第5章_趋势面分析
2 趋势面分析

3
b 7 x y b 8 xy
2
2
b 9y
3
………………………………………………
15
z b 0 b 1 x b 2y
1 趋势面分析的概念及类型
(3) 三元趋势分析
(4)
21
2 多项式趋势面分析的数学模型及计算
矩阵形式为:
n n xi i 1 n y i i 1
i 1 i 1 n
n
xi xi
2
i 1 n
xi yi
b0 n yi zi i 1 ni 1 n b1 xi yi zi xi i 1 i 1 n b n 2 2 y i z i y i i 1 i 1
n
(5 )
22
2 多项式趋势面分析的数学模型及计算
结果: 解(5)得 ,从而得二元一次趋势面方程并可计算出各观 察点的趋势值:
z i b 0 b1 x i b 2 y i ( i 1, 2 , n ) (6)
它就表示空间一个平面,其等值线图为一组平行线。偏 差值为:
ei z i z i
i 1 n
i 1
3
i 1 n
b 0 i 1 n 2 x i y i b1 i 1 n 3 yi b2 i 1 n 2 2 x i y i b3 i 1 n 3 x i y i b 4 i 1 n 4 y i b 5 i 1
地理学中的数学方法

地理学中的数学方法题型:(成绩=80%卷面+20%平时)名词解释4—5′/题共20′简答计算(2选1)综合分析题:数学方法的实际应用一、名词解释:常用的统计指标(标准差、方差、均值、中位数......)相关分析、回归分析、聚类分析、主成分分析、层次分析......二、简答:1、简述相关系数的种类2、地理数据一般水平(平均值、中位数、众数......)离散程度(极差、方差、标准差......)3、数据标准化的方法4、某数学方法的一般步骤三、计算题(2选1)给出一个案例,根据所学设计怎样解决实际问题,会用什么方法、可能得到什么结果。
四、综合题地理学中数学方法的应用一、名词解释1、标准差也称为均方差,是方差的平方根。
标准差是反映一组数据离散程度最常用的一种量化形式。
标准差越高,表示实验数据越离散,也就是说越不精确;反之,标准差越低,代表实验数据越精确方差是各个数据与平均数之差的平方的平均数。
主要用于度量随机变量和均值之间的偏离程度。
方差越大,说明数据波动越大。
中位数(Median):即一组数据按升序排序后,处于中间位置上的数据值。
如评价社会的老龄化程度时,可用中位数。
众数(Mode):即一组数据中出现次数最多的数据值。
如生产鞋的厂商在制定各种型号鞋的生产计划时应该运用众数。
2、相关分析从狭义的角度来看,相关分析以现象之间是否相关、相关的方向和密切程度为主要研究内容,它不区别自变量与因变量;不关心关系的表现形式。
从广义的角度来看,相关分析就是研究两个或两个以上变量之间相关方向和密切程度大小以及用一定函数关系来表达现象相互关系的方法。
3、回归分析是在相关分析的基础上,具体描述因变量对自变量的线性依赖关系的形式。
即寻找能够清楚表明变量间相关关系的数学表达式,并根据这个表达式进行估计预测。
4、聚类分析是统计学中研究“物以类聚”问题的多元统计分析方法。
聚类分析是根据地理变量的属性或特征,按照其亲疏程度或相似性,在没有先验知识的情况下,采用数学方法将它们自动分类,最后得到一个能反映个体或站点之间、群体之间亲疏关系的分类系统。
趋势面分析

趋势面分析案例:某流域一月降水量与各观测点的坐标位置数据如表,我们设降水量为因变量Z,地2、Y2、XY、X22、X3、Y32、建立趋势面模型1)二次多项式a.我们先将各变量数值输入SPSS软件中,然后选择“分析—回归—线性”工具,将Z送进因变量框中,然后再将其他的自变量送进自变量框中,点击确定便可求的解。
b.运行结果如下图1图1中B列的数据为拟合方程的各系数,根据表中的数值及所对应的常量,我们求得的拟合方程为:Z=5.998+17.438X+29.787Y-3.588X2+0.357XY-8.070Y2图2图2显示该拟合二次趋势面的判定系数R2=0.839,显著性F=6.2322)三次多项式a.方法与二次多项式类似,将所有的变量输入SPSS,选择“分析—回归—线性”工具,将Z 送进因变量框中,然后再将其他的自变量送进自变量框中,点击确定便可求解。
b.运行结果如下图1图1中数列B的数据为拟合方程的各系数,根据表中的数值及所对应的常量,我们求得的拟合方程为:Z=-48.810+37.557X+130.130Y+8.389X2-33.166XY-62.740Y2-4.133X3+6.138X2Y+2.566XY2+9.785Y3图2图2显示,该拟合二次趋势面的判定系数R2=0.965,显著性F=6.0543、检验模型1)趋势面拟合适度检验。
根据两次拟合的输出结果表明,二次趋势面的判定系数为R2=0.839,三次趋势面的判定系数为R2=0.965,可见二者趋势面回归模型的显著性都较高(>0.8),且三次趋势面较二次趋势面具有更高的拟合程度(数值更大)。
2)趋势面适度的显著性检验。
根据两次拟合的输出结果表明,两者趋势面的F值分别为F2=6.236、和F3=6.054,在置信水平a=0.05下,查F分布表得F2a=F0.05(5,6)=4.53,F3a=F0.05(9,2)=19.4,我们得出F2>F2a F3 < F3a,因此我们判定用二次趋势面进行拟合比较合理。
arcmap趋势面法

arcmap趋势面法趋势面分析是一种在ArcMap中应用的空间分析方法,它用于描述地理现象随时间变化的趋势。
它可以帮助我们理解和预测自然和人为现象的发展情况,为决策和规划提供科学依据。
趋势面分析可以应用于多个领域和问题。
例如,在自然资源管理中,我们可以使用趋势面分析来研究土地利用变化、森林覆盖率变化、水资源利用变化等。
