测量不确定度的BP神经网络模型

房亚群a, 吴一凡b

(江苏食品药品职业技术学院a.信息工程系;b基础教学部, 江苏淮安223003)

摘要：针对测量不确定评定数学模型无法通过确定的数学关系进行表达的问题，将BP神经网络算法引入测量不确定评定，通过将产生不同确定度的分量的影响因素作为神经网络的输入，合成不确定度和扩展不确定度作为神经网络输出，建立神经网络的不确定评定数学模型。以游标卡尺测量结果不确定度为研究对象，运用BP神经网络不确定评定数学模型，进行不确定评定。仿真结果表明，BP神经网络的不确定评定结果较好、精确度较高，接近于线性预测。

关键词：测量不确定度;BP神经网络;数学模型;合成不确定度;扩展不确定度

文章编号：1673-1549(2015)04-0022-05

DOI:10.11863/j.suse.2015.04.05

收稿日期:2015-06-26

作者简介:房亚群(1981-)，女，江苏宿迁人，讲师，硕士，主要从事计算机网络技术及应用方面的研究，(E-mail)495109178@qq．com;吴一凡(1980-)，男，江苏淮安人，讲师，硕士，主要从事数学建模方面的研究，(E-mail)wyfdm_1@163．com

中图分类号：TP391.1

文献标志码：A

引言

测量不确定度主要用来表征测量结果不能确定测程度，是衡量测量结果质量的重要指标。GUM中提出的不确定度评定方法容易受到直接测量量相关性的限制，并且计算过程有很多近似，因此计算精度较低，同时操作性较差，现实中操作较为不便[1-3]。神经网络模型具有很强的非线性泛化能力，国内外很多学者都进行了研究。

雷霆等人[4]结合神经网络理论和小波变换技术，提出一种基于小波神经网络的预测模型，运用小波变换技术提取测量序列的特征参数。……