大数据时代计量数据的应用
近十年国内外计量经济学研究进展与趋势
近十年国内外计量经济学研究进展与趋势1. 引言1.1 研究背景计量经济学是经济学的一个重要分支，通过使用数学和统计学方法对经济现象进行量化分析和预测。
近年来，随着大数据技术的快速发展和普及，计量经济学研究进入了一个全新的阶段。
大数据时代下，数据的获取和处理变得更加便捷和高效，这为计量经济学研究提供了更多的机会和挑战。
在全球范围内，各国学术界和产业界都在积极探索如何利用大数据进行计量经济学研究。
从金融市场的波动预测到医疗保健政策的评估，大数据正在成为计量经济学研究的重要工具。
新方法和模型的不断涌现也为计量经济学研究注入了新的活力。
传统的计量经济学模型逐渐不能满足复杂经济现象的需求，因此需要不断创新和尝试。
在这样的背景下，国内外的计量经济学研究也呈现出新的发展趋势。
国内研究者在提高研究水平和创新能力方面取得了显著进步，国外研究机构和学者也在不断探索新的研究领域和方法。
跨学科合作的模式也逐渐成为计量经济学研究的一种新趋势，不同学科的专家和学者共同合作，将为计量经济学研究带来更多的新思路和创新成果。
1.2 研究目的目的是通过对近十年国内外计量经济学研究的进展与趋势进行综合分析，探讨计量经济学在大数据时代的应用与发展，总结新方法和模型在计量经济学中的应用情况，评述国内外计量经济学研究的差异与共同点，探讨跨学科合作对计量经济学研究的影响，旨在为未来计量经济学研究方向的拓展和政策制定提供借鉴和启示。
1.3 研究意义计量经济学研究是经济学领域的重要分支，通过利用数理统计、计算机科学等方法来分析经济现象和制定政策。
近年来，随着大数据时代的到来，计量经济学研究也面临着新的挑战和机遇。
研究人员可以利用海量的数据来进行更深入的分析和预测，从而提高研究的可靠性和准确性。
在这样的背景下，研究计量经济学的意义显得尤为重要。
计量经济学研究可以帮助我们更好地理解经济现象的规律性和特点，为政府决策提供科学依据。
通过开发新的方法和模型，计量经济学可以帮助我们揭示未知的经济机制和关系，推动经济学理论的发展。
大数据和小数据的应用区别
大数据和小数据的应用区别简介：在当今信息爆炸的时代，数据被广泛应用于各个领域。
随着数据量的不断增加，大数据和小数据成为了两个热门的概念。
本文将详细探讨大数据和小数据的应用区别，包括定义、特点、应用场景以及优势和劣势等方面。
一、定义1. 大数据：大数据是指规模巨大、高速增长且多样化的数据集合，无法使用传统的数据处理工具进行处理和分析。
大数据通常具有5V特征，即数据量大(Volume)、数据速度快(Velocity)、数据种类多(Variety)、数据真实性高(Veracity)和数据价值高(Value)。
2. 小数据：小数据是指规模相对较小、易于处理和分析的数据集合。
小数据通常可以使用传统的数据处理工具进行处理和分析。
二、特点1. 大数据特点：- 数据量大：大数据通常以TB、PB甚至EB为单位进行计量。
- 数据多样性：大数据涵盖了结构化数据（如数据库中的表格数据）、半结构化数据（如XML、JSON等格式的数据）以及非结构化数据（如文本、图像、视频等）。
- 数据速度快：大数据源源不断地产生，需要实时或近实时地进行处理和分析。
- 数据真实性高：大数据需要经过数据清洗和去噪等处理，以确保数据的准确性。
- 数据价值高：通过对大数据的挖掘和分析，可以获取有价值的信息和洞察。
2. 小数据特点：- 数据量相对较小：小数据通常以GB或TB为单位进行计量。
- 数据相对简单：小数据通常是结构化的，易于进行处理和分析。
- 数据更新速度较慢：小数据的更新速度相对较慢，可以进行批量处理和分析。
- 数据真实性较高：小数据通常经过较少的数据清洗和处理，数据的准确性相对较高。
三、应用场景1. 大数据应用场景：- 电商行业：通过对用户行为数据的分析，实现个性化推荐和精准营销。
