第二章 分析试样的采取和预处理

第二章

分析试样的采取和预处理Chapter 2

Sampling and Pretreatment

第一节分析试样的采取与制备第二节分析试样的预处理

定量分析的一般步骤:

试样的采取与制备

试样的预处理

干扰组分的掩蔽与分离

测定

分析结果的计算与评价

第一节分析试样的采取与制备

分析试样的采集(采样):

一般先从大批物料中采取有代表性的最初试样(原始试样),然后再制备成供分析使用的最终试样(分析试样)。

注意:所采试样应具有高度的代表性,采取的试样的组成能代表全部物料的平均组成。

正确采样的意义:

尽管一系列检验工作非常精密、准确,但如果采取的样品不足以代表全部物料的组成成分,则其检验结果也将毫无价值,甚至得出错误结论,造成重大经济损失以至误伤人命,酿成大祸。

一、采取试样的一般原则

1.采样前必须进行现场勘查并收集资料,详细了解采样对象及其周围的环境等。

2.采取的试样必须具有代表性,即试样的组成必须能够代表物料整体的平均组成。

3.根据试样的性质和分析测定的要求确定采取量。

4.为了避免试样中待测组分的形态,价态或含量等发生变化,需要用合理的方式保存。

二、固体试样的采取

(一)矿石试样

1.采样点的布设

矿石物料的存在形态、硬度和组成均可能存在较大的差异,取样时要根据物料的堆放情况,从不同的部位和深度合理选取采样点。

2.固体试样湿存水的去除

去除湿存水的目的:为了便于比较试样中各组分质量分数的高低。

破碎:粗碎、中碎、细碎和研磨。以便试样的粒度小到

能通过要求的筛孔。

混合

过筛缩分

破碎

表示方法:相对不含湿存水的干基试样

去除方法:烘干一般在(100~105℃)

风干、真空干燥(受热易分解的物质)3. 固体试样的制备

筛分时,所有的颗

粒都必须通过要求的标准筛孔,不可将粗颗粒试样随意弃去粗碎筛分(4~6号)中碎筛分(20号)研磨

分析试样

缩分缩分

缩分1号(分析)

2号(备查)

破碎

过筛

混匀

缩分固体试样取样的制备缩分:将已破碎、过筛后的原始试样进一步破碎、过筛并逐步缩小

其量的过程。

m=Kd2

缩分:四分法

m每次缩分出试样的最小质量(kg)

d为样品颗粒的最大直径(mm)

K与a为经验常数

通常:K值在0.02 ~1kg.mm-2

a值在1.8 ~2.5

(二)土壤试样

1. 采样点的布设

梅花式布点法:5点式(面积较小,地势平坦且土壤较均匀的地块)

棋盘式布点法:(面积中等,地形开阔但土壤较不

均匀的地块)

蛇形布点法:(地块面积较大,地势不太平坦,

土壤也不均匀)

2. 采样时间:依据分析内容来确定。

3. 采样深度:依据作物的根系来确定。

4. 采样量:根据分析项目确定,一般要求1Kg左右。

5. 保存:风干试样后保存在玻璃或聚乙烯塑料容器中。

依据测定项目,有些需要新鲜土壤(如挥发酚、氨氮和氰化物等不稳定组分);其它多数需要风干的土样。

风干的好处:可以避免因微生物的作用引起的土壤发霉变质,且风干后的试样容易混合均匀,分析结果的重复性与准确性都比较好。

风干的方法:将采取的土样全部倒在塑料薄膜上,压碎土块,除去植物根茎、叶片、石砾等杂质,铺成薄层,在室温下经常翻动,并防止阳光直射及尘土落入。

风干时注意:除去植物根茎、叶片、石砾等;

避免阳光直射、落入灰尘等。

容器:玻璃、聚乙烯塑料容器,尽量避免日光、潮湿、高温和酸碱气体等。

(三)金属或金属制品试样

2. 对钢锭和铸铁,

1. 对于片状或丝状的试样,

剪取一部分即可用于测定。

由于金属经高温熔

炼,组成比较均匀.

