采样代表性计算

🌋 Weight Sample

Weight Sample is available directly in your browser, with no data uploaded.

💡 Gy 公式:采样相对方差 σ²=C·d³·(1/w−1)/m;相对误差 σ_rel=√σ²;最小样重 m_min=C·d³·(1/w−1)/σ²_tol。d 单位 cm,m 单位 g。
⚠️ 注意事项
  • Gy 公式适用于颗粒物料采样代表性评估
  • 采样常数 C 与矿物密度、品位分布有关,本工具提供典型参考值
  • 颗粒尺寸 d 取物料中 95% 通过的筛孔尺寸
  • 品位 w 为目标组分质量分数(%输入,内部换算为小数)
  • 结果仅供参考,实际采样方案需结合规范与现场条件

🕘 最近计算

暂无计算记录

📚 深度解析:采样代表性计算

💡 常见使用场景

快速复核「采样代表性计算」
执行基准演算后,按 10%/30% 进行对照调参,判断输出变化是否沿预期方向变化。

❓ 常见问题(FAQ)

采样代表性计算 的结果可直接交付吗?
采样代表性计算 适合用于复核与教学说明,正式交付建议补充前提假设、样本来源和单位说明。
出现非预期符号或负值怎么办?
优先核实是否出现分母为零、对数/开方域外输入或负值比例等定义域问题。
📖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

🎯使用场景

💬常见问题

Gy 公式中的采样常数 C 如何取值?
C 由矿物的密度、品位分布及颗粒形状等因素决定。贵金属矿(如金矿)C≈0.1,有色金属矿 C≈0.25,一般矿石/土壤 C≈0.5,铁矿等均匀物料 C≈1.0。实际应用中应通过实验测定或查阅行业标准。
为什么颗粒越大、品位越低,需要的样重越大?
Gy 公式中采样方差与 d³ 成正比、与 (1/w−1) 成正比。颗粒越大(d³ 增大)或品位越低(w 减小,1/w−1 增大),离散程度越高,需要更大的样品量才能保证代表性。