chenmich/ssfccs

simulatine the standards for evaluation of concrete compressive strength

这个程序有两个功能，一个是仿真现有的GBJ107-87、GB/T50107-2010和TB10425-94三个标准，分析它们的利弊得失。 另一个功能则是搜索可能的抽样方法的参数。 一、仿真 在仿真过程中，我们根据标准要求，综合选择了： 强度等级：[25, 35, 45, 55, 65] 样品数量：[4, 8, 12, 18, 30, 50] 总体方差：[3.5, 4.5, 5.5, 7.5, 9.5] 总体合格率：[0.99, 0.98, 0.97, 0.96, 0.95, 0.94, 0.93, 0.92, 0.91, 0.9, 0.8, 0.50, 0.2] 针对这些参数的每一个组合，我们都分别生成相应合格率条件下的正态分布数据，分别求这些仿真数据的平均值、标准差和最小值，并根据相应标准要求做验收计算。这种验收过程重复ECHO = 10000次，可以得到相应接收概率。每一次生成的数据都同时用于三个标准的验收计算，以便做更精确的比较。所有仿真结果分别写入old_gbj.csv、new_gbj.csv和tb.csv文件中。可以使用各种电子表格软件分别打开它们，并相应地绘图，可以对三个标准做出相应的判别。 二、搜索参数组合 因为小样本（或非统计）方法对于生产方法是不利的，它更容易将合格品判定为不合格品，易犯第一类错误，所以，在搜索中，不考虑小样本方法的搜索。而铁路工程的特点在于流动性大，所以，在统计方法中，方差已知的情况很少，往往是方差未知。而现实中，各项工程的混凝土验收中，有意识地多做一些试件，即样本数量稍稍大一些，是完全可以做的。所以，我们主要关注统计方法中标准差未知的方法。 各项标准中，标准差未知的统计方法中，验收判据有两项，第二项往往是对样本中最小值的限制，它最终会减小接收概率。它对第一项判据不会产生影响。所以，在搜索时，我们只考虑判据一。 第一项判据，我们可以写成通用形式：

    mean >= lambda1*fcuk + lambda2*std

由于计算的样本分布参数不完全等同于总体分布参数，所以使用样本分布参数来判断总体参数，总会犯两类错误。即将合格品作为不合格品加以拒收，这是第一类错误；第二类是将不合格品当合格品接收，这即是第二类错误。 我们还知道，好的验收方法就是要确定lambda1和lambda2，使得在合格率大于等于95%时（不合格率小于等于5%）时，接收概率为95%，即要求以高的接收概率接收样本所代表的总体，尽可能避免犯第一类错误；而在合格率小于20%时，以高的概率拒收（接收概率小于20%）样本所代表的总体，尽可能地避免犯第二类错误。这样当合格率小于95%后，接收概率会急剧降低，保证拒收样本所代表的总体，避免犯第二类错误，即将不全格品当成合格品接收。 由于样本数量大，则std相应会增大，所以样本的数量会影响验收结果，因此，选择lambda1和lambad2需要适当考虑样本数量的问题。因此，我们的搜索空间由样本数量、lambda1和lambda2的组合组成。它们的选择范围是：

样品数量：[4, 8, 12, 18, 30, 50] lambdas1 np.arange(0.5, 2.5, 0.05) lambdas2 np.arange(0.7, 2.0, 0.05) 三者的每一个取值组成的组合是我们的一个候选方案。 总体分布的参数对于lambda1和lambda2没有影响，我们任意选择即可。程序中，选择总体fcuk = 40, 方差sigma = 6.0。 在这些前提下，针对一个候选方案，我们在合格率分别是95%和80%时做一万次仿真验收，以便确定在这两个临界合格率处的接收概率。并根据前面的分析，确定方案是否可行。 然后，针对可行的备选方案中，我们针对前述的总体合格率做全仿真，以便作进一步的判断。全仿真的结果存放在found_result.csv中，也可以利用电子表格的软件查看分析。

程序的主要模块是concrete_accepted_standard.py，它有三个可选参数，分别是：valid、find和result_dir。前两个是bool值类型，分别指示程序做验证标准运行和搜索参数运行，默认值为False，表示不运行相应功能。result_dir是存放结果数据的目录。在windows下，默认为c://tmp/data/ 在命令行中可按常规方式执行。