数学在地学中的应用精要.pptVIP

数学在地学中的应用 中国矿业大学 资源与地球科学学院 　杨永国 内容： 时间序列分析及应用 模糊数学及应用 数学地质应用前景展望 1、时间序列分析 1.1　概述 　　　在地学领域有时需要预测,如得到了一组时间有序的数据x(t1), x(t2),…, x(tn)，怎么利用仅有的信息进行预测、预报？ 　　　　　　　模型→预测 　　　 　　　时间有序的数据 　　　X＝（x(t1), x(t2),…, x(tn)）－随机过程 　　　研究方法－时间序列分析 　　　自七十年代初美国学者Box和Jenkins的著作问世以来，现已广泛地应用于自然科学的各个领域。如应用时间序列模型拟合太阳黑子的活动，建立了AR(2)模型；加拿大山猫捕获量的门限自回归模型等。 　　　时间序列分析应用于地学领域，如研究古气候、古环境、古地貌以及古生物群的变化等,已有不少成果。常用的线性时间序列模型是ARMA(p,q) (自回归滑动平均)模型。 1.2 时间序列分析及在全球气候变化预测中的应用 　　　 1.2.1 时间序列组合模型及建模过程 　设{yt，t=1,2,…,N}表示古气候替代性指标时间序列，用如下的组合模型来描述： 　 yt = Pt + xt (1) 　其中，Pt为周期项，xt为自回归滑动平均（ARMA(p, q)）模型。表达式分别为： （1）周期检验及显著谐波个数的确定 　　对于古气候替代性指标时间序列{yt, t= 1, 2,…，N}，首先确定它的周期项Pt,式(2)中显著谐波的个数Mo 的确定方法： 　　　从拟合优度的角度，用累积周期图的分析方法确定显著谐波的个数，即定义一个累积函数： 　　　画P (i)一i图，存在一个拐点Mo，即为显著谐波的个数.这样式(2)式的周期项就变为 　（2）自回归滑动平均(ARMA (p, q ))模型的建立 　　　残差序列Xt =Yt-Pt(t= 1, 2,…,N)一般近似为一个零均值平稳时间序列，可用ARMA(p.q)模型来描述.建模方法主要依据Box－Jenkins的相关函数法。最后，得到了组合模型的表达式为： 　1.2.2 实际数字例子预测及检验 　　　取100万年来60°N6月份太阳辐射量(W/m2)的变化时间序列(共1001个数据)作为实际数字预测及检验的例子。取其前989个数据建立模型，并用其预测后12 个数据作为检验。首先，取M=(N-1)/2=494计算各谐波分量，得显著谐波个数M0=10，其结果见表1-1。 　　　经辨识得xt为 p=4的自回归模型。其中，?1=2.5584，?2=-2.0017，?3=0.1936，?4=0.2421。从而得100万年来60°N6月份太阳辐射变化量时间序列的组合模型为: 由式(5)拟合1~989个数据，并预测990~1001个数据值，结果见图1。由图1显见， 拟合及预测的精度是较高的。同理，建立了宝鸡黄土粒度时间序列、渭南夏季风指数时间序列的动态模型，结果如图2和图3。 结论： （1）宝鸡黄土粒度时间序列及夏季风指数时间序列的时域组合模型预测结果表明，未来气候有向干冷方向发展的趋势.这个结果与国际上公认的预测结果相一致。 　（2）对几组第四纪气候替代性指标时间序列进行周期分析，经检验得到了几个与地球轨道几何参数变化相一致的周期分量，如T = 133, 100, 89, 41, 23, 19 ka等，结果与第四纪沉积序列的频谱分析一致，这反映出了时域分析与频谱分析结果理论上的一致性。 2、模糊数学方法及应用 2.1 概述 　　　“秃头悖论” 　　　在日常生活中，判断一个人是否为秃头是非常容易的。然而，要对日常生活中这个极其简单的秃与不秃问题进行精确定义却很难做到。 　　　不妨假设定义一个头发根数的界限n作为判断秃与不秃的标准，则当某人有n+1根头发时你怎么判断呢？ 　　　承认精确方法，因此判断他是不秃－极不合乎情理的。 　　　承认生活常识，即认为仅一发之差不会改变秃与不秃的结果，便得到这样一系列命题： 　　头发为n根者为秃头，头发为n + 1根者为秃头，…,头发为n + k根者为秃头。 －“秃头悖论” 　　1965年查德（Zadeh）发表的著名论文“模糊集合”被公认为模糊数学诞生的标志。查德精确地阐述了模糊性的含义，制定了刻划模糊性的数学方法（隶属度、隶属函数、模糊集合等），为模糊数学作为一门独立的学科建立了必要的基础。 　　　同样，地学中的很多问题不能用精确数学来表达－模糊数学在地学中得到了广泛的应用。 2.2 模糊综合判别分析及应用实例 　　　 2.2.2 评价指标体系建立及指标权重的确定 　　　煤层气项目的经济