王舵

(辽宁省计量科学研究院，沈阳 110004)

蒙特卡洛法(MCM)作为《测量不确定度表示指南》（GUM）的重要补充方法，可有效地解决测量模型非线性等诸多不确定度评定问题［1］。近年来，国内外对MCM评定不确定度做了许多研究，在物理学、生物学、工程科学等领域MCM得到了广泛的应用［2］。研究结果表明，与GUM相比，MCM没有明显的不同，具有很好的评定效果［3–6］。但MCM计算简单，不用考虑各分量之间的相关性，不需为简化评定过程而忽略某些影响因素，评定过程更加方便易行［7］。目前，相关的研究主要实施在MATLAB计算平台上［8–11］。MATLAB作为一款商业软件在各个方面都十分完善，但其使用费用并不能被人们广泛接受。随着人工智能的飞速发展，Python软件作为一款开源软件在科学计算领域占据了主导地位。与商业软件MATLAB相比，Python具有免费、跨平台、函数库完善等诸多优点，非常适用于科学计算［12］。毛细管电泳是一种效率极高的分离分析技术，在很多领域都有广泛的应用［13］。多数的研究都集中在分析毛细管电泳分离过程中各因素对实验结果不确定度的影响［14］，但对毛细管电泳法检出限的不确定度评定却鲜有报道。与直接以标准物质为研究对象的检出限不确定度评定不同，毛细管电泳仪检定规程［15］中的计量方法需要采用多级稀释的方式配制溶液，这为检出限不确定度的评定引入了更多的影响因素。笔者以毛细管电泳仪检出限的不确定评定为例，以GUM评定过程为对照，详细讨论了Python在MCM上的具体应用与分析。……