节理产状分组的k均值聚类分析及其分组结果的费歇尔分布验证法

裂隙岩体内的节理往往是变化的,有时甚至变化很大。测得大量节理产状以后,对其分组是一项基础性的工作,但是如何分组目前还没有很好的理论和方法。采用快速聚类分析的方法,将节理产状的样本数据划分为不同的簇,利用极大似然估计的原理,通过数值方法求解费歇尔概率分布模型的参数,并用皮尔逊检验说明了费歇尔逊概率模型的有效性。通过不同簇的概率模型计算及其簇心的分布特性比较说明了簇数分类的适度性。利用所提出的快速聚类分析方法及其推导的计算公式,可以方便地求解费歇尔分布的参数。结合皮尔逊检验,形成了解决这类问题的系统实用的方法。     

分形-判别非线性数学模型及勘探线剖面致矿地质异常分析

判别分析模型是多变量线性统计模型,但自然界更多现象是非线性的。通过将非线性科学中分形几何学与传统的判别分析模型相结合导出分形－判别非线性数学模型,并应用于某铜金矿床勘探线剖面的致矿地质异常分析中,与传统的判别分析方法相比,明显地提高了判对率。     

用模糊聚类和逐步判别分析方法识别低电阻率油气层的方法研究

针对低电阻率油气层成因的多样性、复杂性,利用模糊聚类分析技术、逐步判别分析等方法,对辽河油田海南构造带４２口井进行低电阻率油所层的识别,建立一套识别低电阻率油气层行之有效的测井解释方法。该方法对老井低电阻率油气层的挖潜和新井低电阻率油气层的识别有很好的实用性。     

应用统计法作金刚石找矿中铬铁矿的属性判别

根据金伯利岩、钾镁煌斑岩、金刚石包体及其它岩石中铬铁矿电子探针分析成果的统计,发现铬铁矿随着Cr_2O_3含量的降低,其它组分具有四种演化趋势。一般一种岩石中的铬铁矿只有一种演化趋势,唯有金伯利岩、钾镁煌斑岩中有两种演化趋势共存。根据统计资料,采用Cr_2O_3-TiO_2、Cr_2O_3-Al_2O_3和MgO含量,建立了金伯利岩、钾镁煌斑岩中铬铁矿属性判别图,图中三个区间可提供岩石类型、含矿性及保存性三种信息。     

基于元素Mn、Co、Cd、Mo的海相沉积岩有机质 富集因素判别指标在四川盆地北缘的应用

基于金属元素Mn、Co、Cd、Mo的海洋富有机质沉积岩沉积环境和有机质富集主控因素判别指标Al—Co·Mn和Co·Mn—Cd/Mo,能够有效地区分促进有机碳埋藏的两种海洋端元沉积环境:大陆边缘开放/上升洋流环境和滞留的边缘海盆环境。利用这种方法研究了四川盆地北缘城口县月亮坪剖面五峰组和龙马溪组页岩沉积时期的水体环境和有机质富集的主控因素。研究表明五峰组Mn、Co富集程度低,Mo富集程度自下而上明显增大;龙马溪组Mn整体亏损,Co富集程度低,Mo富集程度自下而上明显减小。Al—Co·Mn方法的使用发现滞留环境主要出现在五峰组早期和龙马溪组晚期,以及观音桥段附近,而五峰组中晚期和龙马溪组早—中期水体主要处于开放/上升洋流区。剖面[w(Co)/(μg/g)]·[w(Mn)/(%)]值均小于平均页岩值1.615;五峰组Cd/Mo值整体大于正常海水值0.006,全部小于平均页岩值0.308,龙马溪组整体小于正常海水值。Co·Mn—Cd/Mo联合图版的使用发现月亮坪剖面五峰组和龙马溪组有机质富集主要受到保存条件控制,与使用U/Th、V/Cr、P/Ti、Ba/Al与TOC相关性分析得出的结论一致。基于金属元素Mn、Co、Cd、Mo的判别指标对于判断古生代大陆边缘地区富有机质页岩沉积环境及有机质富集主控因素有较好的效果。     