在城市规划和交通规划中,我们可以使用趋势面分析来研究人口分布变化、交通流量变化、城市扩张趋势等。
在疫情分析和气候变化研究中,趋势面分析可以用来描述疫情传播趋势、气温变化趋势等。
在ArcMap中进行趋势面分析,首先需要准备一系列的时间序列数据。
时间序列数据可以是多个时间点上的栅格数据,也可以是多个时间点上的矢量数据。
在输入数据准备好之后,我们可以通过以下步骤进行趋势面分析。
第一步是数据预处理。
在进行趋势面分析之前,需要先对数据进行预处理,以确保数据的质量和连续性。
这包括数据清洗、数据插值等步骤。
例如,如果时间序列数据中存在缺失值,我们可以使用空间插值方法(如克里金插值)来填补缺失值。
第二步是趋势面建模。
在趋势面分析中,最常用的建模方法是线性回归分析。
线性回归模型假设地理现象的变化是通过时间的线性函数来描述的。
根据具体问题的不同,我们可以选择简单线性回归模型,也可以选择多元线性回归模型。
在ArcMap中,我们可以使用回归分析工具来进行趋势面建模。
首先,我们需要选择需要进行趋势面分析的变量(如土地利用类型、气温等)作为自变量,选择时间作为因变量。
然后,我们可以通过工具的参数设定来选择回归模型的类型和参数。
在进行模型拟合之后,工具会生成模型拟合结果,包括回归系数、拟合优度等信息。
第三步是结果可视化。
在趋势面分析中,可视化是非常重要的,它可以帮助我们更直观地理解和解释分析结果。
在ArcMap中,我们可以使用各种方式来可视化趋势面分析的结果,例如生成趋势面图、制作图表、制作动态图等。
最后,对于趋势面分析的结果,我们可以通过进一步分析和解读来得到更多有用的信息。
趋势面分析法

一、趋势面分析法(2007-03-06 14:45:57)转载下面将就趋势面分析、克里金、形函数法三种算法作简单介绍,以后将进一步整理一些资料,介绍更多优秀的实用算法。
一、趋势面分析法趋势面分析法是针对大量离散点信息,从整体插值角度出发,来进行趋势渐变特征分析的最简单的方法。
趋势面分析一般是采取多项式进行回归分析。
趋势面通常应用多项式回归,主要是因为多项式回归的求解比较简单,通常可以得到显示的数学解答。
回归方法采用最小二乘法原理,其本质就是对回归函数在某个区间上的极值求取。
M阶N项多项式趋势面基本可以表示以下形式:要注意在上式中,是参变量,但不是每个参变量都是独立参变量。
在实际分析中,M一般取1,2,3。
一般来说来M不取超过3以上的高阶,主要基于两方面,一是高阶求解相对复杂,二是高级很难赋予物理意义。
N取多参变量在生产实践中是很常见的。
对于任何一组离散型数据,多项式趋势面到底取多少阶和多少个参变量,有一个临界限制:就是不管你取多少阶和多少个参变量,只要待求趋势面中的独立参变量总数小于或者等于已知离散控制点的数量就可以。
事实上,趋势面分析并不限制只取多项式趋势面,可以取任何函数构成的趋势面,如以下形式:上式为任意函数,为待求参变量。
在实际应用中,即使碰到了用一般多项式趋势面解决不了的拟合问题,往往也不采取以上方法,因为其求取复杂和费时。
通常做法是大致估算出其函数形式,将原始数据进行相应转换,然后再采取多项式趋势面方法来进行分析和求解。
在空间分析中,最简单的趋势面分析函数大致有以下一些类型。
1、空间趋势平面模型。
数学函数如下所示:2、简单二次曲面模型。
数学函数如下所示:或3、复杂二次曲面模型。
数学函数如下所示:所谓趋势面,顾名思义只是从趋势上来进行拟合,严格意义说它是平滑函数。
一般趋势面不经过原始数据点,除非趋势面中待求参变量的个数与已知离散控制点所确定的线性不相关方程组的个数相等。
趋势面分析中另一个重要特性就是揭示了分析区域中不同于总趋势的最大偏离部分。
第5章 趋势面分析

1 Ri = M
第一节
何谓趋势面分析
“趋势”是指事物发展的总的 趋势” 趋向, 趋向,它不受局部因素的影响而由 总的规律所支配, 总的规律所支配,包含着与空间地 理坐标(x,y)相关的三部分信息: 理坐标(x,y)相关的三部分信息:
①反映区域性变化的:数据中反 反映区域性变化的: 映总体的规律性变化的部分, 映总体的规律性变化的部分,由地质 区域构造、区域岩相、 区域构造、区域岩相、区域背景等大 区域因素所决定。 区域因素所决定。 反映局部性变化的: ②反映局部性变化的:反映局部 范围的变化特征。 范围的变化特征。 反映随机性变化的: ③反映随机性变化的:它是由各 种随机因素造成的偏差。 种随机因素造成的偏差。
学习重点、难点 学习重点、
重点 趋势面方程求法, 趋势面方程求法,趋势图形与剩余图形
的分析与应用 难点 其意义 观测数据做趋势与剩余分析, 观测数据做趋势与剩余分析,深入理解
学时, 课时安排 5学时,课外完成习题 背景知识 相关专业知识 线性代数 数理统计
学习方法 讲授与讨论
问题
油田在勘探/开发过程中, 油田在勘探 开发过程中,无论是储层的顶底 开发过程中 面深度(构造起伏)、砂体有效厚度, 面深度(构造起伏)、砂体有效厚度,还是孔隙 )、砂体有效厚度 度、渗透率和含油饱和度等都随空间坐标位置不 同而发生变化(空间坐标的函数),对于具有一 同而发生变化(空间坐标的函数),对于具有一 ), 定观测或勘探的区域,由于区域背景非水平平面, 定观测或勘探的区域,由于区域背景非水平平面, 因此局部变化的确切位置被歪曲, 因此局部变化的确切位置被歪曲,根据实测数据 你能够用什么方法突出它们的区域变化趋势和确 定局部变化的正确位置,以指导有效勘探 开发 开发? 定局部变化的正确位置,以指导有效勘探/开发?
徐建华计量地理学课后习题
