4-1环境数据的处理方法.pptVIP

第四章 环境规划与管理的数学基础 第一节 环境数据处理方法 第二节 最优化分析方法 第三节 常用决策分析方法 第四节 环境数学模型 1.1、 数据的表示方法与数据特征 1.2、 异常数据的剔除 1.3、数据的误差分析 1.4 、数据的标准化处理 第一节 环境数据处理方法 在环境规划与管理中，有许多监测数据调查所获得的数据需要处理后才能进行进一步的定量分析与研究。因此，数据的处理显得十分重要。 本节学习内容： 1.1、 数据的表示方法与数据特征 （一）数据的表示方法 * 项目 1991 1992 1993 1994 1995 1996 1997 SO2 0.083 0.063 0.060 0.047 0.060 0.066 0.09 Nox 0.059 0.055 0.058 0.040 0.056 0.053 0.054 TSP 0.564 0.519 0.372 0.368 0.418 0.316 0.384 降水pH值 6.6 6.6 6.9 6.6 6.9 6.3 5.6 酸雨频率 8.5 8.8 4.1 8.6 3.2 16.9 28.8 表1 某城市环境空气质量年平均值 列表法 * 图示法 插值法还可应用比例法和牛顿内插公式（略） 插值法 作图插值法 例：用分光光度计法测定溶液中铁的含量,测得标准曲线数据如下： Fe （μg/mL） 2 4 6 8 10 12 吸光度（A） 0.097 0.200 0.304 0.408 0.510 0.613 测得未知液的吸光度为0.413，试求未知液中铁的含量。 在图的纵坐标上0.413处找到直线上对应点，读出其对应的横坐标即为未知液中铁的含量8.122 （二）、数据特征 数据特征是对环境总体状况进行估计判断的基础，是认识数据理论特性的基本出发点，通常可分为以下三类： ①、位置特征数:表示数据集中趋势或刻画频数分布图中心位置的特征数； ②、离散特征数:用来描述数据分散程度； ③、分布形态特征数:刻划了根据所获数据绘制的分布曲线图的形态 ①、位置特征数 A、算术平均数： 式中：x1, x2, …, xn为样本个体数据，n为样本个数 B、 加权平均数 如果样本个体数据x1, x2, …, xn取值因频数不同或对总体重要性有所差别，则常采取加权平均方法。 式中：wi是个体数据出现频数，或是因该个体对样本贡献不同而取的不同的数值。 C、几何平均数 D、调和平均数 E、中位数 环境数据有时显得比较分散，甚至个别的数据离群偏远，难以判断去留，这时往往用到中位数。 样本数据依次排列（从大到小或者从小到大）居中间位置的数即为中位数，若数据个数为偶数，则中位数为正中两个数的平均值。 只有当数据的分布呈正态分布时，中位数才代表这组数据的中心趋向，近似于真值。 ②、离散特征数 ③、分布形态特征数 * 偏态 （形状） 峰态 (形状) 正态分布 对称分布 * 扁平分布 尖峰分布 峰态 左偏分布 右偏分布 与正态分布比较！ 偏态 与对称分 布比较 二、异常数据的剔除 在处理实验数据的时候，我们常常会遇到个别数据偏离预期或大量统计数据结果的情况 如果我们把这些数据和正常数据放在一起进行统计，可能会影响实验结果的正确性， 如果把这些数据简单地剔除，又可能忽略了重要的实验信息。 下面介绍一种剔除异常数据的方法。 格拉布斯准则 用格拉布斯准则检验可疑数据xp时，选取一定的显著性水平α，若： 则应将xp从该组数据中剔除， 称为格拉布斯检验临界值，其值见表4-1 。　　　　　　　　　 以上准则是以数据按正态分布为前提的，当数据偏离正态分布, 特别是测量次数很少时，则判断的可靠性就差。因此，对粗大误差除用剔除准则外，更重要的是要提高工作人员的技术水平和工作责任心。另外, 要保证测量条件稳定，防止因环境条件剧烈变化而产生的突变影响。 该法是一种统计判别法，即给定一个置信概率，并确定一个置信限，凡超过此限的误差，就认为它不属于随机误差范围，将其视为异常数据剔除。 用容量法测定某样品铬的含量，9次平行测定数据为：9.21，9.15，9.02，8.99，8.87，8.76，8.65，8.53，8.01（%），试用格拉布斯准则分析其中有无异常数据。 【解】： ，标准差s=0.37，取显著性水平ɑ=0.05， 查表λ