判别分析及其应用中的几个问题

判别分析是属于分辨样品类型的一种统计方法,故也称分辨法,它是根据样品的 P 个测定指标(又称判别变量,如 P 个化学元素含量,一般 P>2),对一批未知样品进行分类;前提是已知一些样品的分类,然后根据 P 个测定指标来确定未知样品究竟归属哪一类。判别分析有两组判别(或称二级分辨)和多组判别(或称多级分辨)之分。     

矿区地下水系统水质分类判别的多元统计分析

以某矿区地下水系统为例,对该矿区地下水水化学资料进行了多元统计分析方法耦合应用研究,主要包括利用因子分析对存在相关关系的离子变量进行空间降维处理,找出能够反映众多离子信息的基础变量(正交因子),以其作为系统聚类变量;运用系统聚类法获取能代表各地下水子系统水化学特征的典型水样;使用贝叶斯逐步线性判别分析建立地下水各子系统水化学判别模型(判别函数),并对随机检验样品进行判别归属和判别模型统计检验。结果表明:这是一种稳定性较好且切实有效的、适用于矿区地下水系统水化学分类及水源水化学判别的方法。     

关于岩石微量元素构造环境判别图解使用的有关问题

针对目前应用愈来愈广泛的不同岩石,特别是岩浆岩的微量元素构造环境判别图解使用过程中存在的问题,从这些判别图解建立的原理,介绍了微量元素构造环境判别图解的使用原则。强调指出所采集的样品必须新鲜(无蚀变或极弱蚀变)、非堆晶的岩石;选择的判别图解必须与判别的岩石类型相一致,即对花岗岩类要用花岗岩的判别图解,不能用玄武岩的判别图解;对特殊类型岩石要选择专门用于该类型岩石的判别图解,如碱性花岗岩,钾质火成岩;要应用多种图解综合判断;不能用单个样品,而应作多个样品分析;要注意所选择判别图解的特别说明等。此外,一些构造环境判别图解还能给出岩石的成岩过程和源区。     

Bayes方法在矿井突水水源判别中的应用

快速有效地判别突水水源是矿井安全生产的重要保障。选取各含水层多项水质指标,应用Bayes方法建立适用于不同水质类型的矿井突水水源快速判别模型。结合SPSS软件,以淮南顾桥矿为例,并与模糊综合评判模型、神经网络模型进行分析比较。结果表明:贝叶斯多类线性判别模型能够有效地判别突水水源,比模糊综合评判有更高的准确性,与神经网络模型的判别准确率相同。Bayes多类线性判别模型又以其计算过程简单、模型结构稳定而优于神经网络模型。既提高判别准确率又提高判别速度,实现对突水水源快速有效判别。      

平顶山矿区矿井突（涌）水水源判别模式

对在平顶山矿区所采集的地下水样品进行了多元统计分析,以识别一些来源不清的样品归属,建立该区突（涌）水水源判别模型。选择水中６大离子为变量,对３７个水样进行了Ｑ型聚类分析和阳离子三角形分析;以聚类分析所得的结果为基础,应用判别分析方法建立了该矿区寒武系灰岩水、薄层灰岩水（Ｌ２）和砂岩水３类判别模型,并应用马氏距离作Ｆ检验和归属概率“检验”,结果表明所建立的判别模型是有效的。     

基于权重反分析方法的加权距离判别法及应用

距离判别分析法在应用过程中常将各评价指标的重要性视为一致,实际上各指标重要性是不同的,故需对各指标进行加权处理。权重的合理取值对最终的评判结果有着很大的影响,目前尽管确定权重的方法有很多,但都有其不足之处。鉴于此,在马氏距离的基础上,推导了加权马氏距离的求解公式,并采用一对多的分类方法建立了多总体加权马氏距离判别准则。在确定各指标权重时采用了基于优化理论权重反分析的新思路,把直接给权重问题转化为通过实际工程样本反求各影响因素权重问题,该方法不需先知经验,求解过程完全由实际样本驱动,具有很强的可操作性。将改进后的加权距离判别分析方法应用于实际工程中的围岩分类问题,结果表明,该方法的判别结果是可靠的。距离加权的方法完善了距离判别分析法理论,权重反分析方法是一种通用方法,可用于任何求解权重的问题,为权重的求解提供了一种新思路。     

雷达图绘制程序

一、功能本程序用BASIC语言编成。在PC-1500型微机上通过。该程序能对二～三类样品中每个样品取P个变量x_1、x_2……x_p,通过做雷达图,分别分析出:(1)P个变量在“是”与“否”二总体中的变化特征,以选择出有区分意义的判别变量。(2)P个变量在三总体中的变化特征,以对“未知”体进行判别,确定属于“是”或“否”。并且打印出     