由于表面和内部的凝固时间不同,铁和杂质的凝固温度也不一样,因此表面和内部的组成是不均匀的。取样时应先将表面清理,

然后用钢钻在不同部位不

同深度钻取碎屑混合均匀,

作为分析试样。

(四)粉状或松散物料试样

盐类、化肥、农药和精矿等组成比较均匀,如果物料是包装成桶及袋等,则首先应从一批包装中选取若干件,然后用适当的取样器在不同部位采取少量试样,混合均匀后作为分析试样。

三、液体试样的采取和保存

1. 采样点的设置(液体的分布特点、均匀程度)

根据监测目的、液体试样的利用情况、均匀性

等确定。

(1)如果液体物料贮于一批较小的容器中,应从中随机选取若干子样混合均匀后作为试样。

(2)如果物料贮于大的容器中,则应从容器的上部、中部和下部分别采取试样。

采取的试样可以分别进行分析,其结果代表相应部位物料的组成;

欲知物料的平均组成,则需要将取得的各份试样混合均匀后进行分析。

2. 采样设备

采集表层水样:水桶

采集深层水样:单层采样器

液体试样采样器:

多为塑料或玻璃瓶,一般情况下两者均可使用。当要检测试样中的有机物时,宜选用玻璃器皿;要测定试样中微量的金属元素时,则宜选用塑料取样器,以减少容器吸附和产生微量待测组分的影响。

3. 水样的保存

(1)水样保存的目的:

①减缓水样的生物化学作用。

②减少组分的挥发损失。

③减缓被测组分的水解及氧化还原作用。

④避免沉淀或结晶析出导致的组分变化。

样品预处理

徐州工程学院 论文报告 题目:样品预处理 学生:骆乃薇 指导教师:刘辉 专业:食品质量与安全 班级:12质量2 目录 1.样品预处理的目的 1 2.样品预处理的原则 1 3.样品预处理的方法 1 3.1有机物破坏法 2 3.2蒸馏法 3 3.3溶剂抽提法 5 3.4色层分离法 7 3.5化学分离法 7 3.6浓缩---------------------------------------------------------------------------9 一目的: 1、测定前排除干扰组分; 2 、对样品进行浓缩。 二原则: ①消除干扰因素; ②完整保留被测组分; ③使被测组分浓缩; 以便获得可靠的分析结果 三方法: 主要有6种。 (一)有机物破坏法 测定食品中无机成分的含量,需要在测定前破坏有机结合体,如蛋白质等。操作方法分为干法和湿法两大类。 1.干法灰化 原理:将样品至于电炉上加热,使其中的有机物脱水、炭化、分解、氧化,在置高温炉中灼烧灰化,直至残灰为白色或灰色为止,所得残渣即为无机成分。

2.湿法消化 原理:样品中加入强氧化剂,并加热消煮,使样品中的有机物质完全分解、氧化,呈气态逸出,待测组分转化为无机物状态存在于消化液中。 常用的强氧化剂有浓硝酸、浓硫酸、高氯酸、高锰酸钾、过氧化氢等。 湿法消化的优缺点 优点:(1)有机物分解速度快,所需时间短。 (2)由于加热温度低,可减少金属挥发逸散的损失。 缺点:(1)产生有害气体。 (2)初期易产生大量泡沫外溢。 (3)试剂用量大,空白值偏高。 3. 紫外光分解法 高压汞灯提供紫外光。85±5 ℃,加双氧水。 4. 微波高压消煮器。 食品样品最多只要10分钟(2.5 MPa); 其它方法: 1. 高压密封消化法——120~150℃,数小 时,要求密封条件高。 2.自动回流消化仪。 (二)蒸馏法 利用液体混合物中各种组分挥发度的不同而将其分离。 常压蒸馏 蒸减压蒸馏 馏水蒸气蒸馏 方 法 1.常压蒸馏 适用对象:常压下受热不分解或沸点不太高的物质。 蒸馏釜:平底、圆底 冷凝管:直管、球型、蛇型 注意:1. 爆沸现象。(沸石、玻璃珠、 毛细管、素瓷片) 2. 温度计插放位置。 3. 磨口装置涂油脂

