📚 深度解析：Gy 采样公式代表性（最小样重/相对误差）

💡 常见使用场景

样重核算：由颗粒尺寸、品位与允许误差算最小代表性样重，判断当前样重是否足够
误差评估：给出相对采样误差 σ_rel 与误差等级（优秀~差）
方案优化：放大颗粒或提高要求时重算 m_min，指导破碎缩分流程

方法

公式（Gy）：相对方差 σ²=C·d³·(1/w−1)/m，d 最大颗粒尺寸(cm)、w 目标品位(小数)、m 样重(g)、C 物料常数（金属矿常用 0.5）。相对误差 σ_rel=√(σ²)×100%；最小样重 m_min=C·d³·(1/w−1)/(允许相对误差)²。本地计算，单位 d(mm→/10)、m(kg→×1000g)。

算例

例：d=2mm（0.2cm）、m=5kg（5000g）、w=1.5%、允许误差 10%、C=0.5 → σ²=0.5×0.2³×65.667/5000=5.253×10⁻⁵，σ_rel=0.725%（优秀），m_min=26.27 g（0.0263 kg）；当前 5000g 为最小样重的 190.4 倍，代表性满足。

❓ 常见问题（FAQ）

为什么颗粒越大样重要多？: Gy 公式 m_min∝d³，颗粒尺寸增大样重须立方级增长才能保持同等误差。故采样后须逐级破碎缩分，而非直接取大样，否则细粒会过度代表。
误差 0.725% 是不是太保守？: 相对误差取决于样重与颗粒尺寸之比。当前 5kg 远超最小样重故误差很小；若只取 20g 则 σ_rel 会升至约 11%（良好下限）。允许误差放松可显著减小所需样重。

📖关于「采样代表性计算」▼

📝工具简介

基于 Pierre Gy 采样理论的代表性评估工具，输入物料最大颗粒尺寸、样品重量、目标组分品位与采样常数，计算相对采样误差、绝对误差及满足代表性要求的最小样重，判断当前采样方案是否满足代表性要求。

✨功能特点

内置贵金属、有色金属、一般矿石等典型材料采样常数
同时输出相对误差、绝对误差与最小样重
自动评价采样代表性是否达标，给出调整建议
支持自定义采样常数 C，适应特殊物料
纯前端计算，采样数据不上传

🎯使用场景

矿山采样方案设计与样量确定
化探样品代表性评价
选矿厂取样代表性校核
矿石品位波动与采样误差分析

📡 Weight Sample

🕘 最近计算

📚 深度解析：Gy 采样公式代表性（最小样重/相对误差）

💡 常见使用场景

❓ 常见问题（FAQ）

📝工具简介

✨功能特点

🎯使用场景

采样代表性计算

📡 Weight Sample

🕘 最近计算

📚 深度解析：Gy 采样公式代表性（最小样重/相对误差）

💡 常见使用场景

❓ 常见问题（FAQ）

🔗 相关工具

📝工具简介

✨功能特点

🎯使用场景