- 金融行业：通过对交易数据和市场数据的分析，实现风险控制和投资决策。
- 医疗行业：通过对患者病历数据和医疗影像数据的分析，实现疾病诊断和治疗方案的优化。
- 物流行业：通过对物流数据的分析，实现路线优化和配送效率提升。
近十年国内外计量经济学研究进展与趋势
近十年国内外计量经济学研究进展与趋势近十年来，计量经济学在国内外取得了长足的发展，涌现出许多重要的研究成果，对经济学理论的深化和实证分析方法的改进起到了重要的推动作用。
在国际上，计量经济学研究的范围不断扩大，方法不断创新，其中包括了处理大数据、非线性时间序列、因果推断和机器学习等新兴领域。
而在国内，随着国家经济的快速发展，计量经济学研究也在不断拓展，探讨了许多与国情相关的重大课题，为我国的实证研究提供了有力的支持。
近年来，计量经济学研究的主要进展与趋势体现在以下几个方面：大数据和机器学习方法的兴起。
随着信息技术的快速发展，大数据时代的到来，大数据分析和机器学习成为了计量经济学研究的重要工具。
传统统计方法在处理大规模数据时显得力不从心，而机器学习方法可以更好地处理大数据，并从中发现隐藏的规律和模式。
大数据和机器学习方法在计量经济学研究中得到了广泛的应用，成为了研究的热点之一。
非线性时间序列分析的发展。
在金融、宏观经济等领域，经济数据往往表现出非线性特征。
传统的线性模型在描述和预测非线性时间序列数据时存在局限性，因此非线性时间序列分析成为了计量经济学研究的重要方向。
在非线性时间序列分析中，ARCH/GARCH模型、平滑转换模型等方法得到了广泛应用，并取得了丰硕的研究成果。
因果推断方法的应用。
因果推断是计量经济学研究的重要内容，它旨在分析因果关系而非相关性。
近年来，随机对照实验、断点回归设计等因果推断方法在计量经济学研究中得到了广泛应用，并为实证研究提供了更为严谨和有效的方法。
在一些政策评估和社会科学研究中，因果推断方法发挥了重要作用。
空间计量经济学的兴起。
随着地理信息系统（GIS）和计算能力的提高，空间计量经济学作为计量经济学的一个重要分支得到了快速发展。
空间计量经济学不仅可以更好地描述和预测空间数据的特征，还可以分析空间之间的相互作用和影响关系，对区域经济发展和城市规划具有重要意义。
在国内，与国际接轨是计量经济学研究的一个显著特点。
计量相关的发展趋势
计量相关的发展趋势计量学是一个应用性非常广泛的学科，涉及到统计学、数学、经济学、金融学等多个领域。
随着科技进步和社会发展，计量方法和技术也在不断演变和创新。
以下是计量相关的发展趋势：1. 大数据时代：随着大数据的快速发展，计量学也面临着巨大的机遇和挑战。
大数据的产生和应用使得计量学的观测样本更加庞大和多样化，为计量分析提供了更加精确和全面的数据基础。
计量学家将会从大数据中发现新的模式和规律，并应用于决策和预测。
2. 数据挖掘和机器学习：数据挖掘和机器学习技术的发展将会对计量学产生深远的影响。
通过挖掘数据中的潜在模式和关联，计量学家可以更加准确和高效地预测和分析经济、金融和社会现象。
机器学习技术也可以帮助计量学家自动识别和处理复杂的数据结构和关系，提高计量分析的效率和准确性。
3. 结构计量模型：传统的计量模型通常假设数据之间的关系是线性和稳定的。
然而，实际的经济和金融系统往往具有复杂的非线性和动态特性。
因此，结构计量模型的发展变得越来越重要。
结构计量模型可以更好地捕捉到数据之间的非线性关系和动态特征，提高计量模型的解释能力和预测能力。
4. 非参数计量方法：传统的计量方法通常需要对数据分布和参数做出一些假设，然后通过估计参数来进行分析。
然而，在一些实际应用中，数据的分布和参数可能是未知的或难以估计的。
非参数计量方法通过不假设数据分布和参数，直接从数据中提取信息和进行分析。
非参数方法具有更强的灵活性和适应性，可以应用于更广泛的场景和数据类型。
