XiaoMi-AI文件搜索系统
World File Search System系统精度
TopNet Live数字手册-Mytopcon
*规格基于现场和实验室测试。准确性和收敛时间可能会受到用户硬件类型（天线/接收器），可用GNSS星座（PDOP）和站点条件的影响。**在具有高电离层活性，极端多径或密集的叶子的条件下，性能可能会降解。为了提高系统精度，请始终遵循GNSS数据收集的最佳实践。
如何校准热敏电阻温度传感器
除了制造工艺变化外，温度传感器还受到各种环境因素的影响。这些因素包括热应力、机械应力、辐射、湿度以及储存、运输和/或组装过程中的老化，这些因素可能会在设备应用于最终系统后改变其固有特性（例如，精度和可靠性）。请注意，由于局部温度梯度，温度传感器的物理位置对设备相对于目标热源的表观精度有显著影响。表观精度和固有精度之间有区别。可以通过物理设计（例如，具有改进的传热特性的 PCB 设计）来提高表观精度，但固有精度是设备固有的特性。此外，连接到温度传感器的外部组件（例如，ADC 和滤波器）可能会对整个系统的固有性能产生重大影响。环境和系统电气因素都可能需要系统校准才能实现可追溯的系统精度。
机载频域 EM — 回顾与预览
四十多年前，频域电磁 (FDEM) 方法促成了首次航空电磁 (AEM) 发现。尽管早期面临来自时域技术的竞争，但 FDEM 尤其是直升机电磁 (HEM) 多年来蓬勃发展并多样化，成为采矿勘探的主要工具之一。随着传感器和解释技术的成熟，应用变得越来越定量，特别是在工程和环境任务中。为这些应用开发的 FDEM 方法的改进现在正应用于矿产勘探。校准精度和稳定性已成为这些定量调查数据解释质量的重要因素。随着技术的不断改进，诸如检测细微特征等困难的勘探问题（由于系统精度和分辨率不足而目前无法访问）正变得可处理。勘探人员和仪器/解释专家的共同努力对于这些新应用的开发至关重要。未来十年的技术改进可能包括系统硬件和软件的进一步集成、引入具有更宽光谱范围和密度的系统、增强校准能力、减少系统噪声和漂移以及更好地跟踪传感器方向。
案例研究-3 GPS - 开放数据的影响
每个重约 12,500 英里的 GPS 卫星围绕地球运行。为确保卫星信号能够持续到达地球，GPS 卫星分布在六个轨道平面上。卫星大约每 12 小时绕地球运行一次。11 军用、商用和民用 GPS 系统精度极高，太空中的典型 GPS 信号在 95% 置信水平下可提供 7.8 米的“最坏情况”伪距精度。请注意，这与用户精度不同，因为伪距是从 GPS 卫星到接收器的距离。用户的实际精度取决于不可控变量，如大气影响、天空遮挡和接收器质量；不过，美国联邦航空局的数据显示，他们的高质量 GPS 接收器可提供优于 3.5 米的水平精度。12 普通公民或商业用户通常不需要更高的精度；然而，通过 GPS 增强系统可以实现更高的精度，在某些情况下可以实现几厘米内的实时定位。13
3D 成像数据的尺寸测量可追溯性
用于尺寸计量的非接触式光学测量技术正在迅速发展。获取点坐标的数据速率比传统接触式测量技术快几个数量级，而且通常还可以降低劳动力成本。因此，现代制造业正在迅速采用这些方法来满足各种计量需求，包括工件接受/拒绝决策、过程控制、逆向工程和产品开发。为了用于尺寸计量应用，测量系统必须根据国际公认的长度单位——米 ii 进行校准。此外，关于测量系统精度的声明对于针对每种测量情况正确选择仪器至关重要。幸运的是，一个多世纪以来的尺寸计量已经制度化了长度标准的层次链和测量精度评估。在过去的几十年里，测量精度（更正确地称为测量不确定度）的影响变得越来越重要，因为机械组件（飞机、汽车等）现在包含来自不同工厂和不同国家的大量高精度组件。因此，目前正在努力量化新的 3D 光学测量系统，以便将其集成到尺寸计量学界中。
采用无损检测和岩相试验预测岩石材料无侧限抗压强度的先进树状技术
摘要：准确评估岩石强度是几乎所有岩石项目（如隧道和开挖）的一项基本任务。人们尝试了许多方法来创建计算无限制抗压强度 (UCS) 的间接技术。这通常是由于收集和完成上述实验室测试的复杂性。本研究应用了两种先进的机器学习技术，包括极端梯度提升树和随机森林，用于根据无损检测和岩相学研究预测 UCS。在应用这些模型之前，使用 Pearson 卡方检验进行了特征选择。该技术选择了以下输入来开发梯度提升树 (XGBT) 和随机森林 (RF) 模型：干密度和超声波速度作为无损检测，云母、石英和斜长石作为岩相学结果。除了 XGBT 和 RF 模型外，还开发了一些经验方程和两个单决策树 (DT) 来预测 UCS 值。本研究的结果表明，在系统精度和误差方面，XGBT 模型在 UCS 预测方面优于 RF。XGBT 的线性相关性为 0.994，其平均绝对误差为 0.113。此外，XGBT 模型优于单个 DT 和经验方程。XGBT 和 RF 模型也优于 KNN（R = 0.708）、ANN（R = 0.625）和 SVM（R = 0.816）模型。本研究的结果表明，XGBT 和 RF 可有效用于预测 UCS 值。