《地学统计学的一个操作教程》由会员分享，可在线阅读，更多相关《地学统计学的一个操作教程（6页珍藏版）》请在装配图网上搜索。
1、地学统计学提取数据所用的工程数据來源是老师提供的坑探取样数据和钻探取样数据，数据是已给的Access数据库表，在基于VS2010平台上设计的，并从Access中提取数据。(1)选取的工程不同，则会调用对应的不同数据。调用数据时，先要通过采样数据來选择采样数据的类型(有坑探釆样和钻探采样两种类型)，然后通过工程需称按钮选择相应的工程，以坑探取样下的工程-340mlXC为例如下图1所示；图1(2)最后通过显示工程数据按钮显示数据。其调用数据结果界面如下图2所示：图2程序中主要应用的算法及其关键代码在本试验中主要使用了地学统计学法中的普通科里克法和杨赤中滤波法对一批沿一维分布的地质勘探(坑探和钻探两
2、种方式)取样数据进行统计分析。(1)普通科里克法，以所选工程总长度之半为最大滞后距分别计算两个元素品位(从铁、铜、硫中任选两个)的实验变异函数值，确定各自的变程a和基台值c,变异函数的公式如下：八h)=帀冷戏HZZx+h)2(1)其中z*(h)为该位置的变异函数值，h为滞后距，h的个数F为滞后距数，N为样品个数，Zx为在该位置某品位的测量值。假定h为1米，则最大值为样品总数的一半取整。实现普通科里克法的关键代码如下：ArrayTOUst(GradeKey);vars=newdoubleGradeKey.Length/2);for(inth=1;h=GradeKey.Length/2;h+)do
3、ublesum=0;for(intj=0;jGradeKey.Lengthh;j+)sum+=Math.Pow(GradeKeyj-gradeKeyj+h,2);varsh1二sum/(GradeKey.Lengthh)/2;（2）杨赤中滤波算法，它将矿床地质变量（如金属品位等）的观测值（钻探样品值）看作是一种包含规律性变化和随机性变化的复合变量，通过逐次加权游动平均（一维、二维、三维）逐步消除随机性变化成分，显现出基本变化成分。应用杨赤中滤波推估法对高程观测值序列进行逐遍滤波，把随机性变化和规律性变化分离出來，然后求出反映复合变量（高程观测值）变化特征的函数和数字指标作为建立高程估值协方函数
4、的依据，使滤波与推估有机地联系起來，由此建立高程估值数学模型。其公式如下：r*(1)=XlLAqj-q)2/N-器/铲-铲严/N(3)该算法的关键代码如下：杨赤中滤波方法publicvoidYCZCalculation（Listdou）Listtemp=newList();temp=dou;for(inth=1;h10)YCZCalculation(temp);publicvoidArrayTOList(doubleQtemp)for(inti=0;itemp.Length;i+)yCZvalue.Add(tempi);YCZCalculation(yCZvalue);publicdouble
5、YCZGetVar(Listdou)doublesum=0.0;for(inti=0;idou.Count;i+)sum+=doui;sum=sum/dou.Count;doubleCL=0.0;for(inti=0;idou.Count;i+)CL+=Math.Pow(douisum,2);CL=CL/N;returnCL;三、开始测试及分析求值分别选用坑探釆样类型下的w-340mlXC工程和钻探采样类型下的CK4A-4工程两个工程來进行比较分析，以两个工程中的Fe、S两种元素进行试验，确定各自的变程a和基台值c,并计算选定元素的实验随机特征函数值和随机变化系数，以及对比、分析同一工程的两个
6、元素品位及不同工程的同一元素品位的变化特征。(1)在同一工程中的不同元素的试验坑探取样表中的-340m：lXC工程数据的Fe品位和S品位进行分析，采用地学统计法中的普通克里格算法拟合得到的曲线和采用杨赤中滤波算法拟合得到的Fey元素曲线图如下图3所示，图中左边部分为普通克里格结果下的Fe元素变程3=36.456.基台值*421.772,右边部分为杨赤中滤波法结杲下的Fe元素随机特征函数值为322.388、随机变化系数值为0.744。图3同理S元素进行试验后的结果如下图4所示：左半部分普通克里格结果下的Fe元素变程a=2.960.基台值c=0.123,右半部分杨赤中滤波法结果卞的S元素随机特征函
7、数值为0.117.随机变化系数值为0.740。图4(2)在不同工程中的同一元素的试验选用坑探釆样类型下的-340mlXC工程数据和钻探采样类型下的-CK4A-4-工程数据下的Fe元素來进行比较分析，它们各自对比结果如下图所示。CK4A.4工程数据中的S元素工程CK4A-4中S元素的变程值a=16.036,基台值c=7.413,随机特征函数值为1.980,随机变化系数值为0.24&w-340mlXCw工程数据中的S元素-340mlXC工程数据中的S元素的变程值#2.960,基台值c=0.123,随机特征函数值为0.117,随机变化系数值为0.740。通过综合比较两个工程中S元素的品位变化特征，可
8、以看出杨赤中滤波算法的拟合要优于普通克拉格算法。试验小结地学统计法（克立格法）是区域化变量满足二阶平稳假设或本征假设条件下对空间分布数据求最有线性无偏内插估计量的方法以地质统计的平稳随机理论为基础的方法，它不可能根据较少的数据建模进行估值，如果在采样数据较少,或者元素品位的随机性较大的时候，产生的变异曲线是十分复杂没有规律的，这样就很难分析出元素品位的空间分布规律。杨赤中滤波法对高程观测值序列进行逐遍滤波，把随机性变化和规律性变化分离出來，然后求出反映复合变量（高程观测值）变化特征的函数和数字指标作为建立高程估值协方函数的依据，使滤波与推估有机地联系起来，由此建立高程估值数学模型。不论元素品位的随机性多大，经过多次滤波后，产生的随机特征函数值能够生成较好的随机特征函数曲线，很好的反应出元素的空间分布与变化规律。
地学统计学的一个操作教程