5. 高维计量分析：由于科技进步和数据的快速增长，计量学家面临着越来越高维的数据。
高维数据的分析和建模是计量学的一个重要挑战。
高维计量方法可以帮助计量学家在高维数据中提取有用的信息和规律，减少维度灾难的影响，并提高计量模型的预测能力和解释能力。
总的来说，计量学作为一门独立的学科已经取得了很大的发展和应用成果。
在未来，随着科技和社会的不断变革，计量学将会继续发展和创新。
计量经济学发展历史
计量经济学发展历史一、引言计量经济学作为经济学的一个分支，致力于运用数学和统计学的方法来研究经济现象和预测经济趋势。
自20世纪初诞生以来，计量经济学经历了许多重要的阶段，不断地推动着理论和方法的进步。
本文将概述计量经济学在理论发展、方法进步、数据驱动、政策分析以及国际化发展等方面的历史和现状。
二、理论发展1.早期理论：计量经济学最早的根源可以追溯到18世纪和19世纪，当时的经济学家开始使用简单的统计方法来研究经济问题。
早期的代表人物包括英国经济学家大卫·李嘉图和德国经济学家卡尔·马克思。
2.线性代数和概率论的应用：20世纪初，线性代数和概率论开始被引入计量经济学。
这些数学工具的发展为计量经济学提供了更加强大的分析工具。
3.结构方程模型：在20世纪60年代，结构方程模型（SEM）开始成为计量经济学的一个重要分支。
SEM方法通过设定变量之间的关系，能够更加准确地描述经济现象。
4.机器学习和大数据分析：随着计算机技术的进步，机器学习和大数据分析开始在计量经济学中得到应用。
这些方法使得研究人员能够处理更加复杂和非线性的经济关系。
三、方法进步1.回归分析：回归分析是计量经济学中最常用的方法之一。
通过设定因变量和自变量之间的关系，回归分析可以解释各种经济现象。
2.时间序列分析：时间序列分析考虑了时间因素对经济变量的影响，能够更加准确地预测未来的经济趋势。
3.面板数据分析：面板数据分析同时考虑了时间和个体因素的影响，能够更加全面地揭示经济现象的内在规律。
4.空间计量经济学：空间计量经济学考虑了地理空间因素对经济现象的影响，为研究区域经济提供了新的视角和方法。
四、数据驱动1.数据采集和处理：随着计算机技术的进步，数据采集和处理变得更加便捷和高效。
各种类型的数据（如结构化数据、非结构化数据、时间序列数据等）都可以被用于计量经济学研究。
2.数据可视化：数据可视化技术使得研究人员能够更加直观地展示和分析数据。
产业计量中心发展趋势
产业计量中心发展趋势产业计量中心是指专门从事产业经济数据收集、整理、分析和预测工作的机构。
它通过建立相关的数据库，并利用计量模型和方法进行研究，不仅可以为政府决策提供科学依据，还可以为企业的战略规划和投资决策提供参考。
随着经济全球化和信息技术的快速发展，产业计量中心的发展呈现出一些明显的趋势。
一、大数据时代的挑战和机遇随着互联网、移动互联网和物联网的迅猛发展，数据呈现爆炸性增长的趋势。
大数据时代对于产业计量中心提出了新的挑战和机遇。
首先，产业计量中心需要有效地获取和处理大数据。
这需要投入大量的人力、物力和财力来建立庞大的数据库和计算平台。
其次，产业计量中心需要研发和应用新的模型和方法来挖掘大数据隐藏的信息。
这需要跨学科的合作和创新，例如统计学、计量经济学、机器学习和人工智能等领域的交叉研究。
最后，产业计量中心需要加强数据隐私和安全保护，以防止个人信息泄露和数据泄露，建立可信赖的数据环境。
二、跨界合作与创新驱动产业计量中心的发展离不开跨界合作和创新驱动。
一方面，产业计量中心需要与产业部门、科研机构、高校和企业等合作，共同建立数据共享平台，提高数据的可用性和价值。
另一方面，产业计量中心需要开展新模型和方法的研发，以应对产业经济的新情况和新问题。
这需要不断地进行基础和应用研究，并引进国内外的先进理论和方法。
同时，产业计量中心还需要开展学术交流和研讨会等活动，与国内外同行共同探讨产业计量领域的前沿问题。
