计量实习报告范文-盘古文库

计量实习报告范文第1篇

2、安全监控监测维护人员负责安全监控监测仪器仪表的登记造册，建立台账及仪器仪表定期的校验工作。

3、安全监控监测仪器仪表必须按检定周期送至有资历的指定单位进行送检，严格执行检验调校制度，不得漏检、假检。

4、安全监控监测仪器仪表发生故障或者误差较大时不得再次使用，必须处理正常及校验合格后方可继续使用。

5、安全监控设备必须定期进行调试、校正、每月至少一次;甲烷传感器、便携式甲烷检测报警仪等载体催化元件的甲烷检测设备每7天必须使用标准气样调校一次;每7天必须对甲烷超限断功能进行测试。

6、正在使用的安全监控检测仪器、设备发生误差较大或者损坏后，必须在2小时之内更换。更换下的仪器必须经过修理和校验合格后方可继续使用。

7、安全监控检测仪器损坏，所需要的维修费用超过原造价的70%时，无维修价值，应当办理报废手续，建立台账记录。

8、安全监控检测仪表要设管理员负责管理、维修、保养并进行定期的送检工作。

9、新到的安全监控检测仪器仪表必须要有合格证、说明书、调试配件和煤矿矿用产品安全标志。

10、新到的安全监控检测仪器仪表必须送至有资历的指定单位进行送检，检验合格后方可使用。

11、对于未经送检或者检验到期的安全监控检测仪器仪表继续使用的相关人员，予以罚款。

12、对于使用未经送检或者检验到期的仪器仪表造成事故的相关人员，进行严重处罚及追究其刑事责任。

计量实习报告范文第2篇

计量经济学实验报告

实验

(二)：多元回归模型实验

学号：0122432 姓名：李旻专业：会计(ACCA) 选课班级：A06实验日期：11/09实验地点：0505

实验名称：多元回归模型实验

【实验目标、要求】使学生掌握用Eviews做

1. 多元线性回归模型参数的OLS估计、统计检验、点预测和区间预测; 2. 非线性回归模型参数估计; 3. 受约束回归检验。【实验内容】用Eviews完成：

1.多元线性回归模型参数的OLS估计、统计检验、点预测和区间预测;(以第8题的数据为例) 2. 非线性回归模型的估计，并给出相应的结果;(以第8题的数据为例) 3. 受约束回归检验。(以第7题的数据为例) 实验内容以课后练习：以第三章复习思考题第7题、第8题的数据为例进行操作。【实验步骤】

一)根据中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L进行回归分析。

(二)掌握可化为线性多元非线性回归模型的估计和多元线性回归模型的线性约束条件的检验方法

(三)根据实验结果判断中国该年制造业总体的规模报酬状态如何?

三、实验步骤

(一)收集数据

下表列示出来中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L。

工业总产值Y序号 1 2 3 4 (亿元) 3722.7 1442.52 1752.37 1451.29 资产合计K(亿元) 3078.22 1684.43 2742.77 1973.82

职工人数L(万人) 113 67 84 27

序号 17 18 19 20

工业总产值Y(亿元) 812.7 1899.7 3692.85 4732.9

资产合计K(亿元) 1118.81 2052.16 6113.11 9228.25

职工人数L(万人) 43 61 240 222

5 6 7 8 9 10 11 12 13 14 15 16 5149.3 2291.16 1345.17 656.77 370.18 1590.36 616.71 617.94 4429.19 5749.02 1781.37 1243.07

5917.01 1758.77 939.1 694.94 363.48 2511.99 973.73 516.01 3785.91 8688.03 2798.9 1808.44

327 120 58 31 16 66 58 28 61 254 83 33

21 22 23 24 25 26 27 28 29 30 31

2180.23 2539.76 3046.95 2192.63 5364.83 4834.68 7549.58 867.91 4611.39 170.3 325.53

2866.65 2545.63 4787.9 3255.29 8129.68 5260.2 7518.79 984.52 18626.94 610.91 1523.19

