题目：乏信息高端精密仪器测量数据处理方法及其应用研究

乏信息是指测量数据样本数较少，或者概率分布未知的，信息不充分与不完备的情况。在某些高端精密仪器的实验与使用过程中，由于成本以及测量条件的特殊性，往往不能重复多次测量得到大量的样本数据，或者测量过程所服从的概率分布未知，这样使得其测量数据具有乏信息的特征。因为缺乏数据量及其数据分布等特征描述，以经典统计学为理论基础的测量数据处理方法应用受到局限。本文综合分析研究乏信息测量数据处理方法，并将其应用到乏信息高端精密仪器测量数据处理过程中。针对此问题，本文主要在以下几个方面进行了研究工作：

1. 提出了以灰色理论为基础的离群值判别方法与动态滤波方法，为后续乏信息测量数据的处理提供有利的条件。基于灰色累加原则与灰色GM(1，1)预测模型的离群值判别方法，在计算过程中对测量样本数据量无要求，能有效识别小样本条件下测量数据所含离群值。动态灰色滤波将测量过程看成灰色过程，不考虑其具体分布特征，通过动态灰色模型，实现信号重构，从而达到抑制噪声的目的。

2．提出了以灰色理论、模糊数学、BP神经网络为基础的参数估计方法，并成功应用于地震烈度快速估计。灰色方法与模糊范数法都适用于经典估计方法所无法解决的小样本量、分布未知的乏信息地震烈度估计问题，这对于地震台站和地震记录资料缺乏的我国来讲，是非常有益的探索。这两种方法有不同的侧重，互为补充。灰色方法通过在多个地震动参数中选取关联度较大的参数进行地震烈度预测和估计，能够有效地利用地震记录的信息，实现地震烈度的准确估计。模糊范数法则选取某个地震动参数来进行地震烈度估计，由于使用数据量较少，在时间方面占据了优势。

3. 提出了以灰色理论、模糊数学以及自助法为基础的两种多传感器数据融合方法，并成功应用于多压力传感器数据融合。这两种方法均能实现小样本、概率分布未知等乏信息情况下的多传感器数据融合，但它们侧重不同。动态灰自助方法主要依托灰色系统理论，偏重于数据融合以及相关参数的预测，具有动态特性。而模糊自助主要根据模糊数学中的模糊隶属函数，属于静态融合的范畴。

4. 提出了基于灰色理论、神经网络与最大熵方法的两种测量不确定度评定方法，并应用于多传感器测量系统不确定度评定。测量不确定度灰色评定方法通过灰关联分析计算加权系数，依此获得期望函数，然后利用灰色方法评定测量不确定度。神经网络-熵方法利用径向基(RBF)神经网络解决概率分布未知条件下多传感器压力测量数据融合，并依据最大熵原理，评定测量不确定度。这两种方法均能实现乏信息条件下的测量不确定度评定，但它们的适用范围不同。灰色加权评定方法适用于小样本、概率分布未知的严重乏信息问题。神经网络-熵方法允许分布未知，但应用过程中对样本量以及样本特征要求较高，适用于轻微乏信息问题。因此，相对比来讲，灰色加权评定的应用范围较广，但在样本量以及样本特征较好的情况下，神经网络-熵方法评定精度更高。

为了检验所提出的乏信息测量数据处理方法的有效性，本文将其应用到地震紧急自动处置用智能传感器测量系统与多传感器径向压力测量系统的测量数据处理过程中。实验结果表明，在乏信息条件下，本文提出的乏信息测量数据处理方法能够准确有效地实现数据预处理、参数估计、数据融合与不确定度评定。