徐建华计量地理学课后习题徐建华计量地理学课后习题-CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN计量地理学期末第⼆章1. 地理数据有哪⼏种类型,各种类型地理数据之间的区别和联系是什么?答:地理数据就是⽤⼀定的测度⽅式描述和衡量地理对象的有关量化指标。
按类型可分为:1)空间数据:点数据,线数据,⾯数据;2)属性数据:数量标志数据,品质标志数据地理数据之间的区别与联系:数据包括空间数据和属性数据,空间数据的表达可以采⽤栅格和⽮量两种形式。
空间数据表现了地理空间实体的位置、⼤⼩、形状、⽅向以及⼏何拓扑关系。
属性数据表现了空间实体的空间属性以外的其他属性特征,属性数据主要是对空间数据的说明。
如⼀个城市点,它的属性数据有⼈⼝,GDP,绿化率等等描述指标。
它们有密切的关系,两者互相结合才能将⼀个地理试题表达清楚。
2. 各种类型的地理数据的测度⽅法分别是什么?地理数据主要包括空间数据和属性数据:空间数据——对于空间数据的表达,可以将其归纳为点、线、⾯三种⼏何实体以及描述它们之间空间联系的拓扑关系;属性数据——对于属性数据的表达,需要从数量标志数据和品质标志数据两⽅⾯进⾏描述。
其测度⽅法主要有:(1) 数量标志数据①间隔尺度(Interval Scale)数据: 以有量纲的数据形式表⽰测度对象在某种单位(量纲)下的绝对量。
②⽐例尺度(Ratio Scale)数据: 以⽆量纲的数据形式表⽰测度对象的相对量。
这种数据要求事先规定⼀个基点,然后将其它同类数据与基点数据相⽐较,换算为基点数据的⽐例。
(2) 品质标志数据①有序(Ordinal)数据。
当测度标准不是连续的量,⽽是只表⽰其顺序关系的数据,这种数据并不表⽰量的多少,⽽只是给出⼀个等级或次序。
②⼆元数据。
即⽤0、1 两个数据表⽰地理事物、地理现象或地理事件的是⾮判断问题。
③名义尺度(Nominal Scale)数据。
即⽤数字表⽰地理实体、地理要素、地理现象或地理事件的状态类型。
SPSS趋势面分析
B et a
t 7. 225
X
-. 061
. 009
-7. 741
-6. 893
X2 XY Y2
-4. 7E -00 8 5. 27E -008 -4. 8E -00 9
. 000 3 -1. 288
-17. 609 10. 478 -8. 874
a.Dependent Variable: V
以二元二次多项式为例说明如何用SPSS做趋势面分析:
2 数据转换
点击菜单栏的“Transform”, 点击“Compute”,出现 “Compute Variable”窗体。
在Target Variable输入新的 变量的名称,比如计算x的 平方,用X2表示,就在 Target Varible文本框输入 X2,然后双击左边变量列表 框中的X,点击**(代表乘方), 点击2,Numeric Expression中X**2,代表x 的平方,然后点击OK,就 得到了X的平方,依此类推, 得到XY,Y的平方
.0797.24E -005
a.P redictors in the Model: (C onstant), Y2, X , X 2, X Y
b.D ependent V ariable: V
然后利用Surfer网格化原始数据, 并提取数据为ASCII格式文件,然 后用相同大小的网格,输出由 SPSS得到的趋势面函数的网格函 数文件。这样得到相同网格的两个 文件,对相同X、Y的Z求差,就得 到了残差。
二元三次多项式,表示一个三次平面
以二元二次多项式为例说明如何用SPSS做趋势面分析:
1 数据准备
如左边的图所示,数据一个无 表头,X、Y、V三列数据的 Ascii数据文件。
5.3 趋势面分析方法_new
x2 y2 y2
2
z0 z 1 zn
由式(5.3.7)求解,可得:
A (X
T
X )
1
X
T
Z
(5.3.8)
二、 趋势面模型的适度检验
趋势面分析拟合程度与回归模型的效果直接相关, 因此,对趋势面分析进行适度性检验是一个关系到趋 势面能否在实际研究中加以应用的关键问题,也是趋
则(5.3.6)式变为
X
T
XA X
T
Z
(5.3.7)
④ 对于二元二次多项式有
z a 0 a 1 x a 2 y a 3 x a 4 xy a 5 y
2 2
其正规方程组为
1 x 1 y1 2 x1 x y 1 1 2 y1
1 x2 y2 x2
(三)趋势面适度的逐次检验
方法: (1)求出较高次多项式方程的回归平方和与较低次多项 式方程的回归平方和之差, (2)将此差除以回归平方和的自由度之差,得出由于多
项式次数增高所产生的回归均方差,
(3)将此均方差除以较高次多项式的剩余均方差,得出 相继两个阶次趋势面模型的适度性比较检验值F。 若所得的F值是显著的,则较高次多项式对回归作 出了新贡献,若F值不显著,则较高次多项式对于回
ˆ zi ( xi , yi ) zi ( xi , yi ) i
式中:εi即为剩余值(残差值)。
(5.3.1)
显然,当(xi,yi)在空间上变动时,(5.3.1)式就刻画了
地理要素的实际分布曲面、趋势面和剩余面之间的互动关
系。
趋势面分析的核心:从实际观测值出发推算趋势面,一般 采用回归分析方法,使得残差平方和趋于最小,即:
趋势面分析
趋势面分析一什么叫趋势面分析?趋势面分析就是对反映区域性表化的、反映局部性变化的、反应随机性变化的三部分信息进行分析:排除随机干扰部分,找出区域性变化趋势,突出局部异常。
二数学原理利用多元回归原理,计算出一个数学曲面来拟合数据中区域性变化的趋势,即:趋势面---常用等值线给出。
本次上机实习采用多项式趋势面,对于一组地质数据,用SPASS做出趋势面后,还可以此为基础将这组数据的剩余部分分解出来,做出反映局部性变化的剩余图;进一步去掉随机干扰,就可以做出反应局部异常的的异常图,达到得出局部构造的目的。
