基于主成分分析与K-L变换的双重属性优化方法

利用主成分分析客观赋权原理计算地震属性在预测目标参数时贡献率的大小,通过去除权重系数较小的属性参数,实现了地震属性的敏感性分析,建立储层参数与有效属性之间的匹配关联;在此基础上,利用K-L变换将属性样本空间的高维属性映射为低维属性,去除了属性之间的相关性,有效地解决了属性组合的优化问题,表明了主成分分析和K-L变换相结合的属性双重优化方法克服了单纯使用每种方法时的局限性,充分发挥了各自的优点,有助于属性分析、关联以及组合优化问题的解决,提高了地震储层参数预测的运算速度和精度.     

井控主成分分析技术在储层预测中的应用

南堡凹陷中浅层火成岩类型多、非均质性强,利用单一技术方法难以有效刻画火成岩和砂岩储层的空间分布,制约了中浅层砂岩油气藏的勘探开发。在岩石物理交会分析基础上,利用对岩性响应敏感的纵波阻抗、伽马、泊松比和甜点4类地震属性和PCA主组分降维技术,对玄武岩、蚀变火成岩、砂岩、泥岩四类岩性进行了有效的区分,利用创新的井控综合解释技术获得了最终岩性体数据,达到在复杂岩性背景下准确识别砂岩储层的目的。结果表明,地震预测与实钻情况吻合程度较高,达到87.1%,预测的火成岩与砂岩分布特征与区域地质认识相匹配,为研究区滚动开发和开发调整提供了有力技术支撑。     

主成分-距离水质识别水源模型主成分的选取

为了寻找最佳主成分以使水质识别水源模型效果最好,以焦作矿区水质数据为例建立主成分-距离水源识别模型并进行回代验证和交叉验证,正确识别率达到82. 9%;同时对四个不同矿区分别建立模型,发现主成分分别选取4、4、4、3个时识别效果最好,回代正确率和交叉正确率分别达到87. 5%、97. 1%、93. 9%、93. 1%和83. 3%、94. 3%、90. 9%,89. 7%。结果表明:主成分-距离水质识别水源模型能够很好地判别煤矿突水来源;在交叉验证率最大时,选取最大回代验证率对应的主成分,模型识别效果最好。     

基于主成分分析和因子分析的宁夏水资源承载力研究

为了探求宁夏水资源承载力状况,利用主成分分析法和因子分析法,在分析宁夏2004~2014年水资源承载力状况的基础上,对宁夏5市2013年水资源承载力分水资源支持力、社会经济技术水平和社会生活水平3个方面进行综合考虑,得到宁夏5市的水资源利用状况指数和分级标准。具体得到以下几个结论:(1)2004~2014年间,宁夏水资源承载力仅在2005~2006年有所波动,其余年份两种方法结果一致,11年间保持稳定上升;(2)对于宁夏5市2013年水资源承载力状况,主成分分析结果由大到小排序为吴忠市、银川市、石嘴山市、固原市和中卫市,因子分析结果由大到小排序为吴忠市、银川市、固原市、石嘴山市和中卫市;(3)建立宁夏5市水资源承载力状况分级阈值,主成分分析下吴忠市和银川市的水资源利用状况高,石嘴山市的水资源利用状况中等,固原市和中卫市的水资源利用状况低;因子分析下吴忠市和银川市的水资源利用状况高,其余3市水资源利用状况都较低。     

基于主成分分析的干旱综合指标构建及其应用

探讨了干旱综合指标的构建,提出采用主成分分析法将降雨、径流及土壤含水量等水文气象要素融合为一个干旱综合指标,并将该指标应用于干旱过程识别和干旱频率分析,且以南盘江上游西桥水文站以上区域为例,将基于干旱综合指标计算的干旱重现期同基于降雨、径流和土壤含水量等单指标计算的干旱重现期进行对比分析。结果表明:采用主成分分析法构建的干旱综合指标是合理可行的。     

求解大样本核主成分分析模型的Lanczos算法

求解核主成分分析模型的技术关键是确定核矩阵端部的较大特征对。把求解大规模对称矩阵端部特征对问题的基本方法--Lanczos算法应用于核主成分分析模型的求解,设计了大样本核主成分分析模型求解的实用算法。在clapack和nu TRLan两个软件包的基础上,开发了大样本核主成分分析模型求解算法的VC++程序。用高光谱遥感图像数据进行模型求解算法的应用试验研究,证明了大样本核主成分分析模型求解算法的实用性。     

广州市水资源承载力的主成分分析

水资源承载力是衡量经济社会可持续发展的重要指标.本文以广州市水资源承载力为研究对象,在现有资料的基础上,运用主成分分析法从14个指标中提取出影响水资源承载力动态变化的两个主成分,并对广州市水资源承载力年际变化进行了综合评价.结果表明:2005-2010年,广州市水资源承载力呈现逐年下降的趋势.但就目前情况来看,通过扩展供水工程、加强节水措施等能缓解供需矛盾,水资源承载力还存在一定的提升空间.     