80 96 222 163 244 145 138 46 218 19 45 表1

(二)创建工作文件(Workfile)。

1、启动Eviews5，在主菜单上依次点击FileNewWorkfile(如图)，按确定。

2、在弹出的对话框中选择数据的时间频率(本实验为序列数据)，输入数据数为31(如图1)，然后点击OK(如图2)。

(图1) (图2)、

(三)输入数据

1、在Eviews软件的命令窗口中键入数据输入/编辑命令：DATA Y K L ，按Enter，则显示一个数组窗口(如图)。

2、分别在Y、K、L列输入相应的数据并以group01命名保存(如图)：

(四)、回归分析

1、在经济理论指导下，设定如下的理论模型：

YAKLe

2、运用OLS估计模型

YAKLe可变换对数形式如下：经对数转换，式lnY01lnK2lnL

3、对表1的Y、K、L的数据进行对数转换，得新的数据如表2所示：

序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 lnY lnK lnL

序号 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

lnY

8.222204 7.274147 7.468724 7.280208 8.546616 7.736814 7.204276 6.487334 5.913989 7.371716 6.424399 6.426391 8.395972 8.656785 7.485138

lnK lnL

8.22220449 8.032106787 4.727387819 7.274146863 7.429182507 4.204692619 7.468724436 7.916723638 4.430816799 7.280208095 7.736813519 7.204275678

7.58772603 3.295836866 7.47236998 4.787491743 6.84492197 4.060443011 8.546616062 8.685586533 5.789960171

8.032107 4.727388 7.429183 4.204693 7.916724 4.430817 7.587726 3.295837 8.685587

5.78996

7.47237 4.787492 6.844922 4.060443 6.543826 3.433987 5.895724 2.772589 7.828831 4.189655 6.881134 4.060443 6.246126 3.332205 8.239042 4.110874 9.069701 5.537334 7.936982 4.418841

6.487333881 6.543825511 3.433987204 5.913989374 5.895724275 2.772588722 7.371715685 7.828830547 4.189654742 6.424398897 6.881134058 4.060443011 6.426391365 6.246126145 8.395972002

3.33220451

8.23904156 4.110873864 8.656784684 9.069701495 5.537334267 7.48513801 7.936981762 4.418840608 7.125339405 7.500219874 3.496507561 表2

4、对表2经对数转化后的数据进行相关性分析 ①重复数据输入步骤，输入取对数后的数据如图：

②在弹出的窗口中选择ViewGraphScatterSimple Scatter按

确定，得取对数后的Y、K、L三者之间关系的散点图，结果如下：

③通过对以上散点图的观察可以看出，取对数后的K、L的联合值对取对数后的Y的值有着显著的线性影响。

5、在Eviews主窗口中点击QuickEstimate Equation，在弹出的方程设定框内输入模型：log(y)c log(k) log(l)(如图)：

再点击确定，系统将弹出一个窗口来显示有关估计结果(如图)。

由图显示的结果可知，样本回归方程为：

lnY=1.154+0.609lnK +0.361lnL (1.59) (3.45) (1.75) 其中R20.8099，R=0.7963，F=59.66

4、对以上实验结果做t检验分析：

给定显著性水平5%，自由度为(2，28)的F分布的临界值为F(2，28)3.34，因此总体上看，lnK,lnL联合起来对lnY有着显著的线性影响。在5%的显著性水平下，自由度为28的t分布的临界值为t0.05(28)2.048，lnK的参数通过了该显著性水平下的t检验，因此，但lnL未通过检验。如果设定显著性水平为10%，t分布的临界值为t0.05(28)1.701，这时lnL的参数通过了显著性水平的检验。

