空间抽样的理论方法与应用分析——以厦门岛问卷调查为例

在社会问卷调查中,面临调查样本点如何布局的问题,传统的空间抽样理论主要针对单目标抽样,而社会调查问卷往往涉及到多个调查目标,并且可能是类别数据,例如涉及到被调查对象的年龄、受教育程度等,因此需要在传统的抽样方法上进行适当的改进。本文从多目标空间变异的思想出发,针对社会多目标抽样调查,利用三明治空间抽样模型软件,以厦门岛住区问卷调查的需求为目标,平衡抽样精度和抽样成本,采用简单随机抽样、空间分层抽样和三明治空间抽样方法进行抽样。通过对比分析,结果表明:(1)先验知识不丰富的情况下,简单随机抽样的结果较合理,当有足够先验知识的情况下,进行空间分层抽样能使抽样的样点更具有代表性,提高抽样的精度。(2)空间抽样样点的分布主要与分层相关,分层等级越高,也就是复杂程度越高的区域分布的样点也就越多。(3)通过综合因素分层抽样和专家分层抽样的对比,分层的合理与否,与抽样结果的合理与否有直接的关联,在抽样过程中对分层的把握非常重要。本研究的目的是为厦门岛住区问卷调查选点提供依据,同时,通过复杂程度来描述各个区域的差异,也为建立多目标空间抽样模型提供了思路。     

基于深度置信网络的煤层含气量测井解释研究

为了解决煤层含气量定量解释问题,将煤层测井数据与煤心解吸数据作为输入和输出参数,构建深度置信网络(DBN),进而预测煤层含气量。研究以甘肃合水地区测井数据为例,筛选出该地区120组煤层样品作为DBN样本分析数据。选择短源距自然伽马、自然伽马、密度、长源距自然伽马和浅侧向5条测井曲线,作为DBN的输入参数,煤层气含量作为DBN的输出参数,研究RBM数量和隐藏神经元数量对计算结果的影响。并通过概率统计法、BPNN、DBN和SVM计算了30组煤层的煤层气含量,比较不同方法的预测效果。结果表明:①受限玻尔兹曼机(RBM)对DBN计算结果的精度有一定的影响,RBM数量达到7层时,预测结果准确性更高;②选择合适的隐藏层神经元数量,可以保证计算结果的精度和稳定性,神经元数量为20时,预测结果精度更高,稳定性更好;③RBM使得DBN的准确性高于BPNN,此外,DBN的计算准确性和稳定性高于概率统计法和SVM。