基于相关系数和Fisher最优分割法的汛期分期研究

从径流形成原理出发,提出了采用降雨径流相关系数作为汛期分期指标的基本思路。以陕西省石头河水库1954~2007年的日降水和日流量资料为基础,采用主成分分析法对影响时段径流的因素进行了分析,筛选出了影响不同时段径流量的主要因素,计算了主要影响因素与时段径流量的相关系数,采用Fisher最优分割法将石头河水库汛期划分为汛前过渡期(4月1日~5月20日)、前汛期(5月21日~7月10日)、主汛期(7月11日~8月10日)、后汛期(8月11日~9月20日)和汛后过渡期(9月21日~10月31日),并结合区域气候特点和实际发生的洪水对成果进行了合理性论证。该方法资料要求低,计算简便,具有一定的推广应用价值。     

基于最优极化相干系数的倾斜建筑物解译研究

基于Freeman_Durden分解的全极化SAR影像分类方法能够较好地保持地物极化散射特性,但在分类的过程中,不能改变初始散射机制,导致分解结果对分类精度影响很大。在Freeman_Durden分解中,排列方向相对雷达飞行方向不平行的建筑物（简称为倾斜建筑物）常被分为体散射类型,使得该类建筑物往往被误分为植被。本文通过分析建筑物在SAR影像中的后向散射特性,利用建筑物具有较高相干性的特点,引入最优极化相干系数,在目标分解的基础上通过阈值分割将两者区分开来,进而提高反射非对称性人工目标的分类效果。通过使用E-SAR系统在德国DLR附近Oberpfaffenhofen地区获取的L波段PolInSAR影像和国内X-SAR系统在海南陵水地区获取的X波段PolInSAR影像进行实验,证明本文提出的方法能够有效地将与雷达飞行方向不平行的建筑物与森林区分开。     

基于Bayes判别法的霜生自动化观测模型探讨

利用安徽砀山气象站的2001—2013年冬半年(10月至次年4月)的观测资料,探讨霜生与气温、地温、水汽压和风速等气象要素的相关性,并基于Bayes判别方法,采用逐步判别分析,建立多套霜生自动判别模型。结果表明：(1)霜是否出现与日最低及夜间不同观测时次的气温、地表温度显著相关,当夜间气温或地表温度越低,低于霜点的可能性越大,结霜的可能性也越大。(2)通过回算性检验和独立样本的预报性检验,基于Bayes判别法的霜生模型,对霜未发生的平均判别准确率达到86.5%,对霜发生的平均判别准确率达到92.7%,其中用日最低地温、当日07时水汽压和当日07时风速所建立的三要素模型最优,对霜发生的判别准确率可达到90%以上。因此,可以将Bayes霜生判别模型与图像识别技术相结合应用于霜的自动化观测。     

Trend removal in spatially correlated datasets

Typically, datasets originated from mining exploration sites, industrially polluted and hazardous waste sites are correlated spatially over the region under investigation. Ordinary kriging (OK) is a well-established geostatistical tool used for predicting variables, such as precious metal contents, biomass, species counts, and environmental pollutants at unsampled spatial locations based on data collected from the neighboring sampled locations at these sites. One of the assumptions required to perform OK is that the mean of the characteristic of concern is constant for the entire region under consideration (e.g., there is no spatial trend present in the contaminant distribution across the site). This assumption may be violated by dalasets obtained from environmental applications. The occurrence of spatial trend in a dataset collected from a polluted site is an indication of the presence of two or more statistical populations (strata) with significantly different mean concentrations. Use of OK in these situations can result in inaccurate kriging estimates with higher SDs which, in turn, can lead to incorrect decisions regarding all subsequent environmental monitoring and remediation activities. A univariate and a multivariate approach have been described to identify spatial trend that may be present at the site. The trend then is removed by subtracting the respective means from the corresponding populations. The results of OK before and after trend removal are being compared. Using a real dataset, it is shown that standard deviations (SDs) of the kriging estimates obtained after trend removal are uniformly smaller than the corresponding SDs of the estimates obtained without the trend removal.     

On the use of orthogonally stepwise regression discrimination for predicting copper ore deposits of Dongchuan type in central Yunnan, China

In the prediction of ore deposits, a series of geological, geochemical, and geophysical characters are used to describe the model of ore deposits. The problem is how to use the characters of known ore deposits to establish the model and to look for the target areas with similar geological environments. This can be done with a powerful mathematical tool—discriminant analysis. Nevertheless, there generally are too many geological variables to describe a class of ore deposits. Some of them are discrete, and the others are continuous. It is also difficult to know their distributions. A satisfactory method of discrimination has not been developed for such a complicated case. For this reason, we introduce a new method of orthogonally stepwise discrimination. We used this method to predict copper ore deposits of Dongchuan type in central Yunnan, China, with satisfactory results.