R=0.7963表明，工业总产值对数值的79.6%的变化可以由资产合计的对数与职工的对数的变化来解释，但仍有20.4%的变化是由其他因素的变化影响的。

(五)参数的约束检验

由以上的实验结果可以看出，0.971，即资产与劳动的产出弹性之和近似为1，表明中国制造业在2000年基本呈现规模报酬

1。不变的状态。因此，进行参数的约束检验时，提出零假设为H：

如果原假设为真，则可估计如下模型： 20.0520lnYKCln LL

1、在Equation窗口选择proc/Specify/Estimate在弹出的窗口中输入log(y/l) c log(k/l)如图所示：

1 按确定，所得结果如下：

容易看出，该估计方程通过了F检验与参数的t检验。

2、对规模报酬是否变化进行的分析

由上面两个实验可以得到RSSU5.0703，RSSR5.0886。在原假设为真的条件下有：

F (RSSRRSSU)15.08865.0703=0.1011 RSSU(3121)5.070328在5%的显著性水平下，自由度为(1,28)的F分布的临界值为4.20。因为0.1011<4.20,所以不拒绝原假设，表明2000年中国制造业呈现规模报酬不变的状态。

3、运用参数约束条件121对上面假设模型进行检验打开eq01方程对象窗,点击ViewCoefficient TestsWaldCoefficient Restrictions，在Wald tests窗口设定参数约束条件：c(2)+c(3)=1。再按OK,结果如下图：

由以上实验结果可知，我们仍然不拒绝原假设，原假设为真，即中国该年的制造业总体呈现规模报酬不变状态。

四、实验结论

计量实习报告范文第3篇

一个国家的货物周转量与货运量是密不可分的，为了考察货物周转量与货运量之间的关系，利用计量经济学的方法，进行回归分析。中国19902009年货运量与货运周转量的数据如表1.1所示。

表1.1 中国的货运量与货运周转量年份 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009

货运量X货物周转量Y(万吨) (亿吨公里) 970602 985793 1045899 1115902 1180396 1234938 1298421 1278218 1267427 1293008 1358682 1401786 1483447 1564492 1706412 1862066 2037060 2275822 2585937 2825222

26208 27987 29218 30647 33435 35909 36590 38385 38089 40568 44321 47710 50686 53859 69445 80258 88840 101419 110300 122133.

3数据来源：《中国交通年鉴》(2009)整理

1、建立模型

Y=X

根据表一数据，为对其进行线性回归分析，建立如下一元回归模型：

表1.2给出了采用Eviews软件对表1.1数据进行最小二乘线性回归分

析的结果。

表1.2中国货运周转量对货运量的回归分析(1990--2009)

Dependent Variable: Y Method: Least Squares Sample: 19902009 C R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood -30611.52 2621.031 -11.679190.0000 29604.40 19.36846 19.46803 1193.787 0.985146Mean dependent var 55300.37 0.984321S.D. dependent var 3706.977Akaike info criterion 2.47E+08Schwarz criterion -191.6846F-statistic

根据表1.2写出如下回归分析结果：

Y=-30611.520.0558X

(-11.68) (34.55)

31F1193.787，D.W.0.705R20.985，

其中括号内的数为相应参数的t检验值，R2为可决系数，F为方程整体线性显著性检验值，D.W.为模型序列相关性检验值

二、模型检验

(1) 从回归估计的结果看，模型拟合较好。可决系数R20.9851，表

明模型在整体上拟合的非常好。

(2) 而且从常数项和解释变量系数的t检验值看，比给定5%显著性水

平下自由度为n-2=19的临界值2.093都大的多，说明参数值是比较显著的。

(3) 而从F1193.787可以看出，远远大于模型的整体的线性关系也

是非常显著的。

D.W.0.7053，在(0,dl=1.2)之间，则应该存在一阶相关关系，利(4)

用拉格朗日乘数法进行二阶相关关系检验得表2.1如下：

表2.1

F-statistic 7.558370Probability 0.004887 Dependent Variable: RESID

C X RESID(-1) R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood 171.9513 -0.000141 0.897166 2366.190 0.001521 0.234126 0.072670 -0.092732 3.8319750.9430 0.9273 0.0015 0.485807Mean dependent var -9.19E-12 0.389396S.D. dependent var 2819.415Akaike info criterion 1.27E+08Schwarz criterion -185.0330F-statistic 3608.106 18.90330 19.10245 5.038913

