地学数据处理软件与应用内容资料.ppt

网格化数据处理数学模型 1. 最近距离法: 网格结点值等于与它距离最近的 采样点的值 2. 平均值 ：网格结点值等于搜索区域内各采样点的平均值 v=(v1+v2+…)/n 3. 距离倒数加权：是最常用的空间插值方法之一。网格结点距离最近的若干个 点的贡献最大，其贡献与距离成反比。 v=(v1/d1+v2/d2+…)/(1/d1+1/d2+...) 4. 距离-指数倒数加权 v=(v1/e1+v2/e2+…)/(1/e1+1/e2+…) 5. 累加 ：网格结点值等于搜索域内各采样点值之和（统计区域内矿产储量） v=(v1+v2+…..) 网格化数据处理数学模型 6. 克里格（Kriging）插值：其基本假设是建立在空间相关的先验模型之上，假定空间随机变量具有二阶平稳性，或者是服从空间统计统计规律的假设，根据空间样本找到适合的变异函数理论模型。最常用的变异函数模型有：nugget、球面、指数、 高斯、阻尼正弦、幂和线形模型。 7.函数插值方法：傅里叶级数 、样条函数方法 、双线性插值（拉格朗日） 、立方卷积法 等 4×4km 6×6km 8×8km 不同网格距对比 不同搜索半径对比 R=8km R=12km 不同计算方法的影响程度对比 指数倒数函数 距离平方倒数函数 A=1 A=2 平均值 距离平方加权 指数加权 A=5/12 指数加权 A=12/12 不同方法对比 基础统计方法 均值(背景值): X=sum(x)/N 标准差 : S=SQRT(sum((x-X)**2)/(N-1)) 异常: A=X+(2-3)*S 常规多元统计分析 多元统计分析主要针对地球化学数据源，根据地球化学分析为多元素性质，分析数据的一些基本统计特征，这必然涉及概率统计的基本概念和方法。这些特征主要包括数字的特征和分布特征，统计检验，理论统计参数的推断，统计分布规律的研究，以及变量之间的相关性分析等。 ◆地球化学数据处理 频率分布（直方图） 描述数据中单变量的特征，通过分析数据分布的形态，推断其总体分布特征。按照一定的间隔分组，获取每一组的样品数，绘制频率分布图，可以获取特定区段的频率分布与概率值。 ?分组: 按照算术与对数间隔将数据分成若干组 ?获取各分组范围：分组数、分组间隔值 ?计算各组频数 ?绘制分布图 计算累计频率与众数 按累计频率确定异常下限 （如85%) 常规多元统计分析 回归与相关分析 ? 研究变量之间的线性统计关系 ? 通过一组变量预测特殊变量的值。 V=a+bv1+cv2+dv3+…. vn ? 在某一地质背景或景观条件下，某一个元素值的变化，可能会受到一组其他变量的影响 通过回归分析可以描述变量背景趋势 通过相关分析可以了解一组元素间的相互关系 ? 估计未知区域变量分布 常规多元统计分析 回归与相关分析 1. 一元回归分析 常规多元统计分析 主成分分析 主成分分析也称主分量分析，或称经验正交函数分解或自然正交函数分解。与回归分析不同，它是一种分析方法，而不是预测方法，它可将多个变量化为少数变量，而又不大量地损失变量的方差。 在回归分析中，当自变量较多时，可以先将自变量进行主成分分析，然后选择主要的主成分，作为新的变量进行回归分析。 常规多元统计分析 趋势分析 通过二维数据利用多阶多项式函数模拟数据背景的空间分布趋势： V=a+a1x+a2y V=a+a1x+a2y+a3x2+a4y2 ….. ? 趋势面 – 背景 ? 剩余异常 (正常值-趋势值) 常规多元统计分析 因子分析 多变量解释分析，即通过M个变量表示N个变量， MN. ? 表示元素间的关系 ? 新变量（因子）可以揭示研究区域的地质现象和地球化学特征 ? 分离空间域地球化学场 基础因子模型: Z=F*A 其中 Z—标准变量, F—表示变量关系的因子, A(matrix)– 协方差矩阵 实例： 1:200,000 区域地球化学数据, 34个元素, 2150 个样品 因子分析 因子分析 1:200,000 区域地球勘查数据 34 个元素，2150 样品 专题图分析 基于地学数据成果表达需要，通过数据形成专题图，并与相关地理、地质结合进行综合分析： 图形数据导入； 图形工程管理； 图形编辑； 专题图及分类生成； 图形属性数据管理； 图件输出 图形分析 专题图生成 图形空间分析 属性数