化探参数.doc

研究局部异常特征，包括： 异常下限（T）：异常下限是根据背景值和标准离差按一定置信度所确定的异常起始值，它是分辨地球化学背景与异常的一个量值界限。a）；异常最高值（Cmax）；异常面积（Aa）；异常规模（Ad）； 异常衬度（Ac）：又称衬值(contrast value)异常内元素平均含量与背景值之比。是异常清晰度的量度，所以也叫异常清晰度。指示元素因在不同区域内背景平均值存在着明显的差异，各个区域的样品在分析方法上存在着系统的偏倚。所以，不能直接依据样品的分析结果来对比不同区域内某一指示元素的异常强度。而异常衬度可以消除以上两方面的影响，显示异常相对于背景的起伏变化状态。异常含量的高低或异常含量超过背景值的程度。可以用异常的峰值、平均值、衬度等表示。 之间的内部规律性，以定量形式建立一个因变量与另一个自变量（或另几个自变量）之间关系的数学表达式，从而可以根据一个或几个变量的观测值来预测（预报）另一个变量的估计值，并能从多个指标变量中找出对所研究的问题起重要作用的某些指标。 2、多元逐步回归分析是以大量收集到的观测数据为基础，建立某一个变量与另一个变量（或几个变量）之间关系的数学表达式。逐步回归是在多元回归基础是派生出来的一种算法，它能从众多的变量（或预先尽可能多地考虑一些变量）中自动挑选重要变量（指标或因子），并确定其数学表达式的一种统计方法。 3、正交化回归分析与线性回归不同，它不一定建立随机变量与全体变量之间的关系，而是一种具有挑选因子的方案。线性回归和逐步回归仅考虑因变量（一个或多个）与自变量（多外）之间的关系，而不考虑自变量本身之间的关系，因而信息有重复的可能，而降低某一独立因素的相对权系数。这种重复也因具体问题的不同，对回归效果就有一定的影响。正交化回归不仅考虑自变量与因变量之间的关系，而且还要考虑自变量本身之间的相互影响。即是将自变量因子进行正交化，排除自变量之间的相互影响，得到一组新的正交化了的因子，再建立新因子与因变量之间的回归方程，并还原到非正交化、非正规化的回归方程，作为建立预报模型之用。 对应分析 对应分析是在R-型与Q-型因子分析基础上发展起来和一种多元统计方法，它把R-型和Q-型因子分析结合起来，综合考虑变量之间、样品之间及变量与样品之间的关系。它揭示了R-型与Q-型分析之间的两重性，以较少重要的几个公共因子的综合指标去研究对象在成因上或空间上的联系，应用载荷平面投影图进行地质解释与推断，在地质学的应用可以包括：对矿床成因的解释；成岩（成矿）的物质来源、作用方式、作用因素；含矿岩体的预测、评价；地球化学的研究等。根据R-型与Q-型分析具有的对偶性，由R-型分析结果很容易地得Q-型分析结果，它可以克服由于样品容量大而对Q-型因子分析所带来计算上的困难，把变量和样品同时反映到同一坐标轴（因子轴）的一张图形上，更便于地质解释与推断。 相关分析 1、典型相关分析是研究两组地质指标（或变量）之间相关关系的一种统计方法。它揭示了两个因素“集团”之间的内部联系，而两个因素“集团”的内容和变量数目又可以不同，这就决定了它在解决地质问题上的许多特点，在地质上用来研究二组地质特征之间的关系。用以研究地质成因和地质体对比。如研究某种矿物成分与其围岩成分的关系；研究古生物群同古地理环境之间依存关系；两条区域剖面的化学成分、岩石成分的对比等等。典型相关分析的目的，是在两组众多地质变量中分别寻找若干对（每对为若干个变数的线性组合）有代表性、且具有相关关系的综合指标，通过研究两组综合指标间的关系来反映两组地质变量间的主要作用因素和作用形式。 2、秩相关分析是研究一组观测值与另外一组观测序列之间的相关关系，在矿床统计预测中，研究各种控矿地质因素和找矿标志与矿化的相关关系，查明这样的因素与标志最有利的数值范围，即查明找矿有利的统计标志。 两个观测序列的秩相关系数： 其中d为对比序列的序差；n为对比序列的等级数。 3、相关频数比值法：筛选因子（变量）的目的在于从大量的预报因子中选出与预报量相关较好，而因子之间相关较差，即因子独立性强的若干较优因子，由它们组成数学模型使预报效果达到最佳。 计算公式化：第i个因子的相关频数比 其中C为常数。