第二章地质变量与地质数据教材.pptVIP

在上式中,当出现dk=0时,则以zk作为网格点(xi , yi )上的值。 例1 已知数据 M1(5.707,4.707,1), M2(3.586,5.414,2), M3(2.879,1.879,3) M4(7.828,1.172,4), 插值点为M(5,4, z) 解: ①各点到插值点的距离： (2-2) ②式(2-2)的分母： ③式(2-2)的分子： ④插值点的Z 值： (1) (2) (3) (4) (1.92) 插值示意图 1.原始数据的简缩 当分布在研究区上的数据点很多(可能出现反映相同地质特征的多个近似数据点)时,或者是数据在区域上的分布极不均匀时,不仅会使计算量增加,而且也无助于最终的成果解释,甚至在计算过程中还会出现不可预料的计算病态问题。因此，就需要对作用不大或相近、可有可无的多余数据予以舍弃,这就是数据的简缩。 四、原始数据的简缩和增补 数据的简缩方法一般包括分区加权平均法、分区滑动平均法和随机删点法。 (1)分区加权平均法 设研究区内每个数据点都有m个变量，根据需要将该区划分成大小相等或不等的n个小区域，每个小区域内至少有一个数据点。定义第j个小区域内第i个数据点上第k个变量的观测值为: 则第j个小区内第k个地质变量观测值的缩简值为: zjk-第j个小区第k个变量观测值的简缩值; nj -第j个小区地质数据点数; zjki-第j个小区第i个数据点第k个变量的观测值。 原始数据点 简缩后的数据点 ① ② ③ ④ ⑤ ⑥ ⑦ ⑧ ⑨ ⑩ 按照上式对研究区内原始数据进行处理后，相当于在每个小区内有1个有效数据点，从而将原来大量的数据点简化为n个有效数据点。 若第j个小区域内有nj个数据点，每个数据点上有m个地质变量的观测值，其中第i个数据点的坐标为(xjki ，yjki) ，那么第 j个小区简缩后的有效数据点的坐标值及变量值为: (2)分区滑动平均法 分区滑动平均法的分区原则与分区加权平均法相同，但这种方法要考虑简缩后数据点的位置。 j=(1, 2, …, n ; k=1, 2, …, m) xjk、yjk 为第j个小区第k个地质变量观测值缩简后的横坐标和纵坐标; zjk为第j个小区第k个地质变量的缩简值; xjki、yjki为第j个小区第k个地质变量观测值在第i个数据点的横坐标与纵坐标; zjki为第j个小区第i个数点上第k个地质变量观测值; nj为第j个小区内数据点数。 按上述公式算出的坐标有m个，如果需要一个统一的坐标点，则可根据地质变量观测值的大小，采用加权平均的方法算出。另外，根据实际需要也可用其它方法计算。 (3)随机删点 对于探区内的局部数据点密集区，随机删去一些数据点，既可减少计算工作量，又可提高计算过程的稳定性。删点方法是对数据点编号，用随机抽样法删去其中的一些数据点。 2.数据的增补 研究区内出现数据点空白区时，在空白区内补充一些数据点，这就是数据的增补。补点方法： ①据临近点数据的变化趋势补充适量的数据点; ②用插值方法补充一定数量的数据点。 注意:补点的目的是为了全区计算的稳定性，而原空白区的计算结果仅供参考。 五、离群数据的识别与处理 相对研究区的观测数据来说，称局部的异常高值和异常低值为离群数据(失真数据)。这种数据往往直接影响到基于观测数据的数据处理过程和对计算结果的合理解释。 对这些数据应该进行适当处理。对于那些人为等因素造成的错误数据，理所当然应该删除或重新观测。 实际上，我们总是假设数据总体服从某种分布，进而讨论是否存在失真数据的问题。 涉及一些统计假设检验内容 离群数据的识别和处理的主要目的: 降低失真数据对处理结果的影响。 离群数据识别和处理的主要步骤： 判断数据体中是否存在失真数据(分布检验) 挑选出失真数据 处理失真数据。 （一）离群数据的判定 1.类比法 以实际工作经验确定一个离群数据的界限，以此判定是否存在离群数据。B.N．斯米尔诺夫根据实际经验，总结出一个确定矿床品位离群数据的界限。 矿床品位离群数据的界限 15 某些稀有金属矿床和金矿床 极不均匀 Ⅴ 12~15 大多数稀有金属矿床和金矿床 很不均匀 Ⅳ 8~10 绝大多数有色金属矿床 不均匀 Ⅲ 4~5 复杂沉积矿床与变质矿床 均匀 Ⅱ 2~3 大多数沉积矿床 很均匀 Ⅰ 离群品位高出平均品位的倍数 典型矿床 组份分布性质 矿床类型 2.计算法 利用一个经验公式确定离群数据的界限。H.B．沃洛