也即倾向发生发生第I类错误 （即错误地判为有差别，这种弃真的错误称为Ⅰ型错误） ，
因而有理由设想将两者结合起来取长补短。
为此，就要找到一种办法来识别MT检出的显著误差中，哪些是真的？哪些是假
的。在迭代MT法中，每一次只找出一个显著误差，无法保证第一次找到的显著误差
就是真的。这就需要求助于NT算法来核查。所以这个方法的理念是分为三个部分：a）
通过测量测试（MT）算法，在主干中找出潜在的显著误差；（b）检查节点来找到哪
条流股上的数据是“有误”的，这是通过节点测试法（NT）找出来的；（c）把错误的
流股在测量中移除并把它当成未测量的变量，接着重复查找直到没有显著误差产生为
之。这种“MT定位和NT检查”方法把各自的优点结合起来从而避免了大量的组合搜
索问题。但是当使用这种方法时，数矩阵的行数被改变了随着显著误差的去除，但是
列数没有被改变。当行数减少时，将可能产生矩阵中的一列和另一列相同，或者是有
一列的数值全为0的问题。这将导致计算被干扰从而停止测试。如果需要继续进行计
算处理，节点必须被联合起来去除那些无效节点。所以，这将导致操作的增加以及有
效信息的流失。
为了避免系数矩阵的秩减低，改进后的MT-NT联合算法被提了出来。在这个方法
中，当流股中的显著误差被定义到后，我们并不会把这个误差除去，但会用估算的值
去代替这些误差数据，从而系数矩阵不会被改变。 1．4    显著误差检测和数据校正在实际中的应用
20 世纪 60 年代以来，国内外就已开始研究物料平衡系统内部使用的数据协调，
目前已有多家成熟商业化的数据协调软件上市。对国内炼油厂而言，在目前的计量条
件下，要实现全厂的物料平衡协调，在选择合适的数据协调软件的基础上，更应强调
搭建符合实际的数据采集流程，在不增加额外投资的情况下，实现收集数据的及时性
和准确性。
通过实施物流平衡和数据校正系统，实现了物流数据的综合集成，并利用这些数
据进行数据校正和产率计算，为企业的管理层提供准确、一致的物流平衡数据，并为
各授权单位部门提供相关应用系统的数据支持和有关报表、图形的查询和浏览。
1．5    本课题主要研究内容
本课题主要研究内容是检测工业生产过程中所产生的显著误差，然后把检测后的
坏数据进行校正，主要工作有：
对工业流程图进行数据建模，节点和流股都用数据代替并存放。
在MATLAB 中运用 MT-NT 联合改进算法对这个流程图进行检测，找出有误流股
并校正。
最后运行程序，显示坏的流股，和校正后的数据。
本文结构安排如下：
第一章，绪论。介绍课题背景及其意义；显著误差的检测算法和种类；MT-NT
联合改进算法的简介；显著误差检测和数据校正在实际中的运用。
第二章，MT-NT 联合改进算法的原理。
第三章，在 MATLAB中实现 MT-NT 联合改进算法，即用相应的程序编出这个算
法。
第四章，运用实例来验证此算法的正确性，对比仿真后的结果和实际的结果。
第五章， 总结编写算法中遇到的问题以及如何进行相应的调试。
 2   MT-NT联合改进算法原理
2．1    课题研究背景及意义
测量检验法（MT）研究校正量a，并提出一个基于a量的统计判别准则  
此处   是校正值， 是测量值。 MT-NT联合改进算法检测显著误差(4):http://www.youerw.com/zidonghua/lunwen_8950.html