三SPASS具体操作步骤及结果1 输入原始数据2 建立一个New plot然后在Plot界面用Grid打开之前建立的数据(可以修改各种参数设定)之后得到一个grid格式的数据和一个分析报告,下一步使用,进行趋势面绘制,用Map工具打开该数据Active Data: 18Univariate Statistics————————————————————————————————————————————X Y Z ————————————————————————————————————————————Count: 18 18 181%%-tile: 2.48 1.22 2005%%-tile: 2.48 1.22 20010%%-tile: 3.77 1.32 21425%%-tile: 3.93 2.33 23350%%-tile: 4.55 2.85 25075%%-tile: 4.58 3.11 26590%%-tile: 4.71 3.2 27895%%-tile: 4.99 3.21 61399%%-tile: 4.99 3.21 613Minimum: 2.48 1.22 200 Maximum: 5.04 3.58 690Mean: 4.29388888889 2.62611111111 289.288888889 Median: 4.55 2.85 250.05 Geometric Mean: 4.24766170066 2.51385012227 271.255793835 Harmonic Mean: 4.19054009746 2.37707222857 260.43837365 Root Mean Square: 4.33183756236 2.71356980951 317.188853664 Trim Mean (10%%): N/A N/A N/A Interquartile Mean: 4.36555555556 2.79 246.5 Midrange: 3.76 2.4 445 Winsorized Mean: 4.33166666667 2.61 248.566666667 TriMean: 4.4025 2.785 249.5Variance: 0.346589869281 0.494472222222 17916.0433987 Standard Deviation: 0.588718837206 0.703187188608 133.85082517 Interquartile Range: 0.65 0.78 32Range: 2.56 2.36 490Mean Difference: 0.610392156863 0.771045751634 104.483660131 Median Abs. Deviation: 0.33 0.315 16.55Average Abs. Deviation: 0.401666666667 0.498333333333 59.2111111111 Quartile Dispersion: 0.0763807285546 0.1433823529410.0642570281124Relative Mean Diff.: 0.142153691597 0.293607436628 0.3611741209Standard Error: 0.138762360667 0.165742809836 31.5489420484 Coef. of Variation: 0.137106211278 0.267767493018 0.462689132943 Skewness: -1.44662719199 -0.822714806649 2.2207762572 Kurtosis: 5.36832306757 2.26851523564 6.39084247191Sum: 77.29 47.27 5207.2Sum Absolute: 77.29 47.27 5207.2Sum Squares: 337.7667 132.5423 1810957.84 Mean Square: 18.7648166667 7.36346111111 100608.768889 ————————————————————————————————————————————Inter-Variable Covariance————————————————————————————————X Y Z ————————————————————————————————X: 0.34658987 0.041551307 -30.09019Y: 0.041551307 0.49447222 2.7437778Z: -30.09019 2.7437778 17916.043 ————————————————————————————————Inter-Variable Correlation————————————————————————————————X Y Z ————————————————————————————————X: 1.000 0.100 -0.382Y: 0.100 1.000 0.029Z: -0.382 0.029 1.000 ————————————————————————————————Inter-Variable Rank Correlation————————————————————————————————X Y Z ————————————————————————————————X: 1.000 0.010 -0.097Y: 0.010 1.000 0.113Z: -0.097 0.113 1.000 ————————————————————————————————Principal