任楼煤矿水源判别模型的自动识别

在新区矿井样本少的条件下,多类判别的问题一直难以解决,特别是发生过突水淹井的煤矿,各含水层的地下水有了一定的混合,判别水源就更为困难。因此需要一种快速、有效、准确的判别方法,对水源逐对辨别,并按概率最高者归类。将这一方法应用于任楼煤矿,对某工作面凭经验难以判别的水源进行确定,收到了很好的效果,肯定了注浆效果,取消了防水闸门。这一结论已被生产验证。这种方法在水样少的条件下具有普遍的用途。     

基于全球橄榄石数据的玄武岩构造环境智能判别方法及其验证

一直以来,探索玄武岩地球化学特征与大地构造环境之间的联系是地球化学领域的一个重要研究方向。橄榄石是岩浆最早期结晶的矿物之一,其在玄武质岩浆形成和演化过程中记录了诸多信息。鉴于此,学者们尝试利用橄榄石的元素组成判别大洋中脊玄武岩(MORB)、洋岛玄武岩(OIB)和岛弧玄武岩(IAB)三种构造环境。常用的玄武岩构造环境判别图解难以满足精度要求,于是引入机器学习算法作为判别手段来解决上述问题。机器学习判别方法的分类效果在很大程度上取决于参数选取的合理性。为此,本文提出一种耦合灰狼优化算法(GWO)和支持向量机(SVM)的智能判别方法。该方法利用GWO寻求SVM算法最优参数组合,以形成橄榄石组成元素和玄武岩构造环境之间的最佳映射关系,从而实现对MORB、OIB和IAB三种构造环境的准确判别。此外,根据公开发表的玄武岩样品的地球化学数据,结合混淆矩阵及其衍生评价指标,通过仿真实验、随机子抽样验证和k折交叉验证等方式评估了所提方法的判别性能。评估结果表明, GWO-SVM耦合判别方法在利用橄榄石成分判别玄武岩构造环境方面具有较好的分类效果,其判别准确率可达85%以上。由此可见,相较于传统判别图解方法,基于多算法融合的机器学习判别方法能够更加有效地提升构造环境判别效果。     

镁铝榴石的化学成分分类及其在金刚石找矿中的指示意义

镁铝榴石是找寻金刚石的一种重要的指示矿物。本文应用了聚类分析方法，以镁铝榴石中的钙组分、铬组分、镁组分和镁组分（铁铝榴石）4种成分参数作变量，将56个样品分为6类，讨论了每一类样品的化学成分特点，确定了它们的标型意义，并应用多元判别分析得出了划分这6类和对未知样品进行判别归类的一组判别函数。     

基于聚类-二叉树支持向量机的砂土液化预测模型

建立在统计学习理论基础之上的支持向量机（SVM）,是一种基于结构风险最小的小样本机器学习方法。经典的支持向量机主要针对二分类问题,而工程实践中遇到的往往是多分类问题。根据影响砂土液化的主要因素,采用聚类分析中的类距离思想,建立了基于聚类-二叉树的多类支持向量机的砂土液化判别模型。该模型可以通过有限样本的学习,建立砂土液化与各影响因素之间的非线性关系。研究结果表明,基于聚类-二叉树支持向量机的层次结构合理,分类精度高,泛化性好,可对砂土液化等级进行较准确判别     

基于大数据方法的玄武岩大地构造环境智能挖掘判别与分析

通过玄武岩判别图推断其所形成的大地构造环境的方法由来已久,自1971年Pearce提出了构造-岩浆判别图解法之后,已涌现出了几十种不同的判别图。然而,判别图的制作过程中使用的元素的信息量少,数据样本量少,缺乏代表性,以至于其适用范围有限,且准确率不够。为提高构造环境判别过程的效率和准确性,本文提出以大数据智能挖掘方法建立判别模型,通过玄武岩的化学成分,迅速准确地对其大地构造环境进行判别。所用到的玄武岩包括三类:洋中脊玄武岩(MORB)、洋岛玄武岩(OIB)和岛弧玄武岩(IAB),样品总量为755个。首先,本文分别利用主量元素判别图和微量元素判别图对三类数据的大地构造环境进行判别,包括Ti O_2-MnO-P_2O_5、Fe O~T-MgO-Al_2O_3、Ti-Zr-Y、Zr/Y-Zr和Ti-Zr判别图。由于判别图法针对的是特定的元素或化合物,而有些样品的成份记录不完善或没有测量到有指定物质,导致无法对该样品在判别图中绘制,因此在绘制不同的判别图之前,需要筛选掉一部分数据。判别结果表明,在不考虑无效数据的情况下,Zr/Y-Zr判别图的准确率最高,可达90%以上。但如果考虑到已筛选掉的数据,上述五种图对三种岩石的判别准确率均低于75%。在利用数据挖掘算法进行判别的过程中,本文分别试验了朴素贝叶斯(NB)、K邻近(KNN)、支持向量机(SVM)和随机森林(RF)四种算法。为达到较好的识别效果,本文将所有的化合物和微量元素组成51维的参数组用于训练模型,并且不会进行任何的数据筛选,即全部被视作有效数据。训练结果表明,NB的分类结果最差,但也超过了75%,而RF训练准确率高达100%。在算法的进阶分析中,测得RF算法验证准确率可达88.46%;为提升智能算法的实用性,本文利用贝叶斯定理对算法的判别结果求逆概率,以实现"由果及因"的合理推断;同时,本文通过人为模拟数据缺失,进一步验证不同的算法的鲁棒性,并认为RF和NB是应该被优先考虑的两种算法;最后,通过提取RF中的决策树,本文对样本中元素的重要性进行了分析,并找到了对判别效果影响最大的几个主量元素和微量元素。综上所述,利用数据挖掘算法判别大地构造环境要比判别图法更为准确、迅速且功能多样,可在该领域做进一步推广应用。     

