唐彥斌

摘 要： Python是一種易于學(xué)習(xí)的程序語言。作為一門新興語言，由于python在人工智能和大數(shù)據(jù)方面由于其簡單實(shí)用性大放異彩，在使用過程中學(xué)習(xí)者和使用者能夠?qū)Ｗ⒂诮鉀Q問題，而不是理解語言本身。本篇文章就是利用python求解單擺實(shí)驗(yàn)測量重力加速度的誤差精度，體現(xiàn)其簡單實(shí)用性。

關(guān)鍵詞：python;單擺實(shí)驗(yàn);重力加速度;不確定度

1 引言

Python不僅僅是一種好的編程語言，而且還能作為編寫其他組件并實(shí)現(xiàn)程序獨(dú)立的工具，應(yīng)用領(lǐng)域十分寬廣，大致分為如下幾類：1.web和Internet開發(fā);2.科學(xué)計(jì)算和統(tǒng)計(jì);3.桌面界面開發(fā);4.軟件開發(fā);5.后端開發(fā)[1]，并且內(nèi)置了很多高效的庫，比如，相同的工作C語言可能需要1000行，Java 100行，Python可能只需要10行[2]，本文僅僅使用python在科學(xué)計(jì)算方面的功能[3]，以小見大，體現(xiàn)python的簡單實(shí)用性。

2 關(guān)于本次重力加速度不確定度的分析

根據(jù)單擺求重力加速度公式：，本次測量的數(shù)據(jù)為單擺的繩長l和運(yùn)動周期T，分別求出l和T的A類和B類不確定度，然后進(jìn)行不確定度的合成，求得Ul和UT[4]

3 不確定度按照數(shù)據(jù)的性質(zhì)分類

3.1 A類不確定度

A類不確定度是可用統(tǒng)計(jì)的方法計(jì)算的不確定度。用uA表示A類不確定度，s為標(biāo)準(zhǔn)差，S為標(biāo)準(zhǔn)誤。

為提高測量數(shù)據(jù)的可信度，使置信概率P>95%，規(guī)定uA=3s=s[5]。

3.2 B類不確定度

測量中凡是不符合統(tǒng)計(jì)規(guī)律的不確定度統(tǒng)稱為B類不確定度。

作為B類不確定度;c的取值大小，取決于所用的儀器[6]。

我們實(shí)驗(yàn)中取c=1，那么uB=Δ儀

3.3 對于多因素影響的測量結(jié)果，用U1，U2…，來表示各項(xiàng)因素的不確定度，而系統(tǒng)總不確定度由此合成

4 直接測量的結(jié)果表示

對物理量A進(jìn)行測量，如果對可定系統(tǒng)誤差已經(jīng)消除或修正，則測量結(jié)果應(yīng)表示為[7]：（E為相對不確定度）

5 結(jié)論與討論

當(dāng)AI時(shí)代來臨后，Python的優(yōu)勢愈發(fā)明顯，各種人工智能算法都基于Python編寫，特別是物理教育，要做到因材施教，找到每個(gè)學(xué)生的思維漏洞并進(jìn)行指導(dǎo)改進(jìn)，在學(xué)生人數(shù)眾多的條件下是很難實(shí)現(xiàn)的，現(xiàn)在在人工智能的背景下物理教育也將迎來新的變化，在人工智能深度學(xué)習(xí)的模式下能夠?qū)W(xué)生制定個(gè)性化的學(xué)習(xí)方案，跳出繁雜的計(jì)算過程只是python對物理教育深刻改變的一個(gè)開始。

參考文獻(xiàn)：

[1] 嵩天，黃天羽，禮欣.Python語言：程序設(shè)計(jì)課程教學(xué)改革的理想選擇[J].中國大學(xué)教學(xué)，2016（02）：42-47.

[2] 秦科，劉貴松.面向Python應(yīng)用的大學(xué)教學(xué)改革初探[J].計(jì)算機(jī)教育，2017（09）：21-25.

[3] Pedregosa F， Varoquaux G， Gramfort A， et al. Scikit-learn： Machine learning in Python[J]. Journal of machine learning research， 2011， 12（Oct）： 2825-2830.

[4] Van Rossum G， Drake F L. Python language reference manual[J]. 2003.

[5] 徐斌，徐國旺，譚保華，江銘波.大學(xué)物理實(shí)驗(yàn)數(shù)據(jù)誤差分析淺析[J].都市家教：下半月，2014（6）：279-279.

[6] 徐斌，徐國旺，譚保華，江銘波.大學(xué)物理實(shí)驗(yàn)數(shù)據(jù)誤差分析淺析[J].都市家教：下半月，2014（6）：279-279.

[7] Hart W E， Watson J P， Woodruff D L. Pyomo： modeling and solving mathematical programs in Python[J]. Mathematical Programming Computation， 2011， 3（3）： 219.