第11特征分析法预测.pptVIP

特征分析法预测(Characteristic Analysis) 成矿远景区定量预测的统计方法 秩相关分析法预测 找矿信息量法预测 回归分析法预测★(Regression Analysis) 判别分析法预测★(Discriminate Analysis) 聚类分析法预测★(Cluster Analysis) 逻辑信息法预测 特征分析法预测★(Characteristic Analysis) 数理化理论预测 证据权法预测 逻辑回归法预测 模糊逻辑法预测 神经网络法预测 等等 (2)确定变量的权系数 乘积矩阵 (rij)pxp 平方和法 （矢量长度法） 主分量法 代数和法 (用于二态变量) (用于二态、三态变量) (用于二态、三态变量) 用主成分分析 取第一主成分 相对权系数 （归一化） 方法二：(1)计算概率矩阵； （2）计算概率矩阵主分量法。 4. 计算特征标志（变量）的权系数 该方法是从控制单元中各变量之间的匹配概率出发，研究模型中变量与变量之间的依次关系。 pij ——第i变量与第j变量之间的匹配概率。 意义：在n个控制单元中，当变量i与变量j各自出现“1”、“-1”总数固定不变时，则i与j出现正匹配和负匹配的观测匹配数是个随机变量，pij则为变量i和j匹配数≤观测匹配数的累积概率。 概率矩阵主分量法计算步骤 （1）计算匹配矩阵T, 并统计各变量的在n个单元中取“1”的个数pj和取“－1”的个数qj 　 　 　 　 　 　 　 　 x8 　 　 　 　 　 　 　 　 x7 　 　 　 　 　 　 　 　 x6 　 　 　 　 　 　 　 　 x5 　 　 　 　 　 　 　 　 x4 　 　 　 　 　 　 　 　 x3 　 　 　 　 　 　 　 　 x2 　 　 　 　 　 　 　 　 x1 x8 x7 x6 x5 x4 x3 x2 x1 i和j变量的正匹配数[＋＋] i和j变量的负匹配数[－－] T= （2）计算两两变量的匹配概率pij，得匹配概率矩阵p。 （3）利用主分量分析方法，求概率矩阵的最大特征值及其所对应的特征向量，作为变量的权系数。 计算要求：单元数n足够大。 与乘积矩阵R一样，概率矩阵也是某种意义上的一种关联矩阵，反映了变量间的相关程度。 例：第i和第j变量在n个单元中，观测匹配数（正匹配数＋负匹配数）=4，计算所得的匹配概率为79%，其含义为：i、j变量在观测序列中≤观测匹配数4的累积概率（0,1,2,3,4） 概率矩阵的计算只考虑变量间的匹配关系（正相关性）而没有考虑变量将的不匹配情况（负相关性）。 4. 筛选标志，建立矿床模型 （1）对相对权系数由大到小排序，确定特征标志（变量）的相对重要性； （2）对贡献小的标志可以进行筛选，筛选后的特征标志要重新计算权系数； （3）对采用不同方法计算的权系数，分别建立矿床预测模型： 5. 评价研究区的含矿远景，圈定远景区 （1）将研究区未知单元各特征标志xi代入预测模型，求得关联度y值。y值越大，说明该单元的地质条件越接近，因而找矿远景越好。 （2）确定找矿远景单元y值临界值（参照回归分析中回归估值临界值的确定）。 2.752 22.000 1.491 51 1.756 0.001 1.740 49 3.746 34.500 2.672 48 1.523 0.001 1.021 44 1.229 0.750 0.001 34 1.193 0.001 0.001 30 1.711 0.001 1.602 29 y x2 x1 UnitID 2 矿点 小矿 大中矿 3.5 未知单元预测 预测临界回归估计值 = 2.5 已知单元8个 上升序列图 当y值渐变界线不甚明显时，可做标准化变换[-1,1]，然后分组统计作频率分布图，定出分组区间临界值。 分级表示远景大小，再据评价区与模型区的相似程度，将高值y单元圈定为远景区。 y临界值 （3）有时，如模型单元的y值与模型单元的已知资源量值直接存在相关关系时，经检验符合预测要求，可以将预测远景区单元的y值转换成资源量，对预测远景区作出资源量估计。 建立模型单元的关联度y值与资源量值之间的一元线性（或非线性）回归模型。 将预测远景单元关联度y值代入回归方程，估计潜在资源量。 6. 推广模型单元选择 当已知有矿单元很少时，建立的模型代表性较差。此时，可选择一部分未知单元来参加建立推广模型。 用有矿单元建立模型 对未知单元计算单元关联度y值 选出高y值单元，即与模型单元有相似匹配度的单元 研究这种相似的匹配度是偶然事件还是客观存在的联系 若确定为后者，则那些单元可选来建立推广模型，用概率矩阵主分量法确定权系数 对未知单元进行预测 第三节 应 用 (自学) 《成矿远景区定量预