第1章节_地质学研究中常用的数学理论和方法幻灯片.ppt

专家系统是一个具有人工智能，并能在某一领域内可以以该领域人类专家的水平（有时超过专家）解决领域问题的计算机程序系统。 a.从原理上说：概率统计方法是基于地质数据 的概率与统计分析的主要方法，它是研究油气 生成与分布的机遇律的；盆地数值模拟方法是 基于盆地演化过程中油气的形成、运移、聚集 的地质、地球化学和渗流力学等机理的方法， 它是从成因的角度来研究油气形成与分布的因 果律（即必然规律）的；油气资源评价专家系 统方法则是基于人类专家的领域知识和经验来 评价资源量和预测有利油气聚集带的。 油气资源评价的三大类方法加以比较 b.从功能上来看，不仅要求评价思想方法的正确性和评价方案的多样性，而且特别重要的是要求具有处理特殊地质条件的灵活性。专家系统由于具有全新的软件结构及领域专家的丰富知识和经验，因而具有专家认识分析综合解决复杂实际问题的能力。 人工智能中有关学习和联想的机能还处于研究阶段，目前研制的专家系统大多属于以实现推理机为中心的第一代.美国斯坦福大学人工智能中心研制的“Prospector”地质勘探专家系统、美国研制成的石油资源评价专家系统、斯伦贝谢国际测井公司研制的倾角测井资料咨询者（Dipmeter Advisor）专家系统等，都取得了一定效果。此外，基于人工智能原理的神经网络模型在油气地质勘探与开发方面也正处在深入探索阶段。 我国油气资源评价专家系统（PRES);我国开发了盆地模拟BAS1、BAS2等系统，从一维发展到二维，测井解释系统Forwrad. 法国、美国等领先推出了二维盆地模拟系统，如美国Platte River Associate,In.推出的 “BasinMod 2-D”，不仅界面友好，而且功能强大。 油藏描述方面，我国亦有相应的工作站和微机系统，RDMS就是石油大学推出的微机版油藏描述系统，国外有在工作站上运行的RM软件包等. 基于人工智能原理的神经网络模型在 油气地质勘探与开发方面，虽然处在 深入探索阶段。可以预计，随着人工 智能技术的发展和完善，同时大量的 先进计算方法，如遗传算法、模拟退 火算法、小波分析及其变换法、分形 理论等的运用，专家系统在地质学各 个领域的应用将会逐步扩大，并发挥 越来越大的作用。 一个专家系统，除数值计算、数据的时间/空间（空间域及频率域）分析、图形/图象的处理和输入/输出等一般信息处理外，还必须具有很强的知识信息的逻辑推理能力。因此，专家知识库建立得是否完善与灵活，直接影响该专家系统在实践中应用的成败。 图1-7 专家系统简化结构 图1-8 理想专家系统结构 总 结 由上所述可知，地质学定量化研究的内容很多，其中计算机绘图及图形库、数据库、专家系统在地质勘探工作中的应用虽然主要是一种专门的计算机应用技术，也是数学、计算机在地质学研究中必须涉及的重要领域。 8．定性数据的统计分析 不存在明确的数量上的概念，仅有性质上的差异.如天气（阴、晴、多云）、品种等，这种数据通常是用二态变量（0，1）、数符（1，2，…）和字符（A、B、C、…）等来表示的。例如0表示无，1表示有，A＝红色，B＝黄色等，所以定性数据又称为描述性数据。 地质学中定性数据的统计分析有两种途径： 研究途径1:研究适合于定性数据的统计分析方法。目前对二态变量数据的各种数学分析及统计分析方法（二态变量的回归、判别、聚类等）。 研究途径2: 定量化研究方法。它是把定性数据设法按某一合理的原则，实现向定量方面的转化，并以得到的定量数据为基础进行预测或分类等研究，这就是数量化理论(Theory of quantification）。 数量化理论由日本数学家林知已夫提出，现已发展成多元统计中的一个新的分支学科。数量化理论按其所研究问题、目的之不同可分为四种，分别称为数量化理论Ⅰ、Ⅱ、Ⅲ、Ⅳ。它们与多元分析中其它方法间的关系如表1一1所示。 表1-1 数量化理论与多元统计分析方法间的关系 混合模型 当数学模型中既用到确定型数学方法又用到概率型数学方法时，则称这种模型为混合模型，即确定的／概率的数学模型。其数学方法只是上述数学方法的联合应用。 第二节 地质学研究中的数学分支学科 近几十年来数学的理论和方法发展十分迅速，各种新的分支学科不断被引入到数学地质中未，从而使数学在地质学中的应用范围日益扩大和深入（图1一1）。 （图1一1） 地质问题 地质模型 数学模型 计算机进行计算信息处理和可视化 第三节 地学信息处理的基本思路 内容主要包括下列几方面： 一、 多元统计分析 地质事件的发生带有随机性，常受概率法则的支配，而影响地质事件发生的因素又是多种多样的，因此，可应用多元统计分