Microsoft Word - 第二章 数据预处理

由于数据库系统所获数据量的迅速膨胀(已达 或 数量级),从而导致了现实世界数据库中常常包含许多含有噪声、不完整( )、甚至是不一致( )的数据。显然对数据挖掘所涉及的数据对象必须进行预处理。那么如何对数据进行预处理以改善数据质量,并最终达到完善最终的数据挖掘结果之目的呢? 数据预处理主要包括:数据清洗( )、数据集成( )、数据转换( )和数据消减( )。本章将介绍这四种数据预处理的基本处理方法。 数据预处理是数据挖掘(知识发现)过程中的一个重要步骤,尤其是在对包含有噪声、不完整,甚至是不一致数据进行数据挖掘时,更需要进行数据的预处理,以提高数据挖掘对象的质量,并最终达到提高数据挖掘所获模式知识质量的目的。例如:对于一个负责进行公司销售数据分析的商场主管,他会仔细检查公司数据库或数据仓库内容,精心挑选与挖掘任务相关数据对象的描述特征或数据仓库的维度( ),这包括:商品类型、价格、销售量等,但这时他或许会发现有数据库中有几条记录的一些特征值没有被记录下来;甚至数据库中的数据记录还存在着一些错误、不寻常( )、甚至是不一致情况,对于这样的数据对象进行数据挖掘,显然就首先必须进行数据的预处理,然后才能进行正式的数据挖掘工作。 所谓噪声数据是指数据中存在着错误、或异常(偏离期望值)的数据;不完整( )数据是指感兴趣的属性没有值;而不一致数据则是指数据内涵出现不一致情况(如:作为关键字的同一部门编码出现不同值)。而数据清洗是指消除数据中所存在的噪声以及纠正其不一致的错误;数据集成则是指将来自多个数据源的数据合并到一起构成一个完整的数据集;数据转换是指将一种格式的数据转换为另一种格式的数据;最后数据消减是指通过删除冗余特征或聚类消除多余数据。 不完整、有噪声和不一致对大规模现实世界的数据库来讲是非常普遍的情况。不完整数据的产生有以下几个原因:( )有些属性的内容有时没有,如:参与销售事务数据中的顾客信息;( )有些数据当时被认为是不必要的;( )由于

数量生态学(第二版)第2章 数据处理

第二章数据的处理 数据是数量生态学的基础,我们对数据的类型和特点应该有所了解。在数量分析之前,根据需要对数据进行一些预处理,也是必要的。本章将对数据的性质、特点、数据转化和标准化等做简要介绍。 第一节数据的类型 根据不同的标准,数据可以分成不同的类型。下面我们将介绍数据的基本类型,它是从数学的角度,根据数据的性质来划分的;然后叙述生态学数据,它是根据生态意义而定义的,不同的数据含有不同的生态信息。 一、数据的基本类型 1、名称属性数据 有的属性虽然也可以用数值表示,但是数值只代表属性的不同状态,并不代表其量值,这种数据称为名称属性数据,比如5个土壤类型可以用1、2、3、4、5表示。这类数据在数量分析中各状态的地位是等同的,而且状态之间没有顺序性,根据状态的数目,名称属性数据可分成两类:二元数据和无序多状态数据。 (1)二元数据:是具有两个状态的名称属性数据。如植物种在样方中存在与否,雌、雄同株的植物是雌还是雄,植物具刺与否等等,这种数据往往决定于某种性质的有无,因此也叫定性数据(qualitative data)。对二元数据一般用1和0两个数码表示,1表示某性质的存在,而0表示不存在。 (2)无序多状态数据:是指含有两个以上状态的名称属性数据。比如4个土壤母质的类型,它可以用数字表示为2、1、4、3,同时这种数据不能反映状态之间在量上的差异,只能表明状态不同,或者说类型不同。比如不能说1与4之差在量上是1与2之差的3倍,这种数据在数量分析中用得很少,在分析结果表示上有时使用。 2.顺序性数据 这类数据也是包含多个状态,不同的是各状态有大小顺序,也就是它一定程度上反映量的大小,比如将植物种覆盖度划为5级,1=0~20%,2=21%~40%,3=41%~60%,4=61%~80%,5=81%~100%。这里1~5个状态有顺序性,而且表示盖度的大小关系。比如5级的盖度就是明显大于1级的盖度,但是各级之间的差异又是不等的,比如盖度值分别为80%和81%的两个种,盖度仅差1%,但属于两个等级4和5;而另外两个盖度值分别为41%和60%,相差19%,但属于同一等级。顺序性数据作为数量数据的简化结果在植被研究中有着较广泛的应用,但在数量分析中,这种数据所提供的信息显然不如数量数据。因此,使用并不十分普遍。 3、数量属性数据