由表2.1可知，nR29.716，该值大于显著性水平为5%，自由度为2的2分布的临界值20.05(2)=5.991，由此判断存在二阶序列相关性。再利用拉格朗日乘数法进行三阶相关关系检验，得表2.2：表2.2

Breusch-Godfrey Serial Correlation LM Test: F-statistic C X RESID(-1) RESID(-2) RESID(-3) R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

5.163250Probability -219.0110 9.83E-05 0.823992 -0.212209 -0.274529

2437.122 0.001563 0.252675 0.386183 0.333503

-0.089865 0.062901 3.261077 -0.549503 -0.823168

0.0119200.9296 0.9507 0.0053 0.5907 0.4233 3608.106 18.95912 19.20805 3.872437 0.023534

Dependent Variable: RESID

0.508031Mean dependent var -9.19E-12 0.376840S.D. dependent var 2848.257Akaike info criterion 1.22E+08Schwarz criterion -184.5912F-statistic 2.051318Prob(F-statistic)

由表2.2可知，虽然nR210.161，仍然比显著性水平为5%，自由度

~的参数不显著，且为3的2分布的临界值20.05(3)=7.815要大，但由于et3

D.W.2.05说明不存在三阶序列相关。

用科克伦奥科特迭代法对原模型进行修正，并用拉格朗日乘数法进行检验，得表2.3如下：

表2.3

F-statistic 0.981613Probability 0.415681 Dependent Variable: RESID Method: Least Squares

Variable C X X(-1) X(-2) AR(1) AR(2) RESID(-1) R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Coefficient -418.6797 0.003815 0.011768 -0.016302 1.727024 -0.695450 -1.957545 Std. Error 11658.54 0.033267 0.036623 0.039801 1.297073 0.687141 1.397689 t-Statistic -0.035912 0.114677 0.321315 -0.409598 1.331477 -1.012091 -1.400558 Prob.0.9722 0.9115 0.7562 0.6928 0.2197 0.3411 0.1989 0.197047Mean dependent var -3.90E-07 -0.505537S.D. dependent var 3382.804Akaike info criterion 91546893Schwarz criterion -147.1812F-statistic 2756.964 19.39765 19.78394 0.280461 由表2.3可看出，修正后的nR23.153，该值小于显著性水平为5%，自由度为2的2分布的临界值20.05(2)=5.991，由此可以判断模型不再存在

计量实习报告范文第4篇

计量经济学实验报告

实验

(二)：多元回归模型实验

学号：0122432 姓名：李旻专业：会计(ACCA) 选课班级：A06实验日期：11/09实验地点：0505

实验名称：多元回归模型实验

【实验目标、要求】使学生掌握用Eviews做

1. 多元线性回归模型参数的OLS估计、统计检验、点预测和区间预测; 2. 非线性回归模型参数估计; 3. 受约束回归检验。【实验内容】用Eviews完成：

一)根据中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L进行回归分析。

(二)掌握可化为线性多元非线性回归模型的估计和多元线性回归模型的线性约束条件的检验方法

(三)根据实验结果判断中国该年制造业总体的规模报酬状态如何?

三、实验步骤

(一)收集数据

下表列示出来中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L。

工业总产值Y序号 1 2 3 4 (亿元) 3722.7 1442.52 1752.37 1451.29 资产合计K(亿元) 3078.22 1684.43 2742.77 1973.82

职工人数L(万人) 113 67 84 27

序号 17 18 19 20

工业总产值Y(亿元) 812.7 1899.7 3692.85 4732.9

资产合计K(亿元) 1118.81 2052.16 6113.11 9228.25

职工人数L(万人) 43 61 240 222

5 6 7 8 9 10 11 12 13 14 15 16 5149.3 2291.16 1345.17 656.77 370.18 1590.36 616.71 617.94 4429.19 5749.02 1781.37 1243.07

