本项目拟对已知输入量、输出量(被测量)先验信息和输入量测量列条件下复杂模型测量不确定度评定方法进行研究,采用贝叶斯理论(Bayesian Theory)和蒙特卡罗仿真技术(Monte Carlo Simulation)相结合的方式探索解决该问题的方法。目前国际计量局(BIPM)正在组织对该问题的研究,这一问题的解决可使测量信息得到充分利用,弥补GUM和Supplement 1 to GUM方法中所
{{i.achievement_title}}
数据更新时间:2023-05-31
基于MCPF算法的列车组合定位应用研究
基于旋量理论的数控机床几何误差分离与补偿方法研究
信息熵-保真度联合度量函数的单幅图像去雾方法
现代优化理论与应用
多元化企业IT协同的维度及测量
先验信息不确定条件下雷达目标检测迭代波形优化方法
基于复杂先验信息的大地测量不适定问题研究
三维微纳米接触式探头系统动态测量不确定度建模与评定
矢量网络分析仪校准算法与不确定度评定方法研究