液相色谱使用中样品预处理注意的几个环节

液相色谱使用中样品预处理注意的几个环节 高效液相色谱具有分离效率高、分析速度快和应用范围广等特点,特别适合于高沸点、大分子、强极性和热稳定性差的化合物的分离分析。目前高效液相色谱已成为化学、生化、医学、工业、农业、环保、商检和法检等学科领域中重要的分离技术,是分析化学家和生物化学家手中用于解决他们面临的各种实际分析和分离课题必不可少的工具之一。虽然在检测分析中使用了昂贵的、性能优越的高档精密仪器,但是由于在样品的前处理,标准溶液的制备,样品液的测定,分析中的污染,仪器常见故障等等问题上的不注意,而引起大的系统误差,使整个测定分析失败。现就液相色谱分析的应用中样品预处理注意的几个环节,作简要分析,以达到更好的检测效果。 1 样品预处理方法 样品预处理应包括进样前的一切操作。除了称重、溶解、稀释等步骤外,样品需要: ①过滤; ②萃取; ③衍生化(柱前衍生) ; ④液相色谱(低压柱层析) 。这些操作可以是手工进行或实行自动化操作。样品预处理的目的是除去干扰物、增加检测器灵敏度(富集) 、保护色谱柱等。样品预处理同时也是为了避免色谱分离故障,其中样品萃取是关键的一步,要从大量的干扰物中萃取出微量组分难度极大。 有些样品经预处理后还不能作进样分析,需进行衍生化处理,使一些无紫外吸收或无荧光的组分,经过衍生化后能用紫外和荧光检测器检测,这样既提高了灵敏度,又改善了分离度(质量变化) 。样品预处理的同时也会带来一些问题,如样品损失、样品被污染、衍生化反映不完全或多种反应物生成等。衍生反应常会影响试验的精确度,或者在整个样品预处理过程中带来误差。 用于液相色谱分析的样品溶液必须均匀而无颗粒,有颗粒会损坏进样器并阻塞柱头。处理好的样品在准备上柱前应对准光线摇动,检查样品溶液中有无颗粒。只要看到颗粒、混浊或乳化,就应过滤一下,过滤膜要能截留住015μm 以上的颗粒,样品过滤的过程中可能引起:样品被污染,因过滤吸附降低样品组分的含量,样品溶剂挥发引起误差。萃取的目的是从共溶的样

