一种多因子相关计算方法

采用分析与图解相结合的方法解决多因子非线性相关计算,求回归方程问题。先从多个因子中找出对倚变量影响最大的一个因子,作单相关曲线,求残差;再从余下的因子中找出对残差影响最大的因子,作相关曲线,求残差,直到剩余各因子对残差影响相当;最后用剩余因子线性分解残差,从而求得多因子非线性回归方程。     

矿石伴生组分储量计算中多元回归方程式的应用

综合利用矿产资源十分重要。一些稀散元素,如铋、钻、铼等大都通过综合回收来解决。本文试图在矿石综合利用时,通过多元回归分析查明物质间的依存关系来计算伴生元素储量。逐步回归是考察和研究各元素间联系密切程度的一种数学分析方法,参加回归方程的几个变量中,有些因子表面看来与Y(变量)的相关性很密切,但几个变量合起来逐步回归时因子的变化在Y的回归方程中意义不大。变量间本来有着相关联系,但在回归时它对Y的作用却被其他因子所代替,若留在回归方程中既增加计算的上麻烦,又增加回归方程的不稳     

泥石流流速公式探讨

本文首先对常用的泥石流流速计算公式存在的问题进行了分析，然后根据观测数据，建立了精度较高的计算泥石流流速的回归方程。由于参加统计的资料参数变化范围大，地域广，迭用的自变量少且可操作性强，故新公式具有推广价值。     

初始地应力场多方程回归分析

在初始地应力场分析问题中,采用了多方程回归方法。该模型同时考虑了一组变量(包括自变量与因变量)之间的所有关系。在此基础上,采用逐步回归法进行计算,进一步提高了计算精度。由此,得到了回归效果更显著的初始地应力场。     

矿（岩）石样品化验误差分析及处理方法

样品的化验误差分析及处理，在地质勘探工作中是经常遇到的问题，本文通过概率论与数理统计分析，应用样品基本分析和检查分析两组数据进行统计计算，找出基本分析中是否存在系统误差（用概率系数与临界值判断），同时进行相关分析，当确定存在系统误差和相关密切时，进一步配制回归方程，用回归值来对基本分析品位校正，最后作误差检验，评价样品质量，决定取舍。     

基于GIS的分组数据Logistic模型在斜坡稳定性评价中的应用

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%.     

利用非稳定流抽水试验资料求解水文地质参数的新方法

针对目前利用非稳定流抽水试验资料求解水文地质参数所存在的问题,通过对泰斯非稳定流计算公式中井函数的优化拟合,建立了一个二元线性回归方程,利用求解回归方程中的待定常数反求含水层的水文地质参数的新方法,与传统的其它计算方法比较,本文方法具有计算简捷,不依赖图表,求解精度高等优点.     

特征分析模型研究

本文讨论了特征分析模型变量赋值问题,由此研究了传统的特征分析存在的一些问题,并对成矿有利度计算公式、变量权大小计算作了相应修正与改进,最后讨论了模型少的变量权的几种方法,并引用应用实例进行说明.     

偏最小二乘回归神经网络的矿坑涌水量预测

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。     

PC—1500机逐步回归分析程序

一、程序功能使用本程序用户能事先给定做F检验的临界值F_1,F_2,然后通过各变量方差贡献的显著性检验,逐步对变量进行挑选,使最终的回归方程中只保留对回归方程贡献较大的变量。并能同时计算出剩余平方和、方差,复相关系数,剩余标准差。当计算完毕后,可改变因变量再进行计算。机器容量为:16K模块NM+M~2+3M+2N<1930,8K模块NM十M~2+3M+2N<930 二,方法简述请参阅壬学仁编著《地质数据的多变量统计分析》,(P82—87),科学出版社,1982。     

地质数据回归分析的自变量迭代变换

回归分析是地质数据处理中应用最广的一种统计分析方法,尤其是其中的线性回归模型应用最广泛。模型中的变量,包括因变量和自变量,均被看作是线性的,但实际计算时,这些变量却可以看成是原始观测值的一种非线性的变换。     

长春地区粉质黏土导热系数与其物性参数相关性研究

为研究导热系数与影响因素之间的相关关系,建立导热系数的推算公式,以长春地区粉质黏土为研究对象,对原状土样的导热系数与其物理参数之间的相关性进行回归分析。制作9个重塑土样,测其相关的参数值,以验证回归方程的适用性。结果表明,回归分析建立导热系数与2个物理参数之间的关系式不成立;考虑天然密度、含水率和孔隙度为自变量,其分别对应的相关性系数T检验显著值(Sig)都0. 05,复决定系数为0. 886,建立的回归方程成立,自变量能准确解释因变量的变化,且含水率与导热系数呈负相关,天然密度和孔隙度呈正相关。重塑土样相关参数代入回归方程得到的导热系数值与实验实测值之间相对误差低于4%,验证了该回归方程的普遍性和适用性。     

