利用地震多参数预测油水边界

为了解奂徐集复杂断块地区含油范围预测问题，使用了地震多参数分 析法。多参数分析法是充分利用各种地球物理参数(振幅、频率、相位及 速度等)，并将各参数测定结果与地质因素相结合，引用判别函数以判定 其含油性，进而预测早期油水边界。利用地震多参数分析法，在徐集地区 预测早期油水边界已取得了较好的效果。     

长春机场冬季低能见度成因分析及预报

本文从长春机场冬季低能见度的成因分析出发。选择4个组合因子,制作了判别函数,用独立资料检验预报机场能见度的综合识别率达90％。     

主成分分析与Bayes判别法在突水水源判别中的应用

准确有效地判别突水水源是解决矿井水害的前提条件。基于淮北袁店二矿各含水层共59个水样水质化验资料,利用主成分分析法,计算各水样的因子得分,并进行系统聚类,剔除错误样本。利用剩余水样作为学习样本,检验Bayes判别函数的判定准确性,得出准确率为92.5%,并进行交叉验证。利用该判别函数对某工作面底板下一富水区水样进行判别,结果与实际情况吻合。结果指示基于主成分分析与Bayes判别法较单一Bayes判别法更加准确,能够消除样本变量之间的相互影响,实现对突水水源的快速有效判别。      

基于序列参数的水库地震类型综合判定研究

收集整理了我国大陆东部地区44 组水库地震序列,其中震群型32 组,主余型和孤立型12 组。分别计算了44 组序列的h 值、b 值、归一化熵值K、能量均匀度U、地震发生方式参数ρ 等5 个序列参数。在95% 的置信水平下,对每一参数分震群型、主余型加孤立型两大类进行差异性检验。结果表明,h、U、ρ 值对水库地震序列类型的分类能力不强;b 值平均值虽存在一定差异,但数值分布范围有部分重叠;K 值差异性显著,K = 0. 35 可作为区分震群型与主余型加孤立型两类水库地震序列的判别指标。在此基础上,建立以上述5 个参数为自变量的Fisher 判别函数,用于序列类型的综合判定。结果显示,所有数据全部参与建立判别函数并进行回溯性内符判别检验,识别正确率为97. 6% ;利用32 组序列参数参与判别函数建立,另外10 组进行外推检验,识别正确率为100% ,表明上述综合判别方法具有较高的水库地震序列分类能力。     

人工神经网络方法在鹤壁汛期降水预报中的应用

在用经验统计方法和降水判别函数进行24h和12h晴雨预报的基础上，再用BP人工神经网络建立降水量级预报模型。经2003年汛期试用，预报准确率高于上级指导预报准确率，12h预报准确率高于24h预报准确率。     

甘肃寨上金矿床构造地球化学特征

寨上金矿位于西秦岭中部岷-礼成矿带西部,所发现的三十余条金矿化脉体的空间分布及其产出特征严格受断裂和褶皱的双重控制,以扎麻树背斜为界分为南北2个成矿带,产出的已知矿脉均严格受控于NWW向断裂.通过对寨上金矿50件构造地球化学样品16种微量元素数据的聚类分析、因子分析,以及对样品元素的组合特征研究,北矿带含矿断裂的元素组合为Au,Bi,Pb,Zn;南矿带的为Au,Sb,Hg,Cu,Zn,Pb,Co,Bi,As.以已知的矿与非矿构造样品为母体,利用多元统计判别分析,建立了断裂含矿性的判别函数,并对未知的17个样品进行判别分析,其判别结果与野外验证一致.     

判别函数模糊模式识别法

本文提出了一种新的分类方法——判别函数模糊模式识别法（DFFPRM）,是数理统计与模糊数学相结合的产物.实践证明,DFFPRM 能克服判别分析存在的一些问题.      

李坝金矿田构造地球化学特征及其找矿意义

本文从野外地质实际出发 ,系统研究了区内广泛发育的断裂构造特征及其与金矿化的关系 ,将断裂分为三级 , 、 级断裂主要为导矿和配矿构造 ,NW、NWW向的 级断裂为最有利的赋矿构造。据此 ,以构造地球化学的观点为指导 ,借助计算机化探数据处理系统 ,对系统采集的构造地球化学样品的 17个元素分析成果进行系统研究和 R型聚类分析等处理 ,将构造与金矿化的关系转化为构造地球化学特征 ,进而转化为找矿指标。研究表明 :含矿 (赋矿 +矿化 )断裂的特征元素组合为 :Au、Ag、As、Sb、Pb;非矿断裂的特征元素组合为 :Cr、Mn、Ti、V。将已知的赋矿、矿化和非矿断裂作为母体 ,利用多类判别分析建立了非矿、矿化和赋矿断裂判别函数 ,对已知的 2 3条断裂进行判别分类 ,错判 3条 ,准确率为 87%。该成果已应用于实际找矿工作中 ,通过对 11处未知区构造的含矿性研究 ,系统采取构造地球化学样品和进行相应的多元素分析 ,经判别后指导找矿 ,共发现金矿体三条 ,矿化体五条 ,取得了良好的找矿效果     

一种顾及空间物理约束的多密度网格聚类算法

提出了一种顾及空间物理约束的多密度网格聚类算法。该算法通过对障碍物和便利体两种物理约束的数据化处理,降低了聚类的复杂度。利用既有聚类数据又有障碍物的网格单元的二次分割方式来提高聚类精度。针对不同便利体对聚类影响的差异,引入便利度概念。用网格单元密度、单元间质心的曼哈顿距离和便利度三因素来构造判别函数,判别单元间的相似关系。理论分析和实验结果表明,在有任意形状物理约束的空间中,该算法能有效地对不同形状、大小和密度的数据集聚类。     

基于阻力规律视角的水流能态区辨识

高、低水流能态区形成条件不同,其识别对于预测动床阻力具有重要意义。基于量纲一阻力方程推导了一个新的高、低水流能态区判别函数,包含悬浮数和水流作用数2个量纲一参数,提出了能态转变角和能态转移路径的概念,从流动阻力角度重新审视了水流能态区分问题。通过国内外4 176组水槽和野外实测数据对该函数进行率定,确定了高、低能态区的临界方程。研究结果表明：该方法低能态区预测精度约为91%,高能态区约为85%,综合精度约为89%;在细沙河流中,随着水温的降低,更易发生水流低能态向高能态的转变。本文建立的判别函数不仅可高精度识别水流能态区,还可分析水温对能态区过渡的影响。