基于主成分分析法的新乡市地下水水质评价

以新乡市7个地下水水质监测断面为研究对象,采用主成分分析法分析了影响地下水水质的主要因素,并对断面水质进行排名.结果表明,使用主成分分析法,可将6个水质指标综合为2个主成分进行解释,解释率为96.464％,水质综合控制指标为总硬度、溶解性固体、硫酸盐和锰.主成分分析法预测结果与文献中使用的熵权集对分析法预测结果很好的吻...     

基于主成分分析和BP神经网络的五道沟水面蒸发计算研究

针为探讨五道沟水面蒸发量与气象因子间的关系,准确估算该地区水面蒸发量,选取五道沟1991—2019年水面蒸发量以及气象因子实测资料,基于主成分法分析水面蒸发量的影响因素,并结合BP人工神经网络算法建立了水面蒸发计算模型.结果表明:主成分分析提取了三个主成分,第一主成分为地表温度、饱和差、绝对湿度、平均气温以及水汽压力差...     

基于主成分分析的重力侵蚀区域提取方法研究

历史重力侵蚀是研究区域重力侵蚀危险性的一个重要数据,通过多期航片、卫星影像结合野外调查是快速确定重力侵蚀发生区域的主要方法.以马来西亚金马仑高原作为研究区,选取不同时相的SPOT5数据,运用主成分分析方法,提取发生重力侵蚀的区域.研究表明,通过多时相主成分分析得到的第二主成分主要反映了地表植被的变化信息,运用阈值法可快速提取可能发生重力侵蚀的区域.     

Statistical inverse analysis based on genetic algorithm and principal component analysis: Method and developments using synthetic data

This study concerns the identification of parameters of soil constitutive models from geotechnical measurements by inverse analysis. To deal with the non‐uniqueness of the solution, the inverse analysis is based on a genetic algorithm (GA) optimization process. For a given uncertainty on the measurements, the GA identifies a set of solutions. A statistical method based on a principal component analysis (PCA) is, then, proposed to evaluate the representativeness of this set. It is shown that this representativeness is controlled by the GA population size for which an optimal value can be defined. The PCA also gives a first‐order approximation of the solution set of the inverse problem as an ellipsoid. These developments are first made on a synthetic excavation problem and on a pressuremeter test. Some experimental applications are, then, studied in a companion paper, to show the reliability of the method. Copyright © 2009 John Wiley & Sons, Ltd.     

Statistical inverse analysis based on genetic algorithm and principal component analysis: Applications to excavation problems and pressuremeter tests

This study concerns the identification of constitutive models from geotechnical measurements by inverse analysis. Soil parameters are identified from measured horizontal displacements of sheet pile walls and from a measured pressuremeter curve. An optimization method based on a genetic algorithm (GA) and a principal component analysis (PCA), developed and tested on synthetic data in a previous paper, is applied. These applications show that the conclusions deduced from synthetic problems can be extrapolated to real problems. The GA is a robust optimization method that is able to deal with the non‐uniqueness of the solution in identifying a set of solutions for a given uncertainty on the measurements. This set is then characterized by a PCA that gives a first‐order approximation of the solution as an ellipsoid. When the solution set is not too curved in the research space, this ellipsoid characterizes the soil properties considering the measured data and the tolerate margins for the response of the numerical model. Besides, optimizations from different measurements provide solution sets with a common area in the research space. This intersection gives a more relevant and accurate identification of parameters. Finally, we show that these identified parameters permit to reproduce geotechnical measurements not used in the identification process. Copyright © 2009 John Wiley & Sons, Ltd.     

