三角多项式拟合方法和地震数据分析.docVIP

三角多项式拟合方法和地震数据分析 　　摘要基于地震数据光滑性较差的特征,提出三角多项式拟合方法。用方法求解最小二乘原理得到的超定方程组,确定拟合函数,并对拟合效果进行误差分析和模型复杂度分析,将所得模型用于地震数据的拟合,得到精度很高的拟合曲线,为地震数据变点分析及预测奠定良好的基础。 　　关键词三角多项式;数据拟合;方法;地震数据 　　中图分类号P631.4 文献标识码A文章编号1673-9671-(2010)051-0118-02 　　 　　数据拟合的目的是寻找一条光滑曲线,使它在某种准则下最佳地拟合离散数据。传统的数据拟合多采用线性拟合或多项式拟合技术。多项式拟合技术已有较深入的研究和较广泛的应用。俞寿明提出的正交多项式拟合方法在生产中得到了广泛应用;洪瑞等将常规二次多项式拟合方法应用于地震数据分析和处理,得出了一些较好的结果;杨云升归纳总结了最小二乘法的多项式拟合性能特点和适用范围。 　　虽然幂次较高时,多项式拟合会带来统计计算上不可克服的困难,但利用多项式对光滑数据进行拟合,的确有很好的拟合效果。然而,实际问题有许多数据,如地震某些测项的数据中,较多的尖点往往可能是其统计规律的本质特征,而多项式拟合对尖点的磨平会损失许多数据信息。于是,本文提出用三角多项式拟合数据的方法,并对拟合效果进行了误差分析和模型复杂度分析。本文所提出的方法消除了多项式拟合多尖点型数据时所存在的缺陷。文中将所得方法用于西安地区多组地震数据的拟合,得到了精度很高的拟合曲线,为地震数据变点分析及预测奠定了良好的基础。 　　1尖波数据的三角多项式拟合方法 　　1.1相关定义 　　定义1 对观测数据,若存在正整数,且,使 　　则称为尖波数据。 　　定义2对三角函数系 　　及实数组,,(),对任意正整数,称 　　 (1) 　　为三角多项式。 　　1.2拟合函数的确定 　　由于Fourier级数有良好的收敛性,且其和函数较幂级数的和函数所需同的分析性质少得多,对于尖波数据,我们选择三角多项式逼近尖波离散数据,以刻画其数据变化规律,寻求离散数据的函数表达式。 　　1.3三角多项式的最小二乘拟合原理 　　为叙述方便,记三角函数系 　　为 　　记尖波数据为。我们希望用这组数据估计系数以拟合函数 　　(2) 　　最小二乘原理是希望所寻找的函数在各处的函数值与观测值的总误差最小。即以 　　 (3) 　　为拟合准则,来确定系数 　　1.4超定方程组的确定 　　对于解决大量离散数据的拟合问题中,我们取三角多项式作为拟合函数类,运用最小二乘原理对尖波数据进行拟合,估计三角多项式的系数。 　　对于样本容量为的尖波数据,三角多项式的系数(1)如式,且满足,那么该问题即为估计系数,,(),使残差平方和 　　最小。这等价于求解线性方程组: 　　(4) 　　记 　　和(5) 　　那么线性方程组(4)的系数矩阵可表示为 　　(6) 　　因为,矩阵的行数大于列数,那么对于任意给定的观测数据,线性方程组(4)的任意个方程构成方程组(4)的一个子方程组,该子方程组一般是一个超定方程组。而对于较大的,得到(3)式的正则方程组相当困难,而且也无法适应于变化的。因此,本文采用QR方法求得(3)式的最小二乘解。 　　1.5用方法求解超定方程组 　　将超定方程组(4)记为 　　 (7) 　　其中,,。 　　由于方程组系数矩阵的各列线性无关,故系数矩阵总可利用正交化法,分解为的形式,其中有正交列,为上三角阵。规定的对角元的符号,则分解是唯一的。将代入式(7),注意到,有 　　, 　　由于非奇异,用左乘上式两端得到 　　(8) 　　先计算和,三角方程组(8)的解即为(3)的最小二乘解。亦即(1)式中的系数的最小二乘估计量()。 　　2误差分析及模型复杂度分析 　　由Fourier级数收敛性定理,任意,存在,当时,使得 　　即,记总体的真值函数为,当三角多项式的增大时,余项 　　可以任意小。 　　考虑到所得回归模型的实用性,在给定精度要求时,三角多项式项数应该取决非于满足的最小的。由三角多项式的属性,我们引入模型复杂度指标 　　 (9) 　　其中由(3)决定。显然值越小,则模型越简单。 　　3三角多项式在地震数据中的应用 　　3.1地震数据的特征 　　地震数据是地震传感器从各个观测站点实时记录得到的与地震相关的多个测项(如水位、地温、电磁波、电压、气压及水温等等)的高维时间序列。针对地震数据的共性与复杂性作了较全面的总结,指出前兆有如下特征:①地震前兆数据的多样性与综合性;②地震前兆数据异常,持续时间的长期性与阶段性;③地震前兆数据分布范围的广泛性与均匀性;④地震异常的统计量与震级间存在正变关系;⑤