水文系列随机插补的初步探讨

在水文分析与计算中,当实测流量系列较短时,常采用回归直线来插补延长系列。设研究变量 y 仅有 n 年资料,而参证变量 x 有 N(>n)年资料,则根据 y 与 x 的 n 年同期观测资料(x_i,y_i),i=1,2,……,n,求得回归方程为     

重磁异常有界变量线性规划反演

本文指出了重磁异常线性规划反演中存在的问题,在传统线性规划反演数学模型中引入有界变量,并化成有界变量线性规划的标准形式直接求解,从而提出了有界变量线性规划反演方法,模型与实例计算表明新方法具有较高的反演精度。     

数理统计在化探中的应用简介(六)

5.多元线性相关分析多元线性相关分析涉及的内容较多,现只着重介绍两方面的问题:一、如何根据几个变量的联合来预测另一变量,以改善预测的精度;二、如阿分析变量之间错综复杂的关系.上述任务,主要通过计算回归方程、复相关系数及偏相关系数来完成.下面以某铂矿氧化带内一探槽中18个样品的Pt、As、Ag、Cu的分析结果为例,说明具体方法.整个计算可分三个阶段:(1)计算相关矩阵所距相关矩阵,所谓相关矩阵,即将变量所有可能的两两组合的相关系数列成表格,如表7.例如Pt-Ag的相关系数     

一元线性回归分析在电测深曲线解释中的试用

为了深入了解事物的本质,常常要求找出各种变量之间所存在的某种关系式,在地质科学中这类问题很多,电法勘探亦不例外。即参数ρ_s与h之间存在着一定的相关关系。如某一地层的埋深与反映该层的某一区段上的ρ_s（或变换后的参数）或ρ_s曲线上的特征点(极大点、极小点、拐点、切交点等)及其它参数之间存在着某种相关关系,这种相关关系可由一元线性回归方程或可化为线性回归方程的曲线方程来表示。      

星座图和连接向量图程序

星座图和连接向量图是多维数据点图法中的两种方法,即把地质、地球化学找矿评价中所取得的多维数据表示在一张图上,具明显直观的特点. 星座图是把样品的各变量值表示在半圆内,很象天文学上表示星座的图象.根据各样品在图中星座的接近程度以及路径的差异来确定样品的相似程度、组分特征,以解决样品的分类.还可根据已知样品对未知样品进行分类评价. 连接向量图是用来表示一个因变量与一组自变量关系的回归分析数据.它是对变量而言.可用图型来研究因变量与自变量之间,自变量之间的关系.它能对变量分类,研究变量组合之间的关系,对地     

混合类型地质变量亲近关系度量模型

矿产资源定量预测中,地质变量在时间域与空间域上存在着质与量的差别,无论在数据采集上或信息量的提取中都存在着不平衡性。地质变量的这种不平衡性是由地质背景中的庞大噪声体系及工作系统误差造成的,在一定程度上将影响地质定量预测模型的稳定性与效果。针对上述问题提出一种将传统地质变量与非传统地质变量进行语义融合的组合度量方法。该法主要通过模型区与预测区中的共有变量集合与独有变量集合筛选,确定传统变量与非传统变量的定义与赋值方法,再通过空间联系度混合游程检验与质检验确定母体归属关系,建立非传统地质变量的替代组合度量模型,解决模型区定量预测模型外推过程中的质量塌陷与信息丢失问题。最后通过实际案例计算证实了该方法的有效性。     

利用相关分析划分重力异常

本文从理论上对相关分析法区分重力异常的可行性进行了论述，并从一元线性回归方程着手，对大地水准面上的重力值与相应的地形高程作了相关分析，通过分析，认为在区域性小比例主均衡补偿基本完善的条件下，重力值与高程有极好的线性相关关系；当计算窗口较大时，地下的局部不均匀体，不足以破坏重力值与高程的相头发一，所以，在实际工作中，利用相关分析处理重力资料的叠加场，可以收到较好的效果，且方法简单易行。     

微机程序通报

程序名称:逐步回归分析程序。功能:在给定F统计量的临界直的情况下,对标本进行逐步回归分析,可给出自变量与应变量的均值、标准差方程的回归系数、T检验值,并打印出原始数据,应变量的计算值和残差值。适用机型:TRS-80机。语言:BASIC语言。研制单位与人员:中国科学院地球化学研究所徐建国。