的算数平均值能够充分反映出被检测样本的数据值，应将其归纳到样本数据的外观范围内，其也是将其所对应随机变量参数平均值充分反映出来的重要基础。所得到的误差数据展现出了正负两种类型，均可以采取均值的方式对数据进行处理，以将所产生的数据误差缩减，继而保证获得数据参数的准确性。
以砖结构为例，需要在砌墙砖的作业中，确定每一方向尺寸，以两个测量值得算数平均值表示，应保证在抗压试验中选择10块砖，长度需，同时将烧结砖放置于的水中，充分浸泡24 h，最终将两个结果的单块抗折强度最小值和算数平均值表示其抗折强度。
2.1.2标准误差
误差控制效果的提升关键你在于是否明确了标准误差参数的控制效果强化的重要意义，在对建材进行检测的过程中应将标准误差的概念融入，以将所获得数据的准确性进一步提升，其也是将数据在其中的分布状态充分展示出来的前提条件，且能够将数据之间的相对距离确定[3]。处理数据时所依据的一般为均值，并要联系算数平均值偏差以明确数值的标准差参数。继而总结出如下规律：随着标准差的增大数据分布情况也将会逐渐表现出离散特征，而随着其数值的减小数据分布也也将会逐渐突显出集中特征。
2.1.3变异系数
变异系数的分析同样是明确被检测数据偏差程度的重要基础，将其作为判断数据误差的核心因素有助于提升数据精准度。在对检测数据误差问题进行分析处理时，首先需要对各个检测数据参数之间的关系予以明确，并应对所属相同属性的数据进行深入分析。若发现标准值的相关参数保持一致特点，则所对应的平均值的误差程度也将表现出相同特点，但需要注意其与平均数值的大小并没有多少关系，所反映出的仅仅只是被检测数据的偏差效果。
2.2评定检测数据结果的常见方法
对于建筑工程来说建材使用具有不确定特征，尤其是在施工前后的性能与加工情况也将会存在些许的不同之处，这一点主要表现在建材尺寸数值与物理特性方面，其在不同条件下的改变均会使得建材检测结果受到不良影响。为避免出现此类问题，在制定评定数据结构的方案时，应依据不同建材类型明确具体的评定标准。以混凝土为例，应选择匹配抗压强度值的几个算数平均值，在中间数值小于最值与中间数值差值15%时，就应对该数值做舍弃处理，而若是超出15%，那么则应判定其所得出结果为无效，应对其进行二次检测以保证数值准确性。
结语：
综上所述，建筑质量与建材质量之间存在着紧密联系，因此在建材检测环节为避免系统、认为以及偶然等类型误差的出现，就应加大数据处理力度，严格遵循检测流程以确保所获得数据的准确性与应用效果。
参考文献：
[1]刘勇.探讨建材检测中的误差分析与数据处理[J].居舍，2019，23：177-178.
[2]李强.探讨建材检测中的误差分析与数据处理[J].建材与装饰，2019，32：51-52.
[3]毛爱新.建材检测中的误差与数据处理研究[J].城市建设理论研究（电子版），2019，21：51.