样品预处理的原则是___

1、样品预处理的原则是___、___、__。。 2、脂类的测定方法有__、__、__、__、__、__11、()测定是糖类定量的基础。 A还原糖B非还原糖C葡萄糖D淀粉 12、直接滴定法在测定还原糖含量时用()作指示剂。 A亚铁氰化钾 B Cu2+的颜色C硼酸D次甲基蓝 13、为消除反应产生的红色Cu2O沉淀对滴定的干扰,加入的试剂是() A铁氰化钾B亚铁氰化钾C醋酸铅 D NaOH 14、K2SO4在定氮法中消化过程的作用是( ). A.催化 B. 显色 C.氧化 D.提高温度 15、凯氏定氮法碱化蒸馏后,用( )作吸收液. A.硼酸溶液 B.NaOH液 C.萘氏试纸 D.蒸馏水 16、灰分是标示()一项指标。 A 无机成分总量 B 有机成分 C 污染的泥沙和铁、铝等氧化物的总量 17、测定葡萄的总酸度时,其测定结果以()来表示。 A 柠檬酸 B 苹果酸 C 酒石酸 18、用直接滴定法测定食品还原糖含量时,所用标定溶液是() A、菲林试剂 B、样品 C、葡萄糖 D、酒石酸甲钠 19、高锰酸钾测定食品还原糖含量时,所用标定溶液是() A、菲林试剂 B、次甲基蓝 C、葡萄糖 D、高锰酸钾 20、用水提取水果中的糖分时,应调节样液至()。 A、酸性 B、中性 C、碱性 1、处理样品的干灰化法需要以下()设备 A、坩埚 B、容量瓶 C、马福炉 D、称量瓶 3、采用蒸馏法测水分含量时,选用()作为溶剂 A、苯 B、四氯化碳 C、二甲苯 D、甲苯 8、检测下列()元素时,样品处理不适合用干法消化 A、Ca B、Hg C、As D、Mg 10、脂类测定最常用的提取剂有() A、乙醚 B、苯 C、石油醚 D、二甲苯 11、下列()样品应用乙醇作提取剂。 A 白柠檬 B 巧克力 C 饼干 D、面包

分析样品的预处理

固相萃取技术在样品处理中的应用 在2003版的“食品卫生检测方法”标准系列中,有一个较大的改动就是很多项目,尤其是农药项目的前处理普遍使用了固相萃取技术(详见表1 )。现针对这一技术的原理、使用和误区进行探讨。 一.固相萃取技术简介 固相萃取(Solid Phase Extraction,简称SPE)技术,发展于上世纪70年代,由于其具有高效、可靠、消耗试剂少等优点,在许多领域取代了传统的液-液萃取而成为样品前处理的有效手段。 一些传统的介绍SPE的书籍将其归于一个液相色谱的原理,这其实是引起使用不当的主要源由之一。把SPE小柱看作一根液相色谱柱,不如把它看成单纯的萃取剂更合适,因为:液相色谱的重点在于分离,而SPE的重点在于萃取。 固相萃取技术在样品处理中的作用分两种:一是净化,二是富集,这两种作用可能同时存在。 固体萃取和液-液萃取相比,其长处在于方便和消耗试剂少,短处在于批次间的重复性难以保证。出现这种情况的原因在于:液体试剂的重复性好,只要其纯度可靠,不同年代的产品的物理化学性质都是可靠的。而固体萃取剂就算保证了纯度外,还存在着颗粒度的差异,外形的差异等液体试剂不存在的且难以衡量的因素,不同年代不同批号的萃取性质可能会有较大的区别。 从理论上和厂家宣传来看,固相萃取应该在色谱分析的前处理上得到很好的应用:有机溶剂用得很少,可批量处理样品,既可富集,又能除杂质,给人印象是前处理的革命性进步。然而现实情况,起码在国内,虽然推广了多年,实际应用还是相当有限。 SPE应用得不广,与我们的使用方式和期望有关,也与它本身的局限有关。对于供应商来说,从经济利益出发,向来都是忽略固相萃取的局限与不足。固相萃取可以作为前处理手段的一个很好补充,但是在使用时,一定要清醒知道到它的优点和缺点,注意因地制宜,扬长避短。 二、固相萃取的应用优势 在什么项目的前处理适合使用固相萃取技术,即用固相萃取会比普通的溶剂萃取更理想,个人认为有以下几种情况: (一)水中有机物的前处理。