三、智能化与自动化随着人工智能、机器学习和自动化技术的不断发展，产业计量中心的工作越来越趋向智能化和自动化。
一方面，产业计量中心可以利用人工智能和机器学习技术进行数据处理和模型预测。
例如，使用机器学习算法对大规模数据进行分类和聚类分析，实现对产业经济的智能化监测和预测。
另一方面，产业计量中心可以利用自动化技术进行数据的自动采集和分析。
例如，利用网络爬虫和自动化采集工具获取互联网上的相关数据，减少人力和时间成本。
计量数据工作总结
计量数据工作总结
在当今信息化时代，计量数据工作已经成为各行各业不可或缺的一部分。
从金
融领域的风险管理到医疗领域的疾病预测，计量数据的应用无处不在。
在这样一个大数据时代，如何有效地进行计量数据工作成为了各行业的重要课题。
首先，有效的计量数据工作需要良好的数据收集和整理能力。
无论是从外部数
据源获取数据，还是从内部系统中提取数据，都需要有一套完善的数据收集和整理流程。
只有数据的准确性和完整性得到保证，才能够进行有效的计量分析。
其次，数据分析能力也是进行计量数据工作的关键。
通过对数据进行统计分析、回归分析等方法，可以发现数据之间的关联性和规律性。
这些分析结果可以为企业的决策提供重要的参考依据，帮助企业更好地把握市场动态。
此外，数据可视化也是计量数据工作中不可忽视的一环。
通过图表、地图等形
式将数据直观地展现出来，可以让人们更容易理解和分析数据。
数据可视化不仅可以提高数据分析的效率，还可以使数据更具说服力，为决策提供更直观的依据。
最后，数据安全和隐私保护也是进行计量数据工作时需要重视的问题。
在数据
的收集、存储和传输过程中，需要采取一系列的安全措施，确保数据不被泄露或篡改。
同时，也需要遵守相关的隐私保护法律法规，保护用户的个人隐私权益。
综上所述，计量数据工作是一个综合性的工作，需要数据收集、整理、分析、
可视化等多方面的能力。
只有不断提升自身的数据能力，才能够更好地应对信息化时代的挑战，为企业的发展提供更有力的支持。
大数据对会计领域的影响
大数据对会计领域的影响？大数据对会计领域的影响主要包括对财务会计和管理会计的影响，分别如下：一、对财务会计的影响有： 1、对会计信息来源的影响：传统的会计信息，多来自于结构性数据，且结构性数据更可被分析、利用，甚至是直接采纳，而大数据时代所带来的，更多的是非结构性数据，这也对会计信息来源产生了一定的影响； 2、对资产计量的影响：由于大数据在会计行业中产生越来越多效应，并逐渐被广泛使用，因此就不得不考虑大数据对资产计量所带来的影响； 3、财务管理人员的管理职能发生了转变：原有的职能，基本上把财务人员定位在收集单据、定制凭证、复核、结账、报告、归档等工作中，而大数据时代，财务人员所面对的，不仅仅是财务信息、财务单据，而更多的是海量的业务信息，如何收集信息、分析信息，并将有用的信息放置在合理的资源中，通过高效的财务管理流程，实现有价值的财务数据，将资源配置在增长的领域中，是财务人员转变职能的体现之一。
二、对管理会计的影响： 1、对初始成本的确定及后续成本的计量的影响：统的成本确认和成本计量，其确认和计量的信息来自于企业内部，但在大数据时代，就会使得这些信息发生了一些变化，同时这些内部信息对企业的需求也是不够的，外部信息可以为企业提供更为完整的决策依据，从宏观上外部信息提供了行业背景资料、企业所处行业的位置、竞争对手的信息和竞争定价策略、行业供应链的结构和变化趋势等； 2、为决策和规划提供了有利的会计数据支持：无论是企业的短期经营目标还是长期经营目标，无论是短期战略还是中长期战略，如果没有海量的数据作为支持，就不可能得出全面、准确的决策，尤其是在越来越以数据为主的时代，对大数据的分析和挖掘，显得尤为重要； 3、为控制和评价管理提供了准确数据帮助：在大数据时代，由于数据的存储、分析和挖掘，使得非结构化数据和结构化数据的内在关联可以显现，找出并利用这种内在关联性，对于确定控制和评价管理能够提供准确的数据帮助。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