5917.01 1758.77 939.1 694.94 363.48 2511.99 973.73 516.01 3785.91 8688.03 2798.9 1808.44

327 120 58 31 16 66 58 28 61 254 83 33

21 22 23 24 25 26 27 28 29 30 31

2180.23 2539.76 3046.95 2192.63 5364.83 4834.68 7549.58 867.91 4611.39 170.3 325.53

2866.65 2545.63 4787.9 3255.29 8129.68 5260.2 7518.79 984.52 18626.94 610.91 1523.19

80 96 222 163 244 145 138 46 218 19 45 表1

(二)创建工作文件(Workfile)。

1、启动Eviews5，在主菜单上依次点击FileNewWorkfile(如图)，按确定。

2、在弹出的对话框中选择数据的时间频率(本实验为序列数据)，输入数据数为31(如图1)，然后点击OK(如图2)。

(图1) (图2)、

(三)输入数据

1、在Eviews软件的命令窗口中键入数据输入/编辑命令：DATA Y K L ，按Enter，则显示一个数组窗口(如图)。

2、分别在Y、K、L列输入相应的数据并以group01命名保存(如图)：

(四)、回归分析

1、在经济理论指导下，设定如下的理论模型：

YAKLe

2、运用OLS估计模型

YAKLe可变换对数形式如下：经对数转换，式lnY01lnK2lnL

3、对表1的Y、K、L的数据进行对数转换，得新的数据如表2所示：

序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 lnY lnK lnL

序号 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

lnY

8.222204 7.274147 7.468724 7.280208 8.546616 7.736814 7.204276 6.487334 5.913989 7.371716 6.424399 6.426391 8.395972 8.656785 7.485138

lnK lnL

8.22220449 8.032106787 4.727387819 7.274146863 7.429182507 4.204692619 7.468724436 7.916723638 4.430816799 7.280208095 7.736813519 7.204275678

7.58772603 3.295836866 7.47236998 4.787491743 6.84492197 4.060443011 8.546616062 8.685586533 5.789960171

8.032107 4.727388 7.429183 4.204693 7.916724 4.430817 7.587726 3.295837 8.685587

5.78996

7.47237 4.787492 6.844922 4.060443 6.543826 3.433987 5.895724 2.772589 7.828831 4.189655 6.881134 4.060443 6.246126 3.332205 8.239042 4.110874 9.069701 5.537334 7.936982 4.418841

6.487333881 6.543825511 3.433987204 5.913989374 5.895724275 2.772588722 7.371715685 7.828830547 4.189654742 6.424398897 6.881134058 4.060443011 6.426391365 6.246126145 8.395972002

3.33220451

8.23904156 4.110873864 8.656784684 9.069701495 5.537334267 7.48513801 7.936981762 4.418840608 7.125339405 7.500219874 3.496507561 表2