样品预处理大全解析

检测实验室样品预处理方法汇总 普通碳钢及中低合金钢的样品溶解体系基本采用如下四种体系 (1)硝酸(1+3) (2)稀王水(硝酸+盐酸+水=50+150+200) (3)硫酸(1+19) (4)盐酸(1+1)滴加过氧化氢 其中试验显示:王水加过氧化氢对于Cr、Al测定更有利,而采用硫酸溶样对Cr、Al测定的数据偏低。因此建议采用如下方法: 准确称取样品0.1-0.5克加入王水或者(1+1)稀王水20-50毫升,缓慢加热到样品基本溶解,滴加三到五滴过氧化氢,加热赶净气泡后冷却定容到100毫升容量瓶,待测。 特殊样品测定和讨论: 钢铁中痕量硼的测定:硼在钢铁中一般以固溶体存在,因此采用王水溶样只能溶解酸溶硼。用密闭消解罐加酸微波消解可测总硼。选择B249.68nm测定。 钢中微量的砷、锡、锑的测定:0.5000克钢样用硝酸(1+3)15毫升,溶解并蒸发至近干,加5毫升浓盐酸溶解残渣,稀释至100毫升,纯铁为基体。 钢铁及高温合金中痕量硒的测定:取1克样品于烧杯中,加10毫升水,10毫升硝酸,30毫升盐酸,低温加热,加6毫升高氯酸至样品溶解,用定量滤纸过滤,于滤液中加3克抗坏血酸,盐酸55毫升,缓慢加热至微,直至出现黑色无定形炭后保持2-3分钟取下,用滤纸过滤,将沉淀连滤纸加硝酸及高氯酸硝化,稀释至10毫升用于测定。 钢中总铝的测定:钢中的铝一般以金属铝、氧化铝及氮化铝等形式存在。一般称取样品0.1-0.5克,加入12毫升王水和0.1毫升HF消解钢样,来测定总铝。王水,硝酸等都无法消解氮化铝,加入一定量HF酸可以使其消解90%以上。 高合金钢:包括不锈钢,高温合金,耐热合金及工具钢等,其共同特点是含较高的合金元素镍、铬、钼等。溶解时容易生成碳化物及其他不溶物,需要专门处理。

离子色谱仪分析之分析样品预处理方法及特点简介

离子色谱仪分析之分析样品预处理方法及特点简 介 随着离子色谱日益广泛的应用,许多样品已经无法用传统的方法采用采样、稀释、过滤后直接进样的模式来进行离子色谱的分析。对于大量复杂基体的样品,离子色谱可以采用合适的方法,通过预处理后再用离子色谱法进行分析,这样一方面可以解决样品复杂基体对离子色谱柱的污染,另一方面也可以大大提高复杂基体样品测定结果和准确性,提高分析方法的灵敏度。离子色谱仪分析之分析样品预处理方法及特点简介如下: 有关样品预处理方法,随着国内离子色谱的用户水平的提高,出现了大量相关离子色谱的预处理方法,这些方法有如下几方面的特点: (1)大部分样品前处理方面,采用国产材料进行,预处理的成本很低,更能适合于中国国情,可以在国内广泛推广使用; (2)大部分样品预处理方法采用离线方法,不需要昂贵的在线设备;但相对而言,样品处理的时间比较长,需要的样品量也比较多一些; (3)与国际上出现的一些样品预处理方法相比较,国内出现的样品前处理绝大多数均出自于基层单位,实用性强;但相关的理论方面的探讨比较少。因此,许多国内采用样品前处理方法,一方面可以再进一步从理论角度进行讨论,另一方面也可以通过适当改进配合包括国内和国外的仪器用于在线样品的预处理。 离子色谱样品前处理遵循的原则 (1)样品处理后待测组分的含量应不低于检测器的检出限; (2)样品中各组分的分离必须达到色谱定量要求; (3)样品中不能含有机械杂质和微小颗粒物,以免堵塞色谱柱; (4)尽可能避免待测组分离子发生化学变化,防止和减少待测组分损失; (5)待测组分进行化学反应时其化学计量关系必须明确并且反应彻底; (6)避免和减少无关离子和化合物的引入,防止待测组分被污染并增加分离难度。 1。膜处理法 1.1。滤膜或砂芯处理法 滤膜过滤样品是离子色谱分析最通用的水溶液样品前处理方法,一般如果样品含颗 粒态的样品时,可以通过0.45或0.22μm微孔滤膜过滤后直接进样。由于一般的滤膜不能

