共查询到20条相似文献，搜索用时 31 毫秒
1.
多维数据点图及其在化探中的应用 总被引：1，自引：0，他引：1
人们总是希望把地球化学找矿中所取得的多维数据表示在一张图上,以期从中找出规律和发现问题.因为图形表示具有明显直观的特点,所以它是帮助人们思维和判断的重要手段.特别在多元统计中,多维数据的图形表示法起着极重要的作用.过去常用平面图、剖面图和三角图示法来表示两两变量和最多三个变量的关系,而对大于三个变量的表示,却成为不可能.为此,多变量点图法是人们长期以来所探讨的一个研究课题.近十年来,国外相继研究出不少种多变量 相似文献
2.
用多变量场(Multivariate Field)评价化探异常,是在多维变量或主轴空间,利用超球面把具有相同或相似地球化学性质的样品点分别圈出来,从而达到对异常进行分类、评价的目的.本文就多变量场的原理与方法作了简介,并对其计算机算法作了说明. 相似文献
3.
基于GIS的分组数据Logistic模型在斜坡稳定性评价中的应用 总被引：6，自引：0，他引：6
分组数据Logistic回归是针对因变量为定性变量、自变量为分类变量的一种解决方案,加权最小二乘法可用来求解该方程.将巫山县新城西区作为试验区,选取岩性、坡度、高程、地下水位埋深、距最近有影响构造线距离5种因素为斜坡稳定性影响因素,以试验区历史滑坡发生为因变量,建立了区域斜坡稳定性评价的分组数据Logistic回归方程,进行了回归方程显著性检验和回归系数显著性检验,最后利用回归方程对全区斜坡稳定性进行预测.模型拟合精度为:以滑坡发生概率0.157 9为判据,滑坡发生样本的判对率为72.55%,滑坡不发生样本的判对率为79.69%. 相似文献
4.
张书煌 《物探化探计算技术》1985,(2)
(一)方法概要正交化回归是在一般线性回归与逐步回归方法基础上发展起来,与线性回归不同,它不一定建立随机变量与全体自变量之间的关系,而是一种具有挑选因子的方案。线性回归和逐步回归仅考虑因变量与自变量之间的关系,而不考虑自变量本身之间的关系,因而信息有重复的可能,而降低某一独立因素的相对权系数。这种重复也因具体问题的不同,对回归效果就有一定的影响。正交化回归不仅考虑自变量与因变量之间的关系,而且还考虑自变量自身 相似文献
5.
在这里所研究的回归分析中,因变量是n个样品的序号——有序变量。我们用迭代法求出m个自变量的线性组合,使其各分量的大小顺序与原给的样品序号尽可能一致,文中用具体实例说明了这种方法在矿床统计预测中的应用。 相似文献
6.
回归分析实质是测试出一组数据,用回归分析的方法来确定这些变量间的定量关系,使这一关系用数值表示;同时,用统计检验对其可靠程度作评价,并且由它得出定量关系的系数值。 相似文献
7.
鄂尔多斯盆地北缘地球化学大数据样本优选分析 总被引：1，自引：1，他引：0
众所周知,地球化学数据携带有众多地质噪音,这些噪音严重影响地球化学数据信息的客观性与可靠性;对于地球化学大数据融合分析而言,确定样品的有效性及变量优选是滤除地质噪音、建立最优样本集合的必要性工作,因而在地球化学大数据处理分析前需首先进行大样本优选,从而更加客观、真实的揭示地球化学大数据信息及相关地质意义。本文以鄂尔多斯盆地北缘1∶20万地球化学土壤测量数据为例,考虑元素之间的地球化学亲和力与组合匹配关系,建立非线性大样本优选模型。具体做法是基于优选后的样品矩阵,将39个元素变量分解成若干独立因子向量,将最优独立因子向量作为元素组合,其向量各分量作为元素变量的权重,依权重大小进行变量优选;优选后的样本集合可以作为该区地球化学数据分析与信息识别的有效地学信息集合,运用这种集合可以有效开展鄂尔多斯盆地外围铀地球化学分析,并为盆地铀资源预测奠定基础。 相似文献
8.
9.
《中国煤炭地质》2016,(1)
煤储层渗透率是影响煤层气开采的重要参数,为了有效的预测煤层渗透率,提出了多元逐步回归与支持向量回归结合的MSR-SVR预测模型。通过研究沁水盆地柿庄北地区测井数据,采用多元逐步回归法分析因变量渗透率与自变量孔隙度、声波时差、自然伽马、电阻率、自然电位之间的关系,优选出显著性自变量孔隙度和自然伽马,将其作为初始样本输入到支持向量回归中,以此建立模型对煤层进行渗透率预测。利用测试样本和验证样本对模型的有效性进行验证,其相对误差均在25%以内。MSR-SVR预测模型实例表明:沁水盆地柿庄北地区煤层的渗透率普遍偏低;MSR-SVR预测模型在地质条件复杂、渗透率规律性差的煤层中进行渗透率预测具有合理性和可行性。 相似文献
10.
当发现测试数据有系统误差时,不必对每个样品都重新分析,只抽取30％以上有代表性的样品重新分析即可,然后用微电子计算机校正原分析,这样可以收到快、好、省的效果。数学模型的建立回归分析是研究变量间的相关关系,找出相关变量之间的内部规律,以定量形式建立变量之间关系的数学表达式,从而可以根据某个变量的观测值预测另一个变量的估计值。把从有误差的数据随机地抽取一部分进行重新分析得到确认是 相似文献
11.
12.