Component Analysis————————————————————————————————————————PC1 PC2 PC3 ————————————————————————————————————————X: 0.216419756651 0.216419756651 0.976298964503Y: 0.976300385716 0.976300385716 -0.216419808238Z: 0.000213968453371 0.000213968453371 -0.216419808238Lambda: 17916.0943565 0.504284372067 0.285819896505 ————————————————————————————————————————Planar Regression: Z = AX+BY+CFitted Parameters ————————————————————————————————————————A B C ————————————————————————————————————————Parameter Value: -88.3733860188 12.9750614884 634.680436047 Standard Error: 54.3839287184 45.5310389559 253.339971028 ————————————————————————————————————————Inter-Parameter Correlations ————————————————————————————A B C ————————————————————————————A: 1.000 -0.100 -0.874B: -0.100 1.000 -0.379C: -0.874 -0.379 1.000 ————————————————————————————ANOVA Table ————————————————————————————————————————————————————Source df Sum of Squares Mean Square F ————————————————————————————————————————————————————Regression: 2 45811.1345603 22905.56728021.32779942978Residual: 15 258761.603217 17250.7735478Total: 17 304572.737778 ————————————————————————————————————————————————————Coefficient of Multiple Determination (R^2): 0.150411146101 Nearest Neighbor Statistics—————————————————————————————————Separation |Delta Z| —————————————————————————————————1%%-tile: 0.022********* 2.35%%-tile: 0.022********* 2.310%%-tile: 0.022********* 5.825%%-tile: 0.05 2050%%-tile: 0.128062484749 21.475%%-tile: 0.261725046566 2890%%-tile: 0.667607669219 41295%%-tile: 0.810246875958 41299%%-tile: 0.810246875958 412Minimum: 0.022********* 2.3Maximum: 1.58344561005 490Mean: 0.300678589751 107.561111111 Median: 0.135094594392 22.55Geometric Mean: 0.150505839521 34.1962482825 Harmonic Mean: 0.0760795138321 15.183145853Root Mean Square: 0.484349506498 198.11587939Trim Mean (10%%): N/A N/AInterquartile Mean: 0.156027058614 22.4333333333 Midrange: 0.802903144915 246.15Winsorized Mean: 0.241874303774 103.422222222 TriMean: 0.141962504016 22.7Variance: 0.152668408352 29308.774281 Standard Deviation: 0.390728049098 171.198055716 Interquartile Range: 0.211725046566 8Range: 1.56108493028 487.7Mean Difference: 0.367671560345 153.080392157 Median Abs. Deviation: 0.111396166834 6.55Average Abs. Deviation: 0.230993279821 91.9277777778 Quartile Dispersion: 0.6792044749 0.166666666667 Relative Mean Diff.: 1.2228059226 1.42319459678Standard Error: 0.0920954843723 40.3517687077 Coef. of Variation: 