序贯判别及其应用的一些问题

一、费歇准则下两组线性判别及贝叶斯准则下多组线性判别的简单回顾假定有A、B两类已知总体,样本用P个变量描述。现在要判断未知样本归属A、B中哪一类。我们惯常使用的费歇准则下两组线性判别的做法是将P个变量线性组合成为一个判别函数:(1) K是变量号;λ_K是待定系数,它的确定原则是要使A、B两总体R平均值之差((?)_A-(?)_B)最大,而两总体内部R值的离差平方和最小。即差方比:     

判别正副变质岩的岩石化学方法探讨

本文以统计分析为基础,推出一种新的判別正副变质岩的函数式——Dy判别式。阐明立式依据和适用范围。采用有广泛代表性的1640个岩石样品和252个铁矿样品检验其判别效果,总判别率达91.7—93％(铁矿85.7％)。在SiO_2-Dy相关图上,粗略划分12个岩类区。最后指出容易错判的岩类和错判因素。     

地层组合对砂土液化的影响分析

利用Laplace变换取得了下卧与上覆层的组合地层在已知地震烈度或地层位移两种初始条件下的剪应力的解析表达式,提出了一种新的液化判别方法;并利用编程计算,分析了地层组合中各参数对砂土液化的影响,得到了在各种组合情况下砂土液化的难易程度。对工程判别有一定的理论指导作用。     

模式识别中共享近邻法在化探中的初步应用

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。     

核设施勘察中抗震Ⅰ类物项饱和砂土地基的液化判别

把多种方法应用于某核设施勘察中,针对抗震工类物项饱和砂土地基液化判别,认为现行核电厂抗震设计规范对液化判别的安全度与核设施破坏的严重后果不匹配。学者建议的基于SPT和剪切波速液化判别方法的安全裕度高于现行抗震规范,建议对抗震Ⅰ类物项饱和砂土除按照规范进行液化判别外,应采用最新的液化判别研究成果进行对比分析。根据实际工程情况,建议抗震Ⅰ类物项液化概率控制值可由4%调整到8%、名义抗液化安全系数可由1.45调整为1.2。对基于剪切波速的液化判别曲线,指出了在特定条件下会出现不符合常理的计算结果,应结合地质资料综合判定是否液化。     

锆石铀含量与岩体成矿能力相关性研究——以诸广南部花岗岩为例

为初步探讨锆石铀含量在花岗岩型铀矿远景区预测方面的应用前景,以勘探研究程度较高的诸广南部花岗岩为样本,经花岗岩类样品概率统计显示产铀岩体锆石平均铀含量略大于贫铀岩体,总体差别不明显;样品分期次、岩性对比分析表明产铀岩体锆石平均铀含量也并非普遍高于贫铀岩体,印支期产铀岩体二云母花岗岩锆石平均铀含量甚至低于贫铀岩体;统计发现产铀岩体花岗岩岩脉中具有超高的锆石铀含量(平均铀含量3000×10-6以上)。初步分析认为依据花岗岩类锆石铀含量暂不能有效判别诸广山复式岩体成矿能力;岩脉锆石铀含量超高可能是铀矿找矿的重要标志,因而具超高锆石铀含量的花岗岩岩脉是否发育可能是该区域寻找工业铀矿床的关键。     

云南老王寨金矿田元素地球化学特征

采用化学分析与中子活化方法测试了云南老王寨金矿田内的玄武岩类、煌斑岩类和花岗岩类及蚀变岩石、矿化岩石样品的常量元素、微量元素及稀土元素组成，并利用元素地球化学研究方法对其进行相关研究。结果表明，该分析方法有助于判别构造—岩浆岩来源及确定富金岩体。     

碳酸盐岩石成因类型的判别分析和白云鄂博“白云岩”的成因讨论

本文根据对世界上20多个国家和我国21个省碳酸盐岩石化学全分析数据的统计和换算结果,发现岩浆碳酸岩与沉积碳酸盐岩之间常量元素的一般含量无显著不同,但采用两组或逐步判别分析的方法,仍能将岩浆碳酸岩与沉积碳酸盐岩很好的区分开。判别效率可达90%以上。将这一方法应用到白云”鄂博矿区的“白云岩”和灰岩,90%以上的“白云岩”样品判为岩浆碳酸岩,灰岩的样品全部判为沉积碳酸盐岩,与它们的地质产状和地球化学特征一致。