Details

Тема выпускной квалификационной работы: «Методы и средства повышения точности результатов измерений за счёта учёта взаимосвязей между ними». Данная работа посвящена обзору и анализу методов повышения точности измерений. В ходе исследования были решены следующие задачи: 1. Обзор применяемых методов и теоретической базы; 2. Проектирование репрезентативных математических моделей; 3. Разработка расширяемой модели для применения к данным с различными взаимосвязями; 4. Проведение анализа результатов применения. Все программы, используемые в работе, разработаны на языке Python. В результате выполнения выпускной квалификационной работы была создана система для повышения точности измерений с заданными взаимосвязями элементов и проведен анализ её эффективности. Полученное программное обеспечение можно использовать для повышения точности измерений величин, имеющих известную математически выражаемую зависимость. Для обогащения функционала программы используются методы поиска абсолютного, относительного и взвешенного минимума смещения. Скорость работы программы позволяет обрабатывать статистически значимые объемы данных.

The theme of the graduate qualification work: «Improving the accuracy of measurement results by taking into account the relationship between the measured quantities». This work focuses on reviewing, implementing, and analyzing methods to improve measurement accuracy. The tasks addressed in this research include: 1. Reviewing applicable methods; 2. Designing representative mathematical models; 3. Creating scalable models applicable to data with varying relationships; 4. Analyzing application results. All programs used in this study were developed in Python. As a result of this graduate qualification work, a system was designed and evaluated for its efficiency in improving the accuracy of data measurements with defined relationships. The final software can enhance the accuracy of measurements that are definitively expressible with mathematical equations. For functional enrichment, the program incorporates methods for finding absolute, relative, and weighted minimum corrections. Its processing speed allows it to handle statistically significant amounts of data.