贝叶斯预测模型在矿物含量预测中应用.pdfVIP

维普资讯 第26卷 第 1期 河 北 理 工 学 院 学 报 Vol|26 No．1 2004年2月 JournalofHebeiInstituteofTechnology Feb．2O04 文章编号 ：1671-2829(2004)01-0116-0 贝叶斯预测模型在矿物含量预测中的应用 刘英利 ，朱庆杰 ，岳文珍 ，谷延斌 ，卢时林 (1．河北省地震工程研究中心，河北 唐山063009；2．中国石油集团) 关键词 ：贝叶斯；预测；矿物含量；白鹿塬；模型 摘 要：矿物含量预测是资源评价 中经常遇到的问题，贝叶斯预测模型是运用贝叶斯统计方法 进行的一种预测。贝叶斯统计不同于一般的统计方法，其不仅利用模型信息和数据信息，而且 充分利用先验信息。根据贝叶斯预测模型的特点，介绍 了几个贝叶斯观测模型的预测过程和 计算步骤，并对白鹿塬水家嘴剖面的mg 含量进行了观测，根据计算结果，分析了不同贝叶斯 预测模型的预测特点，并给出了几点结论。 中图分类号 ：I：628 文献标识码：A 0 引言 资源是人类赖以生存的重要支柱，尤其是近百年来，随着工业革命的发展和人们生活水平的提高，矿产 资源需求量越来越大。而地球上的矿产资源大多是不可再生的或生长周期很长，随着开采程度的加深，开采 难度越来越大，能源危机已成为人类面临的难题，故资源评价工作受到广泛的关注。在资源评价过程中，矿 物含量预测是经常遇到的问题…。这就迫切需要开发新的更能符合实际情况的更精确的评价方法和预测 模型。 在矿物含量预测中，统计方法是最常用的方法，但非贝叶斯统计在做统计推断时不能充分利用样本的先 验信息。贝叶斯预测模型的引用，可以在利用模型信息和数据信息的同时，充分利用先验信息，从而对矿物 含量做出更为准确的预测。 1 贝叶斯预测模型及其计算步骤 贝叶斯预测是运用贝叶斯统计方法进行的一种预测，非贝叶斯统计在做统计推断时只依据两类信息：一 是模型信息，另一是数据信息。而贝叶斯统计尚须利用另外一种信息，即有关总体分布的未知参数的信息， 因为这类信息在进行试验以前就有，故一般称为先验信息。贝叶斯统计要求用未知参数0的一个概率分布 来表示，这个概率分布就称为先验分布。其一般模式是这样的：无验分布+样本信息==后验分布。常用 的贝叶斯预测模型包括常量模型、常均值折扣贝叶斯模型、单折扣线性增长模型、季节效应模型等 。 1．1 常量模型 对每一时刻t，常均值模型记为外DLM{1．1， ， }，字义如下： 观测方程：)，，= + ， —N[O，] 状态方程 ，= 一，+ ， 一M 0， ] 初始信息： ／ 一M‰，cn] 其中 是 t时刻序列的水平， 是观测误差项或噪声项， 是状态误差项。 由定理：对于每一时刻 f假设 一，的后验分布 (一 ， lD川)一N[m ，c ]，则 的先验分布为 ( D川)一N[m ，R]． 收稿日期 ：2003-03-09 作者简介 ：刘英利(1967一)，男，河北新乐人 ，河北省地震工程研究中心副教授， 硕士。 维普资讯 第 1期 刘英利，等：贝叶斯预测模型在矿物含量预测中的应用 117 其中R=C + 。 进而得出一步预测的推论 1： (YID )一NEf,，Q] 其中 =m ，Q=R+ 。 推论 2： 的后验分布(( ID，)一N[m，C] 其中m =mc_l+Ae 。 C=A ，A=R／Q，e= -f, 当观测误差方差和状态误差方差都是常数时，则称为常量模型。 其计算步骤为： (1)R=C + (2)Q=R+ (3)A=R／Q