人工神经网络在地质学判别分析中的应用

将现代人工神经网络方法应用于地质学的判别分析，通过实例计算表明，无论是对于两组判别分析还是多组判别分析，人工神经网络方法都是切实可行的。     

1998年夏季南海水团分析

根据 1 998年夏季“南海季风试验 ( SCSMEX)”期间所获的 CTD资料 ,使用系统聚类、Fuzzy模式聚类、Bayes判别分析和 Fuzzy分析等水团分析方法 ,对南海水体的结构和水团配置状况等进行了分析 ,划出了南海存在的 9个主要水团 ,并对各水团的温、盐度特征进行了初析。在调查期间 ,南海本地水 (南海水 )几乎控制了整个调查海区 ,而黑潮水仅出现在台湾岛的西南海域 ;海水强烈混合发生在吕宋海峡附近 ;在中南半岛以东和吕宋岛以西海域 ,表层水明显下沉 ;在南海东南部可能有来自苏禄海的海水 ,其温、盐度特征类似于吕宋海峡中的黑潮水     

南海北部海区水团的判别分析

将判别分析应用于南海北部海区的水团分析。划分为八个水团:沿岸冲淡水团(F),近岸混合水团(M),暖表层水团(WS),表层水团(S),表—次层混合水团(SU),次层水团(U),次—中层混合水团(UI)和中层水团(I)。给出了各水团在四季代表月的Bayes多组判别的系数和参数。用资料检验判别的成效.冬季和春季可达95.90％以上,夏季为94.80％,秋季是全年最低值,为92.72％。讨论了造成错判的原因,并与Fisher判别作了比较。当测值维数较低时,建议选用Bayes判别。对八个水团以及各水团两两之间差异的显著性进行了检验,证实在每个季节中各水团之间的差异,都在高度置信水平(α=0.01)上具有显著性。因而,划分为八个水团是有实际意义的,其判别式的系数和参数,可用于实际的判别和预报。     

夏季降水量与气温资料的恢复试验

该文对我国汛期降水量和气温缺测资料及资料均一性恢复的方法进行试验研究。对单个气候地区（东北区），以及全国6个气候地区用逐步回归和逐步判别方法进行缺测1～5年恢复试验。对东北地区内所有站点的试验表明，逐步判别分析方法比逐步回归分析方法恢复效果好些；选择邻站用判别分析方法建立的恢复模型，效果更好。全国气候地区试验表明，选择邻站的判别分析方法有较好的恢复效果。     

数学地质在矿山研究中的应用--判别分析归类矿体属性实例

数学地质方法为宏观地质研究提供了定量的可能。判别分析对研究未知属性矿体的归属有着重要的意义。苏州西部地区通安——潭山多金属成矿带中，小茅山铜铅锌矿段，潭山铅锌银铁矿段位于成矿带的两端，属性已知。该成矿带中有一未知属性的铜铅锌银迂里矿段，用判别分析方法对其归类。研究结果表明，未知属性的迂里矿段归属潭山多金属硫化物矿床类型，即高—中温多金属硫化物矿床类型。     

养殖曼氏无针乌贼(Sepiella japonica)的两性异形及判别模式的建立

两性个体的有效鉴别是曼氏无针乌贼高效繁育及养殖模式(如单性养殖)建立的基础。为研究曼氏无针乌贼主要形态指标及雌雄形态差异,测量了160只F1代曼氏无针乌贼的19项可测量性状及13项标准化性状。采用聚类分析、主成分分析和判别分析方法研究了曼氏无针乌贼同生群两性间的形态差异。结果表明:两性间可测量性状和标准化性状各有10项有显著性差异(P0.05);对标准化性状经过主成分分析和R-聚类分析均显示曼氏无针乌贼的两性的差异主要集中在辅助交配器官特征,头部特征,捕食器官和肥瘦特征以及体型特征等4个方面。在此基础上,通过逐步判别法从标准化性状中筛选出3项,即左3腕长/胴长、左4腕长/胴长及左触腕长/胴长,建立了雌雄的判别方程:雄性:F1=223.42X3+165.85X4+7.951X5–108.06;雌性:F2=151.48X3+92.71X4+19.19X5–60.38。所建立的判别方程,对样本群体的综合判别率达到95.00%。利用F2代亲体测量数据对判别函数进行识别验证,综合判别率达到85.34%。在判别方程中的3个标准化性状中,左3腕长/胴长和左4腕长/胴长在两性亲体间均存在显著的差异(P0.05),表明曼氏无针乌贼的雄性在性选择的作用下,交配器官存在显著差异。     

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。     

沙尘暴天气的归类判别分析预报模式

在大量分析了历史上 4 0年发生在内蒙古中西部地区的 37场沙尘暴天气过程的基础上 ,总结归纳了其大气环流特征 ,将他们划分成 4个环流类型。参考SaatyT .L .,提出的综合选优的方法[1] ,建立判别矩阵 ,然后计算归类判别预报 ,根据判别函数值判断实时待判样本的归属。参照归属类历史沙尘暴的天气形势和实况出现的范围以及强度作出沙尘暴天气预报 ,并设计了一个沙尘暴天气的归类判别分析预报模式。该模式已较成功地应用于 2 0 0 0年春季内蒙古地区的沙尘暴天气预报业务中 ,取得了较好的预报效果。实践证明 ,它是一个客观化、定量化和计算自动化的实用的预报模式 ,是我们目前作沙尘暴预报的重要技术手段之一。     

松毛虫危害的光谱特征与虫害早期探测模式

根据生态学特征，本文将松毛虫危害的针叶样品分为５个等级，对其反射光谱和叶绿素含量进行了测量分析。结果表明，随受害程度加重，叶绿素含量降低，５５０ｎｍ处的反射率、近红外肩反射率与红光最低反射率之差及红界一阶导数谱最大值均呈下降趋势，６３０ｎｍ处反射率呈上升趋势，红界光谱蓝移、叶绿素反射峰红移明显。应用逐步判别分析法对比分析证实了细分光谱特征参量比绿、红、近红外三波段反射率参量有更强的判别分类能力，这就为用细分光谱特征参量早期遥感探测松毛虫害提供了判别模式。     

Bayes判别分析法与地震短临预测

建立了一套完整的Bayes判别分析方法,并提出了明确的衡量综合预测结果所冒风险大小的风险代价比Kdn该方法可用于不同时间尺度的地震综合预测。选取云南地区1994～1996年的水氡观测资料,采用X2统计检验法识别前兆异常,利用Bayes判别分析方法对云南地区的强震活动性进行了内符检验和外推预测。在风险代价比Kdn取4的情况下,内符检验的R值可达0．54,外推时空占有率0．07,获得了满意的效果。