4、对表2经对数转化后的数据进行相关性分析 ①重复数据输入步骤，输入取对数后的数据如图：

②在弹出的窗口中选择ViewGraphScatterSimple Scatter按

确定，得取对数后的Y、K、L三者之间关系的散点图，结果如下：

③通过对以上散点图的观察可以看出，取对数后的K、L的联合值对取对数后的Y的值有着显著的线性影响。

5、在Eviews主窗口中点击QuickEstimate Equation，在弹出的方程设定框内输入模型：log(y)c log(k) log(l)(如图)：

再点击确定，系统将弹出一个窗口来显示有关估计结果(如图)。

由图显示的结果可知，样本回归方程为：

lnY=1.154+0.609lnK +0.361lnL (1.59) (3.45) (1.75) 其中R20.8099，R=0.7963，F=59.66

4、对以上实验结果做t检验分析：

R=0.7963表明，工业总产值对数值的79.6%的变化可以由资产合计的对数与职工的对数的变化来解释，但仍有20.4%的变化是由其他因素的变化影响的。

(五)参数的约束检验

由以上的实验结果可以看出，0.971，即资产与劳动的产出弹性之和近似为1，表明中国制造业在2000年基本呈现规模报酬

1。不变的状态。因此，进行参数的约束检验时，提出零假设为H：

如果原假设为真，则可估计如下模型： 20.0520lnYKCln LL

1、在Equation窗口选择proc/Specify/Estimate在弹出的窗口中输入log(y/l) c log(k/l)如图所示：

1 按确定，所得结果如下：

容易看出，该估计方程通过了F检验与参数的t检验。

2、对规模报酬是否变化进行的分析

由上面两个实验可以得到RSSU5.0703，RSSR5.0886。在原假设为真的条件下有：

由以上实验结果可知，我们仍然不拒绝原假设，原假设为真，即中国该年的制造业总体呈现规模报酬不变状态。

四、实验结论

计量实习报告范文第5篇

1.1 光度计量的基本原理

常规光度计量的基本原理主要包括:加法原理、塔尔博特定律、距离平方反比定律、照度的余弦法则和朗伯定律五大组成部分。其中距离平方反比定律在计量工作中应用最广。

距离平方反比定律:点光源在垂直光线的方向上, 光照度E与光源至被测点的距离L有E=I/L2, I为光强, 即垂直于光线传播方向的被照平面的照度与从光源到表面的距离平方成反比, 此定律在航空工业光照度计量检定中的作用非常重要。

1.2 光度计量的相关量值与单位

航空工业光度计量常用的物理量, 因其专业特点, 主要有以下几种。

(1) 光通量:以标准光度观察者的视觉特性评价的辐射通量, 用符号φv表示。单位是流明。单位符号:lm。

(2) 发光强度:在给定的立体角元内。由点光源发出的光通量除以该立体角元。

符号:IV;单位坎德拉;单位符号:cd。

(3) 光照度:照射到表面一点处的面元上的光通量除以该面元的面积。

单位:勒克斯;单位符号lx;1lx=1lm/m2。

1.3 光学计量的应用

在质量保证体系中, 光学计量主要应用于对无损检测相关工艺的计量要求和计量控制。其计量结果直接影响相关无损检测工艺的准确性、可行性。光学计量在航空工业无损检测中应用主要有以下两点。

(1) 光渗透检查中的光学计量应用。

光学计量直接应用于航空工业荧光渗透检查, 为确保荧光渗透检查的质量, 对荧光渗透检查的设备、材料应按要求进行定期的计量检定、校验或控制。

(2) 光磁粉检查中光学计量的应用。

磁粉检查主要应用于对可被外加磁场磁化的铁磁性零部件的无损检测。在航空工业中主要应用于对航空工业专用铁磁性零部件的质量控制。光学计量直接应用在其工艺控制之中。

2 光照度计的检定方法及量值传递

2.1 常用光照度计的种类和工作原理

测量照度的仪器有目视照度计和光电照度计。目视照度计的使用较悠久, 但由于测量不方便、精度不高, 已很少被采用。常用的光电照度计主要分两种: (1) 硒光电池光电照度计; (2) 硅光电池光电照度计。

目前国防航空工业计量常用的数字式光电照度计是最近几年才开始流行的, 因其具有测量范围广 (约10-4~105勒克斯) , 性能稳定其测量精度多达±1%, 受到了广大用户欢迎。目前常用数字式照度计主要有北京师范大学生产的光照度计ST-80C及北京师范大学早期产品ST-80A、ST-80B等。

2.2 光照度计的检定

光照度计在正常使用一段时间后, 光电池的灵敏度会发生变化, 光照度计内部的微安表或数字式仪表也会因时间等因素发生相应的改变, 加上其他一些因素都会影响照度计量值的可靠性。因此, 需要定期的重新检定。经常使用的照度计一年内应检定1~2次。

检定时将光电池和2856K的光强标准灯分别装在滑车上, 光电池接受面正对着标准灯, 标准光电池接受面和灯丝平面使他们的中心位于同一条水平测量轴线上且垂直于该轴线, 校正好滑车上的游标位置, 然后把载有光电池的滑车固定于光轨的一端, 在光电池与标准灯之间的适当位置放上带孔挡屏, 用以消除杂散光。