大数据时代计量数据的应用
发表时间：2018-06-25T16:11:26.687Z 来源：《电力设备》2018年第7期作者：辛才洋
[导读] 摘要：计量具有准确性、一致性、溯源性、法制性等特点，即在统一计量单位的基础上，无论何时、何地或采用何种方法，使用何种测量仪器，以及由何人测量，只要符合有关的要求，其测量结果就应在给定的区间内一致，也就是说量值在一定不确定度内的一致。
（国网山东省电力公司东营供电公司山东省东营市 257091）
摘要：计量具有准确性、一致性、溯源性、法制性等特点，即在统一计量单位的基础上，无论何时、何地或采用何种方法，使用何种测量仪器，以及由何人测量，只要符合有关的要求，其测量结果就应在给定的区间内一致，也就是说量值在一定不确定度内的一致。
充分利用计量结果可重复、可复现（再现）和可比较的这一特点，发挥计量测试数据的在测试设备管理及保证产品质量各方面的作用，让计量数据更好的为企业服务。
关键词：大数据时代；计量数据；应用
1对大数据和云计算的理解
大数据经过几年的发展，在中国已经结出了丰硕的果实。
国家电网推出的终端智能电表便是一例。
智能电表收集数据的目的首先是为收费，但实际上这些数据能够产生巨大的价值。
根据用电量数据能够判断房屋空置率，可以指导房价、地价的调控。
电网的监控数据结合经济指标可以判断该地区乃至全国工业制造业在不同区域发展的情况。
大数据是在对传统的数据库进行数据挖掘的基础上发展而来，但与传统数据库不同的是，它的结构化程度不一样。
传统数据的格式结构类型都是统一的，而大数据的格式结构类型千差万别。
它采用的技术、工具、方法都跟传统数据库有很大的不同，与之相应地形成了一门新的数据科学———云计算。
需要指出的是，大数据和云计算是天然结合的。
云计算相当于一个挖掘机，大数据好比一个金矿，没有强大的计算（挖掘）能力，大数据中有价值的部分就不能被挖掘，没有大数据，云计算就相当于杀鸡的牛刀、打蚊子的大炮。
2计量大数据对产业发展的作用
2.1在民生公共服务领域
计量大数据对打造智能交通、智慧医疗，智慧环保、安全食品、平安城市等系列公共服务具有重要意义。
通过采集、监测、分析计量数据，可以保证公共服务平台数据的准确可靠，方便将线上数据资源和线下服务资源实现对接，可以加强对产业发展的市场监管、风险防范、宏观调控决策支持等。
同时将计量大数据与民生公共服务对接，还可以将产业计量工作融合到各类产业发展的新技术、新形式、新业态中。
例如：开展智能交通管理、远程医疗等都离不开计量数据的支持。
通过计量大数据的分析，有助于提升民生公共服务能力、内容和水平。
2.2在战略新型产业领域
计量数据对于推动生物制药、新能源、新材料、GIS导航等高新技术产业发展具有更加重要的作用。
新兴行业大都需要大量准确可靠的数据资源作为支撑。
可溯源、可复现、可评估的计量数据，对于企业信息向“数字资产化”方向发展至关重要。
准确可靠的计量大数据有助于推动产业整体实现“智慧化”发展，加速产业结构调整。
2.3在服务政府政务领域
传统模式下，计量按专业分散建设、分散发展。
随着产业间融合、集约化发展，计量逐渐暴露出诸如重复建设、信息孤岛、高投入低效益等问题。
建立计量大数据，有助于对有限的计量信息融合管理，便于计量信息与其他公共信息资源融合，可有效提升计量技术机构服务政府政务的水平和能力，提升产业计量的影响力和话语权。
3现阶段计量数据的应用
3.1设备采购阶段
计量测试数据中的测量范围、测量项、稳定性可为设备采购提供参考。
提前了解测试设备的计量测试数据，可以预防盲目采购引用过高或者过低精度的计量器具，造成不必要的损失，以及给企业带来不必要的资源浪费。
3.2设备的验收阶段