1.29948743415 1.59163524761 Skewness: 2.020******** 1.28865622044 Kurtosis: 6.73356292285 2.76519475547Sum: 5.41221461551 1936.1Sum Absolute: 5.41221461551 1936.1Sum Squares: 4.2227 706498.23Mean Square: 0.234594444444 39249.9016667 —————————————————————————————————Complete Spatial RandomnessLambda: 2.97934322034Clark and Evans: 1.0379*******Skellam: 79.0479539757Gridding RulesGridding Method: KrigingKriging Type: PointPolynomial Drift Order: 0Kriging std. deviation grid: noSemi-Variogram ModelComponent Type: LinearAnisotropy Angle: 0Anisotropy Ratio: 1Variogram Slope: 1Search ParametersNo Search (use all data): trueOutput GridGrid File Name: C:\Documents and Settings\Administrator\桌面\趋势面分析数据.grdGrid Size: 92 rows x 100 columnsTotal Nodes: 9200Filled Nodes: 9200Blanked Nodes: 0Blank Value: 1.70141E+038Grid GeometryX Minimum: 3.22X Maximum: 4.95X Spacing: 0.017474747474747Y Minimum: 1.66Y Maximum: 2.49Y Spacing: 0.0091208791208791Univariate Grid Statistics——————————————————————————————Z ——————————————————————————————Count: 92001%%-tile: 243.6708247515%%-tile: 270.52537986610%%-tile: 289.3649401625%%-tile: 320.7816334150%%-tile: 346.69170079275%%-tile: 403.41375589490%%-tile: 501.89518357495%%-tile: 550.0838342899%%-tile: 623.854749712Minimum: 231.02350996Maximum: 684.239353028Mean: 371.755313657Median: 346.697198378Geometric Mean: 363.519621072Harmonic Mean: 356.180238449Root Mean Square: 380.919972359Trim Mean (10%%): 365.903516549Interquartile Mean: 351.617078065Midrange: 457.631431494Winsorized Mean: 368.205042418TriMean: 354.394697722Variance: 6898.76197525Standard Deviation: 83.0587862616Interquartile Range: 82.6321224834Range: 453.215843068Mean Difference: 87.9557978576Median Abs. Deviation: 36.2856362208Average Abs. Deviation: 59.6216971292Quartile Dispersion: 0.114101972622Relative Mean Diff.: 0.236595939927Standard Error: 0.865947707481Coef. of Variation: 0.223423265816Skewness: 1.19083933754Kurtosis: 4.0676520973Sum: 3420148.88565Sum Absolute: 3420148.88565Sum Squares: 1334920233.15Mean Square: 145100.025342 ——————————————————————————————然后得到趋势面:然后加上颜色表示地下:还可以重点突出某一小区域的构造,改变参数即可; 两趋势面的对比如下:然后做出三维模型:这就是局部构造。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
问题: 问题:
在实际问题中, 在实际问题中,研究者总是把重点放在局 部异常或区域场上。 部异常或区域场上。 1. 已测得某一物理量的平面分布(x,y,z),不 已测得某一物理量的平面分布( , 通过数据处理和做图, 通过数据处理和做图,你能判断它的区域背景 和局部异常具有什么样的特征吗? 和局部异常具有什么样的特征吗? 2. 有一构造平面图,单凭直观观察,你能分 有一构造平面图,单凭直观观察, 离出区域构造背景和局部构造, 离出区域构造背景和局部构造,并确定其位置 和特征吗? 和特征吗?
