- 1、本文档共12页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
节理产状的动态聚类分析以及最大距离法统计方法的研究
成绩:
题目
节理产状的动态聚类分析以及最大距离法统计方法的研究
专 业: 构造地质学
姓 名:
学 号:
班 级:
节理产状的动态聚类分析以及最大距离法统计方法的研究
摘要:裂隙岩体内的节理往往是变化的,有时甚至变化很大。测得大量节理产状以后,对其分组是一项基础性的工作,但是如何分组目前还没有很好的理论和方法。采用动态聚类分析的方法,将节理产状的样本数据划分为不同的簇,通过不同簇的概率模型计算及其簇心的分布特性比较说明了簇数分类的适度性。形成了解决这类问题的系统实用的方法。又提出了一种合理、科学和简便的节理统计方法——最大距离法。其主要思路是对野外采集的节理产状数据做最优分组,使组间距离最大,而组内距离最小。该方法逻辑简单、明了,操作过程简便,而且能有效地剔除原始数据中误差较大的数据,结果精确。通过应用,表明该统计方法正确、可靠。
关键词:节理产状;聚类分析;最大距离方法;地质统计。
1引言
岩体中的节理裂隙系统往往由几个产状不同的节理组合成的,在野外测得的节理的倾向和倾角一般而言都是变化的,有的甚至变化很大,在测得大量节理的产状后,对大量的数据进行分组或分类是一项基础性的工作。在实际的工程中,有关学者用统计学的方法对岩石裂隙岩体围岩分类、岩体裂化程度、岩体裂隙分形技术及岩体裂隙的几何参数概率模型进行了研究,本文不考虑地理空间的相关性,将样本数据看作是相互独立的,用统计学中k均值聚类分析的方法对节理分组。
聚类分析是统计学上研究分类问题的一种方法,它的任务是把所有的样本数据分配到若干的簇,使得同一个簇的样本数据聚集在簇中心的周围,它们之间距离比较近,而不同簇样本数据之间的距离比较远。但如何评判节理的分组是否合理?评判的依据又是如何?目前还没有很好的理论和方法。本文的目的就是结合工程意义,用k均值聚类分析的方法,将节理产状的样本数据划分为不同的组。用系统聚类法聚类,样品一旦划到某个类以后就不变了,这要求分类的方法比较准确,另一方面系统聚类法要存贮距离矩阵,尤其当研究的样品较多时,需占用很多的存贮单元,计算方法中的迭代法德思想给我们以启发,能否先给一个粗糙的初始分类,然后用某种原则进行修改,直至分类比较合理为止。采用这种思想产生的聚类法叫做动态聚类法。
图1.1 动态聚类分析流程图
动态聚类分析的计算步骤
(1)首先随机指定k个簇中心,用欧氏距离计算每个样本数据距簇中心的距离;
(2)将每个样本数据分配到距它最近的簇中心,得到k个簇;
(3)分别计算各簇中所有样本数据的均值,把它们作为各簇新的簇中心;
(4)重复计算步骤(2)和步骤(3)直到k个簇中心的位置都固定,簇的分配也固定,簇中心是它的均值。
2 SAS软件编程
本文选取了,在野外选取的20组节理的产状作为实验的数据,运用sas软件,做了动态聚类分析,得出了一下的结果。
2.1 Sas软件程序
title;
goptions ftext=宋体;
data d20;
input group $ x1-x2;
cards;
1 127 9
2 240 12
3 50 9
4 306 10
5 192 11
6 149 9
7 237 13
8 19 12
9 330 8
10 16 12
11 199 10
12 99 7
13 264 10
14 232 26
15 15 12
16 89 7
17 333 8
18 176 10
19 344 7
20 99 7
;
proc print data=b20;
run;
proc standard mean=0 std=1 data=d20 out=sta20;
var x1-x2;
run;
proc fastclus data= sta20 out=out20 maxc=4list;
var x1-x2;
id group;
run;
proc sort data=out20;
by cluster;
run;
proc print data=out20;
var group cluster DISTANCE;
run;
proc candisc data=out20 out=can20;
var x1-x2;
class cluster;
run;
proc plot data=can20;
plot can2*can1=cluster;
run;
quit;
2.2 sas程序得出的
文档评论(0)