根据被检照度计的精度要求, 选用不同级别的电测仪表控制标准灯的电流值通常状态下发光强度标准灯由稳流稳压电源供电, 供电线路上接标准电阻通过测量标准电阻的电压值来控制通过标准灯的电流, 进而保证标准灯发光强度稳定。

标准灯在额定电流下点燃, 稳定后, 将标准灯由光轨的一端逐渐移进光电池, 在不同的距离, 在接受面上产生不同的照度Ei, 对应显示仪表上的指示值, 用距离平方反比定律进行计算:Ei=I/L2

式中, I为标准灯的光强值, L为灯丝平面到光电池接收面的距离。

由上式可求得显示仪表上各指示值所对应的实际照度值。一般对照度计的每一档检定五个点。然后以表上的指示值为纵坐标, 对应的实际照度值为横坐标, 画出校正曲线 (如图1) 。

光照度计的量值传递 (如图2) 。

3 一级照度标准装置

一级照度标准主要由主标准器和主体配套设备组成。

(1) 主标准器。

(1) 发光强度标准灯:BDQ7型, 测量范围15lx~3000lx; (2) 标准照度计:BS-1C型, 测量范围0.1~2105lx。

(2) 主要配套设备。

(1) 光度测量装置:规格6m, 测量范围15~3000lx; (2) 稳流稳压电源:MPS1004, 测量范围0.1~2105lx; (3) 数字多用表:6.5位数字多用表; (4) 标准电阻:0.01Ω标准电阻。

(3) 实验条件。

(1) 实验室温度: (20±5) ℃; (2) 实验室湿度:<80%RH; (3) 遮光设备:要求具有遮光窗帘和光轨幕帘。

4 结语

光学计量工作对于完善国防航空工业计量保证体系, 健全航空计量保障手段, 发挥着极其重要的作用, 提高计量保证、检测分析服务效能的具体体现。

摘要：常规光学计量体系在航空工业中的应用, 光学计量的基本原理及相关量值与单位, 一级照度标准装置, 光照度计的检定方法及相关量值传递。

关键词：光学计量,一级照度标准装置,照度计

参考文献

[1] 高执中.光度计量基础.1988, 7.

[2] 无损检测射线照相底片像质.GB/T23901[S].2009.3.

计量实习报告范文第6篇

1 计量方式简介

立式金属圆筒形储罐静态计量

立式金属圆筒形储罐静态计量是指对储罐内原油或石油产品静止液体量的计量。储罐静态计量的过程执行行业标准SY5669-1993《石油及液体石油产品立式金属罐交接计量规程》, 该规程规定油品计量误差应达到±0.35%。用于计量交接的储罐必须按照标准规范JJG168-2005《立式金属罐容量试行检定规程》进行储罐的容量检定。储罐静态计量操作主要有:

1.1 液体的液位检尺测量, 执行的标准规范GB/T13894《石油和液体石油产品液位测量法 (手工法) 》 (《油气运销部油气计量交接管理规定》) ;

1.2 油罐内测定油品平均温度执行的标准规范GB/T8927《石油和液体石油产品温度测定法》 (《油气运销部油气计量交接管理规定》) ;

1.3 原油和石油产品的取样, 执行的标准规范GB/T4756《石油液体手工取样法 (》《油气运销部油气计量交接管理规定》) ;

1.4 密度测定, 执行的标准规范GB/T1884-2000《石油和液体石油产品密度实验室测定法 (密度计法) 》

1.5 原油含水测定, 原油含水率的测定执行的标准规范GB/T260《石油产品水分测定法》

1.6 油量计算:包括密度、体积、质量、原油纯油量的计算

2 流量计动态计量

流量计计量时, 采用管线取样。自动取样应符合SY 5713《原油管线自动取样法》的规定, 人工取样应符合GB4756《石油及液体石油产品取样法 (手工法) 》的规定。计量规程SY/T5671对流量计计量的管线取样和油品测温作如下规定:

2.1 取样部位

2.1.1 油品试样应从水平安装在流量计出口端垂直管线上或水平呈90 度安装在流量计出口端水平管线的流体湍流区的管线取样器中采取。

2.1.2 取样管入口段的45 度斜面应朝液体流动方向, 入口端斜面的中点应位于管径的1/3处, 取样管露出部分应尽量短。

2.2 取样方法:对装车计量, 应在计量开始时储罐内油品流过流量计后10 分钟、中间时间和计量结束前10 分钟, 各取样1次。并将所采取的试样以相等的体积掺和成一份间歇样。

2.3 取样要求:取样前, 应放出一些要取样的油品, 将取样器冲洗干净, 然后把试样收集在试样器中。

2.4油品测温:测温部位在流量计出口端管线上, 温度计读数准确到0.2℃。对装车计量, 应在计量开始时储罐内油品流过流量计后10 分钟、中间时间和计量结束前10 分钟, 各测温1次。取3次所测温度的算术平均值作为油品的平均温度。

与静态计量相比, 流量计动态计量方式易于实行计量运行参数采集, 实现油量计算及计量检定工作的自动化、微机化, 减轻操作人员的劳动强度, 改善工作环境, 避免或减少操作人员手工计算产生的误差, 提高工作效率和油量计量的准确性。

3 储罐静态计量与流量计动态计量的对比分析

为了减少原油交接中的误差, 我们对流量计动态计量进行了分析。

同其他计量方式一样, 流量计动态计量也存在取样、测温、测压、测密度和含水操作过程中的偶然误差, 但这种误差通过规范操作是可以控制到合理的水平的。所以我们认为这主要是由于工艺原因和流量计装置安装与规范要求有一定的差距导致流量计计量数据偏差较大。主要表现在:

3.1 阀门1084内漏是造成流量计计量偏低的主要原因。在工艺上, 阀门1084就是流量计的旁通。旁通阀门的内漏是造成流量计计量结果偏低的主要原因。

3.2 流量计在安装前没有经过实液或与实液组分、粘度相近的油品进行检定, 这不符合规范SY/T5671-93《石油及液体石油产品流量计交接计量规程》中1.3 检定要求。只有流量计出厂前生产厂商用水对流量计进行了检定。这样原油的比重、粘度、含蜡量及运行工况等因素对流量计计量准确度产生较大的影响。

3.3 流量计计量装置的温度测定不符合规范SY/T5671-93《石油及液体石油产品流量计交接计量规程》中3.4.1的要求, 没有在流量计后按规范要求测量原油的温度。

3.4 原油含水的测定没有严格按照SY/T5671-93《石油及液体石油产品流量计交接计量规程》中3.6.1的要求, 对装车计量, 应对所采取的试样做水份含量的平行测定, 取平行测定的2个结果的算术平均值作为被测原油的含水量。

4 结语

储罐静态计量、和流量计动态计量都是国家法定的计量交接方式, 只要工艺条件满足, 计量装置符合标准要求, 操作程序规范, 计算公式正确, 就一定能够得到合格的、一致的计量结果。

摘要：石油和液体石油产品交接计量分为两类, 即静态交接计量和动态交接计量。静态计量包括立式圆筒形油罐和油船、铁路罐车、卧式油罐以及其他储油容器内油量的计量;动态计量主要是指石油和液体石油产品在管道输送过程中利用流量计进行的在线动态计量。静态计量和动态计量 (容积式流量计) 的基本原理是相通的, 都是利用容积标定的器具、设施, 测出液体在工况下的体积, 通过压力、温度修正后, 求得标准体积, 再利用由测得的视密度得到的标准密度算出石油在空气中的重量。只是由于计量的方式不同, 录取基础数据的方式不同, 采用的标准规范和计算方法的不同。

计量实习报告范文