地质成分数据统计分析——困难和探索

地质学研究中遇到大量成分数据，其各行之和相同，因而组分相关性中含由闭合效应引起的伪相关，而且不服从正态分布，给统计分析带来了很大困难．分析了前人提出的一些识别成分数据中伪相关的方法的缺欠，提出对数比变换作为成分数据统计分析的基本步骤的依据、优越性及存在问题；指出闭合造成的信息损失包括基的相关结构的信息，是任何方法都找不回来的．今后应着重分析有哪些信息还保留在成分数据中，并有针对性地寻找萃取这些信息的方法．

对数比转换与系统聚类方法应用于北黎湾沉积环境分区

基于沉积物粒度组分的沉积环境分区是理解区域沉积动力过程的重要基础。利用海南岛西部北黎湾海域采集的185个表层沉积物样品,运用对数比转换方法处理沉积物组分数据,并分别对处理前后的数据进行聚类分析。结果表明,应用对数比转换方法可获得更优的沉积物聚类效果;基于沉积物的聚类结果可将研究区域划分为4个沉积物环境亚区,即残积沉积区、砂质沉积区、混合沉积区和泥质沉积区。研究结果对于深入理解北黎湾演变的沉积动力过程和开发利用具有参考价值。

一类基于偏最小二乘回归分析的成分数据预测模型

针对“因变量和自变量都是成分数据的前提下,如何建立它们之间的线性回归”的基本问题,以经典线性回归分析法为基础,结合对称Logratio变换,建立了一种基于偏最小二乘回归分析的成分数据预测模型,并对该模型进行了理论实证分析,论证了该模型的可行性与优良性,从而为解决具有成分数据信息的多重相关变量回归问题提供新的途径.

基于支持向量回归的集对分析方法

传统的集对预测方法大多只能作短期预测,而且多数属于线性模型,没有考虑蕴含在同异反联系度中的非线性、时变性和强耦合关系.本文通过Logratio变换与反变换,将支持向量回归方法用于集对预测,在一定程度上可以克服线性建模技术的不足.该模型被用于人力资源绩效预测,取得了较好的效果.

基于等距logratio变换的成分数据判别分析方法

为了提高成分数据判别模型的准确性,提出一种基于等距logratio变换的成分数据判别分析方法。该建模方法先将成分数据实行等距logratio变换,在保持样本空间形态不发生变化的前提下再对变换后的数据表建立Fisher判别模型,克服了定和约束对建模的不良影响,并且保证了判别模型的合理性和准确性。应用所提出的方法,对两总体岩石分类问题建立了判别模型,并与传统模型进行比较研究。结果表明,模型的判别准确率得到很大提高,具有较强应用价值。