对矿床进行经济评价时,要涉及矿体的平均品位C_P、矿体的矿石量Q_K和矿体金属储量Q_J三项指标.一般说来,这三项指标是由矿体的边界品位C_B决定的,即C_P、Q_K、Q_J与C_B之间存在着函数关系.本文将建立C_P、Q_K、Q_J与C_B之间的具体函数关系;并以C_B为自变量,把C_P、Q_K、Q_J表示在同一个直角坐标上,做成CCQQ图. 本文引用某金矿床的储量试算资料作为例子.该矿床矿体产在硅化砂岩和硅化砂岩内形状 相似文献
13.
设(N×P)矩阵W是地质数据矩阵(N是样品数,P是变量数),这一矩阵结构特征是N大大于P.以前Q式因子分析必须形成一个通常是高维的N×N矩阵.由于这一高维矩阵,Q式因于分析的应用受到限制.然而R－Q式因子分析只需形成一个(P×P)矩阵W'W(通常P＜50).根据W'W,我们用Eckart－young理论同时提取R式和Q式因子,这使得Q式因子分析的实际应用成为可能.R一Q式因子分析的另一优点是R式因子解和Q式因子解可以同时表示在一张平面图上,然后我们就可以在这张图上考察变量之间、样品之间,变量和因子之间以及变量和样品之间的关系. 相似文献
14.
影响矿坑充水的因素多且复杂,矿坑涌水量预测模型主要考虑降水、地表水、引水灌溉等影响因素,因变量和自变量的关系比较复杂。将偏最小二乘回归与神经网络耦合,建立了矿坑涌水预报模型。模型将自变量利用偏最小二乘回归处理,提取对因变量影响强的成分,既可以克服变量之间的相关性问题,又可以降低神经网络的输入维数,并能较好地解决非线性问题,提高了模型的学习能力和表达能力。以河南鹤壁八矿涌水量为例,建立了基于偏最小二乘回归和神经网络耦合的矿坑涌水量预测模型。计算验证表明,该类模型具有较高的预报精度和推广应用价值。 相似文献
15.
本文主要探讨模式识别中共享近邻法在化探中的应用,并以湘南—粤北地区不同成因铁帽的分类和九毛地区超基性岩体的含矿性评价为例,分别用多类与两类判别进行了计算,分类结果用四层结构的树状图表示。结果表明,共享近邻法不但对已知模型样品分类正确,对未知样品归类清楚.而且能为快速找矿评价提供重要信息。 相似文献
16.
三、相关分析1、概述整理化探资料时,需要研究许多变量之间的关系,例如各指示元素含量之间的关系,次生晕总金属量与矿体规模的关系,原生晕强度与离矿远近的关系等等.这些关系由于自然因素的复杂影响,并不能用一个确切的数学公式来表达,习惯上只采用定性描述或用图形表示.利用相关分析,可以更确切地表述各种地质变量之间的关系.具体说,相关分析就是从一套实际观察数据出发,通过一定的计 相似文献
17.
泥石流形成受诸多不确定性因素共同影响,是典型的复杂系统。沟谷泥石流形成与流域环境特征密切相关,故采用流域作为评价单元;并通过DEM模型生成地形数据,遥感解译获取森林覆盖数据,地质图矢量化提取地质构造线及岩性数据。为一定程度上解决评价变量间的多重共线性,通过主成分分析进行降维加权评价;同时,为了刻画评价变量绝对差异,采用绝对阈值进行10级分类赋值。为了避免与危险度不是简单的线性关系的坡度指标直接标准化处理对载荷计算和多变量之间的共线性估计造成影响,各原始变量在分级赋值的基础上再借助区间端点进行分级线性插值。评价结果显示,安宁河流域西昌北段东岸中约一半沟谷单元危险度得分在5分以上,形势较为严峻,其中热水河分值高达9.24。评价分级图叠置研究区泥石流灾害点后发现较危险和极危险区沟谷内部或沟口堆积区都发生了泥石流灾害,7个临界危险区中有4个流域内部或汇流通道前端堆积区形成了泥石流灾害,危险度评价结果和灾害点分布较为符合。 相似文献
18.
洪水过程由多个特征变量组成,各变量之间存在正相关性,应进行多变量联合分析。但随着变量的增多,在相同样本条件下,多维联合分布具有更大的抽样不确定性。将历史洪水纳入多维联合频率分析,以提升各特征变量边缘分布和Copula函数相关性参数的准确性。以分层Archimedean Copulas函数为基础,构建了考虑历史洪水不确定性的多维联合洪水频率分析层次模型,将多维联合分布分解成为若干个二维Copula函数的多级层叠形式,并结合极大似然法,选用遗传算法求解特征变量边缘分布及各层Copula函数的相关性参数。长江流域宜昌站的应用结果表明,考虑历史洪水不确定性的多维联合洪水频率分析层次模型能够完整地描述整个洪水过程,考虑洪水过程特征变量之间的相关性,也能够有效利用历史洪水,改善样本的代表性,Copula函数的相关性参数符合实测序列峰量之间的相关关系。 相似文献
19.
基于PCP-C耦合模型的流域洪水分类研究 总被引：1，自引：1，他引：0
洪水过程受多要素综合影响,因此多指标的综合分类方法成为目前洪水分类研究的主要趋势.针对目前多指标洪水综合分类方法中存在的诸多不足,可采用主成分投影-聚类(PCP-C)耦合模型进行洪水分类.该方法首先对原始指标数据进行无量纲化(均值化)处理,再对处理后的数据矩阵进行正交变换,由此将原指标转换成彼此正交的综合指标,并利用各主成分设计一个理想决策向量,以各被评价对象相应的决策向量在理想决策方向上的投影值作为一维的综合分类指标.最后通过对各分类样本的一维投影值的聚类分析,得到分类结果.实例分析表明,建议方法简单,模型构建容易,计算简便,分类直观简洁,可行性强. 相似文献