一次剩余等值图
7.00 6.00 35.00 30.00 5.00 25.00 20.00 4.00 15.00 10.00 5.00 3.00 0.00 -5.00 2.00 -10.00 -15.00 1.00 -20.00 -25.00 -30.00 0.00 0.00 1.00 2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00
(1) 二维多项式趋势面 (2) 三维多项式趋势面
2.多项式趋势面的求法 2.多项式趋势面的求法 设有一组地质观测数据Zi(xi,yi), =1,2,···, (i=1,2, ,n),xi和yi分别为观测点的 横坐标与纵坐标. 横坐标与纵坐标.
用一次多项式趋势面: 用一次多项式趋势面:
ˆ z = b0 + b1 x + b2 y
三次趋势面等值图
7.00 6.00 95.00 90.00 85.00 5.00 80.00 75.00 70.00 4.00 65.00 60.00 3.00 55.00 50.00 45.00 2.00 40.00 35.00 30.00 1.00 25.00 20.00 0.00 0.00 1.00 2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00
第五章 趋势面分析
鸟瞰阿尔卑斯
Rome
本章学习目标
a.掌握地质科学中空间(平面)观测数据的趋势 .掌握地质科学中空间(平面) 面方程的求法; 面方程的求法; b.学会趋势面方程的显著性检验方法; 学会趋势面方程的显著性检验方法; 学会趋势面方程的显著性检验方法 c.空间数据的分离:趋势图与剩余图分析及其地 空间数据的分离: 空间数据的分离 质意义; 质意义;
2
2
(5 − 7 )
待定系数b0,b1,b2,b3,b4,b5。其求解方 法与前相同,它们应满足以下方程组( 法与前相同,它们应满足以下方程组(矩 阵形式) 阵形式)
∑1 ∑xi y ∑ i 2 ∑xi ∑xi yi 2 ∑yi
∑x ∑x ∑x y ∑x ∑x y ∑x y
有什么解决的方法?! 有什么解决的方法?!
原始数据等值线图
7.00 6.00 100.00 95.00 90.00 5.00 85.00 80.00 75.00 4.00 70.00 65.00 60.00 3.00 55.00 50.00 45.00 2.00 40.00 35.00 30.00 1.00 25.00 20.00 0.00 0.00
M
1 Ri = M
第一节
何谓趋势面分析
“趋势”是指事物发展的总的 趋势” 趋向, 趋向,它不受局部因素的影响而由 总的规律所支配, 总的规律所支配,包含着与空间地 理坐标(x,y)相关的三部分信息: 理坐标(x,y)相关的三部分信息:
①反映区域性变化的:数据中反 反映区域性变化的: 映总体的规律性变化的部分, 映总体的规律性变化的部分,由地质 区域构造、区域岩相、 区域构造、区域岩相、区域背景等大 区域因素所决定。 区域因素所决定。 反映局部性变化的: ②反映局部性变化的:反映局部 范围的变化特征。 范围的变化特征。 反映随机性变化的: ③反映随机性变化的:它是由各 种随机因素造成的偏差。 种随机因素造成的偏差。
2 i =1 n i =1 n i =1 i =1 n
n
n
n
(5 − 4)
b0 ∑ yi + b1 ∑ xi yi + b2 ∑ yi = ∑ zi yi
2 i =1 i =1 i =1 i =1
n
将方程写成矩阵形式, 将方程写成矩阵形式,则是
∑1 ∑ xi y ∑ i
∑ x ∑ y b ∑ z ∑ x ∑ x y b = ∑ z x x y ∑ y b ∑ z y ∑
2 i 0 i 2 i i 3 i 2 2 i i 3 i i 4 i 1 i i 2 3 i i 2 i i 4 5 i i i 2 i i
随着次数的增高, 随着次数的增高,求系数的方程组的阶 按下式增大: 次k以趋势面的次数p按下式增大:
k=(p+1)(p+2)/2
(5 - 9 )
方程组的病态性质也更加明显(条件数增 方程组的病态性质也更加明显( 大),所求之解误差也增大,甚至无法得 ),所求之解误差也增大, 所求之解误差也增大 到其解。因此, 到其解。因此,趋势面分析中正规方程组 的解法应注意选择。 的解法应注意选择。
剩余值的额计算公式: 剩余值的额计算公式:
ˆ ∆z i = z i − z i
( 5 − 14 )
剩余值并非完全等于局部异常, 剩余值并非完全等于局部异常,它是 局部异常分量Ai与随机分量Ri之和。一般要 从剩余值中减去随机分量Ri 。一般将所有正 剩余的平均值作为随机分量: 剩余的平均值作为随机分量:
的偏导数,并令其为零: 分别求Q 对b0 ,b1 ,b2的偏导数,并令其为零:
n ∂Q = 2∑ (zi − b0 − b1 xi − b2 yi )( − 1) = 0 ∂b0 i =1
∂Q = 2∑ (zi − b0 − b1 xi − b2 yi )( − xi ) = 0 (5 − 3) ∂b1 i =1
第三节 趋势面的拟合优度 和显著性检验
一、趋势面的拟合优度
ST SR C= ) × 100 % × 100 % = (1 − S S = (1 −
∑ (z
i =1 n i =1
n
i
− zi )
∧2Biblioteka ( zi − z )2 ∑
) × 100%
( 5 − 11)
二、显著性检验
1. 趋势面方程的显著性 检验 趋势面方程的显著性F检验
(5 − 1)
来逼近原始数据。 来逼近原始数据。根据最小二乘法 原理, 原理,应使每个观测值zi与趋势值Zi (i=1,2,···, 的偏差平方和为最小, (i=1,2, ,n)的偏差平方和为最小, 即使
Q = ∑(zi − b0 − b1 xi − b2 yi ) = min
2 i =1
n
(5 − 2)
n
∂Q = 2∑ (zi − b0 − b1 xi − b2 yi )( − yi ) = 0 ∂b2 i =1
n
将上式整理后, 将上式整理后,得出以下方程组
b0 ∑1 + b1 ∑ xi + b2 ∑ yi = ∑ zi
i =1 n i =1 i =1 i =1 n n n n
b0 ∑ xi + b1 ∑ xi + b2 ∑ xi yi = ∑ zi xi
学习重点、难点 学习重点、
重点
趋势面方程求法, 趋势面方程求法,趋势图形与剩余图形
的分析与应用 难点 其意义 观测数据做趋势与剩余分析, 观测数据做趋势与剩余分析,深入理解
学时, 课时安排 5学时,课外完成习题 背景知识 相关专业知识 线性代数 数理统计
学习方法 讲授与讨论
问题
油田在勘探/开发过程中, 油田在勘探 开发过程中,无论是储层的顶底 开发过程中 面深度(构造起伏)、砂体有效厚度, 面深度(构造起伏)、砂体有效厚度,还是孔隙 )、砂体有效厚度 度、渗透率和含油饱和度等都随空间坐标位置不 同而发生变化(空间坐标的函数),对于具有一 同而发生变化(空间坐标的函数),对于具有一 ), 定观测或勘探的区域,由于区域背景非水平平面, 定观测或勘探的区域,由于区域背景非水平平面, 因此局部变化的确切位置被歪曲, 因此局部变化的确切位置被歪曲,根据实测数据 你能够用什么方法突出它们的区域变化趋势和确 定局部变化的正确位置,以指导有效勘探 开发 开发? 定局部变化的正确位置,以指导有效勘探/开发?
ST fT ST k F= = SR f R SR (n − k − 1)
(5 − 12)
则拒绝H (1)若F≥Fα,则拒绝H0,认为所求的趋 势面方程可用,具有显著意义; 势面方程可用,具有显著意义; 则接受H 认为所求的趋 (2)若F<Fα,则接受 0,认为所求的趋 ) < 势面方程无意义。 势面方程无意义。
1.00
2.00
3.00
4.00
5.00
6.00
7.00
8.00
9.00
一次趋势面图
7.00 6.00 82.00 80.00 78.00 5.00 76.00 74.00 4.00 72.00 70.00 68.00 3.00 66.00 64.00 2.00 62.00 60.00 58.00 1.00 56.00 54.00 0.00 0.00 1.00 2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00
i 2 i i 0 1 i i i i i 2 i i i 2 i i
(5 − 5)
该系数矩阵是对称正定的。 该系数矩阵是对称正定的。用一系列初 等变换(高斯法,乔累斯基法等) 等变换(高斯法,乔累斯基法等)即可 解出b 解出b0,b1,b2。
计算二次趋势面, 计算二次趋势面,则趋势方程
ˆ z = b 0 + b1 x + b 2 y + b 3 x + b 4 xy + b 5 y