4. 常用离群值识别方法对比

岩土试验数据的一个显著特点是样本量小、离散性来源复杂：同一层土的三轴抗剪强度指标可能只有6～12组，岩石单轴抗压强度的有效试样常常不足10个，而含水率、密度这类指标虽然样本较多，却容易受取样扰动和制样差异影响。面对这样的数据，离群值识别方法的选择不能只看"哪种方法更常用"，而要看样本量、分布假设、污染比例和工程判断需求四者是否匹配。本节系统比较六类常用方法，并给出在岩土数据中的选择策略。

六类方法的核心逻辑与适用边界

拉依达准则（3σ法）以均值和标准差为基准，将偏离均值超过3倍标准差的点判为离群值。它的前提是数据近似正态分布且样本量足够大（一般要求n≥30），因为均值和标准差本身对离群值敏感——一个极端值会同时抬高均值和标准差，产生"掩蔽效应"，使真正的离群值反而落在3σ以内。在岩土试验中，它更适合含水率、颗粒分析等样本量较大的指标，不适合直接用于只有几个数据点的强度指标。

格拉布斯准则（Grubbs）针对小样本设计，通过计算最大偏差与标准差的比值G，再与临界值表比较。它一次只检验一个离群值，适用于n在3～30之间、数据近似正态的情形。格拉布斯准则的检验功效较高，但同样受均值和标准差污染的影响，且一次剔除一个后需要重新计算，不能一次性剔除多个。对于三轴试验得到的c、φ值这类小样本数据，格拉布斯是较稳妥的选择。

狄克逊准则（Dixon）基于排序后相邻数据的极差比值构造统计量，不依赖均值和标准差，因此对极端值不敏感，特别适合n≤25的小样本。它分为单侧和双侧检验，可根据怀疑方向选择。狄克逊准则的局限在于对中间部位的异常不敏感，且不同样本量对应不同统计量公式，使用时必须查对正确的临界值表。

箱线图法（Tukey法）以四分位数和四分位距IQR为基础，将小于Q1−1.5IQR或大于Q3+1.5IQR的点标为离群值，超过3IQR的标为极端离群值。它不假设正态分布，对偏态数据稳健，且能直观展示数据分布形态。缺点是四分位数在小样本下估计不稳定，n<8时IQR可能失真，且1.5倍IQR是经验系数，对岩土数据是否合适需要结合指标特性判断。

MAD法（中位数绝对偏差）用中位数代替均值、用MAD代替标准差，构造稳健Z分数：MAD-Z = 0.6745×(x−中位数)/MAD。由于中位数和MAD的崩溃点高达50%，即使数据中有近一半被污染，估计仍然可靠。它特别适合存在多个离群值或分布偏斜的情形，是岩土数据中推荐优先考虑的方法之一。常用判定阈值为|MAD-Z|>3.5，也可根据数据特点调整为2.5～3.5。

Z分数法是最基础的标准化方法，Z=(x−均值)/标准差，通常以|Z|>3为界。它本质上是拉依达准则的标准化表达，适用条件相同，优点是便于多指标间横向比较，缺点同样是对离群值敏感、依赖正态假设。

岩土数据中的选择策略

把上述方法放到岩土试验的实际场景中，可以按"指标类型—样本量—分布形态"三步走。第一步看指标：强度与变形指标（c、φ、Es、Rc）通常样本少、离散大，优先用狄克逊或格拉布斯；物理性质指标（含水率w、密度ρ、孔隙比e）样本较多，可用MAD法或箱线图法，必要时用3σ作辅助核对。第二步看样本量：n≤10时狄克逊最合适，10<n≤25时狄克逊与格拉布斯并用，n>25时可引入箱线图和MAD，n>50且分布近似正态时才考虑拉依达准则。第三步看分布：先做直方图或正态概率图，明显偏态的数据不要用3σ和Z分数，改用箱线图或MAD。

需要强调的是，任何单一方法都不应作为最终判据。工程实践中推荐"双法互验"：例如对某层粉质黏土的12组直剪试验黏聚力c值，先用狄克逊准则双侧检验找出可疑点，再用格拉布斯准则复核；若两法结论一致，剔除把握较大；若不一致，应回到原始试验记录核查是否存在制样缺陷、仪器异常或记录错误，而不是简单按某一方法剔除。对于MAD法，建议同时报告原始Z分数和MAD-Z分数，两者差异大的点往往正是需要重点复核的对象。

方法对比速查表

最后要提醒的是，离群值识别是统计筛查，不是工程裁决。岩土参数的最终取值还要结合地层成因、取样深度、试验方法与工程经验综合判断。统计方法帮我们把"值得怀疑的点"挑出来，是否剔除、剔除后如何修正统计量，仍需要岩土工程师依据专业判断作出决定，并在报告中如实记录处理过程与依据。