空间加权及高阶主成分分析在多元地学信息综合中的应用

发布时间：2024-02-22 09:48

　　主成分分析(Principal Component Analysis,PCA)是一种常用的多元统计分析方法,其目的是将一系列具有一定相关性的数据转换为少量的相互独立的主成分,从而实现数据的有效降维及系统分析。主成分分析过程一般基于输入数据的相关系数或协方差进行。然而,其相关矩阵或协方差矩阵的构造形式不考虑空间数据之间的相互关联和结构特性,这与因长期演化所造成的地质体之间或多或少均具有一定成因联系的情形相悖。而且原始信息的分布大都集中在平均值的附近,这是基于多数值的统计特性形成的,对于成矿过程发生的地质异常现象,有价值的信息往往隐藏在少数值处而被忽略。因此,传统主成分分析法虽然在地学研究中应用广泛,常用于对多源地学数据进行系统的综合分析,但是从算法构成的角度看,缺乏地质要素之间相互关系的约束。此外,成矿事件作为小概率地质事件,其发生、发展、结束在时间和空间上具有异常性。相应地,其所产生的地质信息在数据结构上应远离主体或背景。考虑到算法本身和成矿事件本质特征,本论文将传统主成分分析(PCA)、空间加权主成分分析(SWPCA)以及高阶主成分分析(HOPCA)法应用到中国东天山矿区铁资源的远景...

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

图1-1技术路线图

同的空间权重因子来构建空间加权主成分分析模型，从两个不同的思路反映地质信息在空间上的特点；（5）高阶主成分分析模型应用。通过选取最优阶构建高阶主成分分析模型，与传统主成分分析进行对比，突出远离均值的与成矿有关的地质异常信息。1.4.2技术路线图本文拟通过对雅满苏铁矿成因模式进行....

图2-1二维场景下主成分（PC）和空间加权主成分（SWPC）的特征向量示意图（修改自Zhaoetal.,2016）

场景下主成分（PC）和空间加权主成分（SWPC）的特征向量示意图（Zhaoetal.,2016）阶主成分分析PCA是基于二阶协方差或相关性将大多数元素的浓度值的统近的浓度值）形成成分。但对于许多应用，主成分应该基于最，以便这些成分可以表现研究目标的少数元素浓度的低值或l.....

图2-2服从正态分布的大多数值与幂律指数增强的少数值

2221112211qqijqqijqqijqqijAABBAABB个元素的浓度分别提升到q1和q2次幂，R（关系数，可以当做是A和B经过幂变换后的何实数值，当q1=q2=1时，为传统主成分的相与B的比值；当q>>1或q<<0都会增加图像下图2-2所示，....

图3-1研究区地理位置及交通区划图

3.研究区区域地质背景3.1研究区范围与自然地理概况3.1.1研究区范围新疆东天山示范区位于新疆东部，吐哈盆地南侧，呈近东西向展布的矩形，东西长668千米，南北宽111千米，面积7.4万平方千米。地理坐标：东经88°30′～96°30′，北纬41°30′～4....

本文编号：3906613