设备在采购完成后，并不能直接投入科研生产中使用，必须经过验收合格后，才可以投入正常使用。
在验收环节，除需要提供设备附带的说明书、出厂合格证、配件外，还必须有第三方检验机构提供的计量检定证书或校准证书，测试设备的实际使用人依据计量检定证书或校准证书中提供的计量测试数据，对比实际实验需求，确认测试设备“合格合用”后，方可正式投入使用。
当然，需有关部门将计量检定/校准证书及设备原始验收资料归档保存，并建立计量档案，保障测试设备计量受控，定期按时进行计量工作。
在现行工作中，有不少人认为：新购置的测试设备在出厂时已经完成检验并且出具了出厂合格证明，那么该测试设备就是合格设备，可以直接使用，实则不然。
我国《计量法》中对生产者必须对其生产的产品负责方面做了明确规定，这是生产者必须承担的责任和义务，但产品出厂合格证只能证明该产品在出厂时经检验为合格，在经过包装、运输及不同保存环境等各因素后，在到达使用者手中时，其性能和量值是否还可以达到该产品出厂时的标准，就需要权威的第三方计量机构来进行检测了。
对于经第三方计量合格的测试设备，可以视为验收质量合格。
对于在验收时期，计量不合格的测试设备，可以和厂家沟通并作出相应的处理，避免将损失扩大。
可以说计量测试数据在测试产品验收阶段起到了非常关键性的作用。
3.3设备使用阶段
对于测试设备的实际使用人员来说，测试数据无疑是不可或缺的一部分，需要通过计量数据来判定测试设备是否合格合用。
然而，测试数据的有效利用不能仅限于此，先进的生产制造是生产工艺和量值额有效融合，先进的制造产业需由先进的计量技术构成，以推动产业技术进步。
产品的各量值参数包含了从定义到测量、试验、验证、评定以及确认环节，而计量数据则贯穿于产品生产过程的始终，精准的工艺技术是保证产品质量的关键，测试设备使用阶段，测试数据与MES系统或ERP系统集成，在平时的科研生产中，更高效的使用计量数据，是获得高质量、高效益产品的关键。
3.4设备维修阶段
处于维修状态的测试设备，往往缺乏手段判定设备是否维修合格，在测试设备的管理过程中，要求维修后的测试设备必须经过再次计量，对于再次计量后依据检定规程判定为“合格”的测试设备，可以由实际使用人根据计量数据确认设备是否合格合用，维修人员也可以依
据计量结论作为判断维修工作是否完成的依据。
对于经计量后依据校准规范出具校准证书的测试设备，也可以由实际使用人依据计量校准数据与实际使用要求进行对比确认，确认测试设备数据合格合用后，即可确认维修工作已完成。
另外，将维修前后的计量数据进行对比，可得出测试设备数据的变化趋势，判断设备状态，有利于了解设备维修前后的变化趋势，作为维修效果评价的判断依据。
结论
计量数据是计量工作的产品，做好测试设备计量数据的管理，首先是将测试设备的管理引进标准化管理、精细化管理的大门，计量数据的高效利用，是稳定产品质量、提高企业综合管理能力的重要依据，在科学的基础上，对计量数据进行合理的应用，使计量工作、计量产品更好的为科研生产服务，创造更好的经济效益。
在大数据时代，计量数据作为权威性、基础性数据，可以应用到测试设备的全生命周期管理的各环节，可以嵌入到产品研发、制造、质量提升、全过程工艺控制中，既可作为评估测试设备稳定性、一致性、有效性的依据，为测试设备精准管理提供依据，更可为企业稳定产品质量、固化科研结果、提高产品竞争力服务，对测试数据应用的进一步开发，将提质增效，为测试设备的有效使用发挥更坚实的基础保障作用。
参考文献：
[1]吴宏杰.借助大数据和云计算技术挖掘计量数据增值价值[J].中国计量,2017(12):27-32.
[2]郑培强.基于大数据的计量公共服务平台设计及应用价值研究[J].中国计量,2017(11):33-35.
[3]崔伟群.大数据时代的计量与计量的大数据时代[J].中国计量,2017(09):10-13.
[4]周健.面向大数据的计量数据采集与应用研究[J].工业计量,2017,27(04):88-91.。