基于灰色关联度分析法和主成分分析法对泥页岩储层评价方法的探讨

泥页岩储层的影响因素众多,明确各因素间的内部联系才能更好地评价储层。为对比灰色关联法和主成分分析法在储层评价中的适用性,本文选取鄂尔多斯盆地东缘上古生界Y88井丰富的储层数据进行分析。通过对比两种多元统计方法的原理、算法和结果,认为主成分分析法把各项因子视为离散变量,通过降维后用三个综合评价指标来反映储层的优劣,是对各项指标的概括性分析;灰色关联法将参数分为参考数据列和比较数据列,参考数据列的有机碳含量高低与储层的优劣成正相关,参考数据列对评价对象具有可测性。因此,若是对评价对象的概括性分析,用主成分分析法比较合适;若是对评价对象的可测性分析,如有机碳含量的高低决定能不能形成泥页岩储层,则用灰色关联法评价更合理。     

基于主成分和半参数的大坝变形监测回归模型

主成分分析在一定程度上可以解决大坝变形监测回归模型因子间的复共线性,然而当提取的主成分信息不充分时,主成分回归用于大坝安全预测可能失效。提出以主成分分析提取的主成分作为半参数回归的参数分量,剩余成分和模型误差作为未知的非参数分量对主成分回归进行补偿,建立一种基于主成分和半参数的大坝变形监测混合回归模型。利用某大坝实测资料进行建模分析,结果表明该混合模型能克服回归因子间的复共线性,避免半参数回归补偿最小二乘估计中法矩阵的病态性,比传统的主成分回归和逐步回归模型具有更好的拟合和预报精度。     

基于主成分-时间序列模型的地下水位预测

地下水位预测是区域水资源管理的重要依据。针对地下水位在时间序列上表现出高度的随机性和滞后性,建立了基于主成分分析与多变量时间序列CAR（Controlled Auto-Regressive）模型耦合的地下水位预报模型,将该模型应用于济南市陡沟灌区地下水位预测,结果显示,模型模拟值与实测值的决定系数R2和Nash-Suttcliffe系数E_ns均达到0.90以上;以2011年为基准年,当降水量减少10%~20%,蒸发量和生活用水量增加10%~20%,调入27.39万~137.0万m3地表水用于农业灌溉时,到2030年灌区地下水位将维持在30.99~31.29 m,较基准年上升0.12~0.42 m。在区域水资源紧缺的背景下,适当引入地表水灌溉,减少地下水的开采,灌区地下水位将逐步回升,对于灌区的可持续发展和区域水资源的合理利用具有重要意义。     

Multiple group principal component analysis

Common Principal Component Analysis is a generalization of standard principal components to several groups under the rigid mathematical assumption of equality of all latent vectors across groups (i.e., principal component directions), whereas the latent roots are allowed to vary between groups (differing inflations of dispersion ellipsoids). In practice, data that fulfill these strict requirements are relatively rare. Examples from palaeontology are used to illustrate the principles. Compositional data can be made to fit the Common Principal Component (CPC) model by the appropriate logratio covariance matrix.     

主成分分析在航空瞬变电磁去噪中的应用

由于航空瞬变电磁二次场数据是一种宽频带信号且幅度较小,因此常常受到随机噪声、天电噪声以及人文噪声的影响。研究针对上述噪声的去噪方法,可以提高处理和解释的精度。这里给出了基于主成分分析的航空瞬变电磁去噪方法,首先应用主成分分析方法对叠加抽道后的单测点衰减曲线进行分解,然后应用曲线趋势对比法和L曲线法对分解后的成分进行分析,确定出有效信号成分,最后使用这些有效信号成分进行重构,从而达到抑制噪声的目的。模拟信号分析以及实测数据的实验结果表明,应用主成分分析法处理航空瞬变电磁数据,在保持反映地下介质分布的有效信号幅度基本不变的条件下,能有效抑制天电噪声和人文噪声,为保幅处理和解释奠定了良好的基础。     

Grid interpolation algorithm based on nearest neighbor fast search

The nearest neighbor search algorithm is one of the major factors that influence the efficiency of grid interpolation. This paper introduces a KD-tree that is a two-dimensional index structure for use in grid interpolation. It also proposes an improved J-nearest neighbor search strategy based on ??priority queue?? and ??neighbor lag?? concepts. In the strategy, two types of J-nearest neighbor search algorithms can be used; these algorithms correspond to the consideration of a fixed number of points and a fixed radius. By using the KD-tree and proposed strategy, interpolation can be performed with methods such as Inverse Distance Weighting and Kriging. Experimental results show that the proposed algorithms has high operating efficiency, especially when the data amount is enormous, and high practical value for increasing the efficiency of grid interpolation.     

基于PCA-SVR的煤层底板突水量预测

提出了一种基于主成分分析支持向量机回归(PCA-SVR)的煤层底板突水预测方法,用主成分分析来解决输入变量的选择问题。主成分以较少的维数包含了高维变量所携带的大部分信息,这不仅避免了过多的输入导致训练速度慢,同时也保证了预测准确度。实例表明,所提方法可有效消除众多影响因素间的相关性,减少输入变量个数,提高预测效率和精度。