第二章_原始数据的处理方法

第二章原始数据的处理方法 原始数据的处理是数据分析中极为重要的容。在本节中,我们将介绍原始数据的来源及其特点,着重阐述原始数据初始变换的几种方法,并利用例子进行演示。 第一节原始数据的来源及其特点 原始数据一般包括反映自然资源区域特征,如海况、气象、水文、地形、地貌、动植物等;反映区域社会经济条件和生产力水平,如人口及其人口密度、捕捞劳力、海域面积、渔船数量、渔船功率以及渔业总产值、捕捞产值、养殖产值等。原始数据按其性质大体可分为(1)科学实验和观测数据;(2)社会经济统计数据;(3)生产经验数据;(4)有关部门的决策和目标数据;(5)定性资料的量化数据等。 不同的数据有不同的来源。但归纳起来,主要的来源有:(1)国家统计部门和行业部门的历年统计资料,这些多为社会经济指标;(2)有关业务部门的历年观测数据及其科学实验报告,这些多数为自然因素指标,如东海区渔业资源和环境观测数据;(3) 选择有代表性的单位或年度,进行实地典型调查所得的数据;(4)区域规划部门通过收集、调查、观察和计算积累的数据;(5)调 查访问有实践经验的劳动者、生产技术人员、科研人员以及管理人员所得的数据;(6)国家有关部门制定的发展规划、建设方案等决策数据;(7)其它方面的数据。我们将以上所获得的各种资料和数据成为原始数据。这些数据来源不同,其类型也不同。 从利用分析的角度来看,这些数据有以下几个主要特点:

(1)不同的量纲。如渔业产值为元,渔业产量为公斤,水温为摄氏度,作业时间为天,航程为海里,捕捞努力量为吨、千瓦、艘、人数,CPUE 为吨/天、吨/ 小时、吨/千瓦等。 (2)数量级大小相差悬殊,有的数字仅是小数级,有的数字大到亿万。如渔业产值以亿万元或万元计算,而劳动生产率只有几十元到几百元;渔业资源量上千万吨或几万吨等。 (3)大部分数据有一定的随机性,特别是统计或观测的时间序列或偶测值,不论是自然指标还是经济数据,都有随机变化,均有明显的摆动。 (4)大量数据具有一定的灰色度,运用上述方法收集来的数据绝大多数是区域各样点的平均值或统计值,在时间上或空间上并不是一个确切的白色参数,而是一个有上限、下限的灰色数。如某调查船进行的渔业资源和环境调查,其所得的数据只能是某一点某一时刻的数据值,但由于条件和仪器设备的限制会使数值产生误差,这一误差值的多少无法知道,因而产生了灰区。如某年某区的降水量,是该区各次实际观测纪录的平均数,由于测量方法不同和在时间计算上引起的误差等,是无法知道的。同样的问题在一些经济统计数字中也存在。因此,严格地说,收集来的数据绝大多数是灰色参数,都具有不同程度的灰色度。 第二节原始数据白化和初始变换的几种方法 一、原始数据的取值和白化 对于绝大多数灰色参数来说,需要进行白化或淡化处理,以提高白色度,减少灰色度。也就是说通过信息的不断补充,使灰色参数逐渐成为一个比较接近实际的数值。数据白化处理的方法主要有: (1)直接采用距样点最近观测站的多年平均值。例如海水温度和盐度等,可采用多年来的观测平均值或近几天的平均值。 (2)根据各个因素指标的等值线图,利用插入法计算其数值。如表层水

相关文档
最新文档