面向预测性分析结果的数据故事化解释中的事件类型及生成方法研究

[目的/意义]数据故事化解释可以有效增强非专业人士对预测结果的信任和认知,事件作为数据故事的基本元素,研究事件类型和事件的自动生成方法对数据故事化解释有重要意义。[方法/过程]探讨了数据故事中事件的概念、特征、功能及类型,根据事件传递的信息类型将事件分为描述型事件和解释型事件。提出了事件的通用生成模式,基于此模式并结合概率统计方法,提出描述型事件中可靠性测试事件和公平性测试事件的生成方法,结合反事实解释方法、“What-if”和“Why-not”分析思想提出两种可解性测试事件的生成方法。[结果/结论]通过将事件生成方法应用到贷款数据集,验证了所提出的数据故事化解释中事件自动生成方法的可行性,并结合事件描述和解释了预测性分析结果。

统计分析软件SPSS在化探数据处理中的应用

社会科学统计软件包(SPSS-Statistical Package for the Social Science)是公认的最优秀的统计分析软件包之一。该软件以易学易用的操作界面、强大而成熟的资料处理和统计分析功能、人性化的图形操作界面以及美观的结果输出等优点,被广泛应用于自然科学、社会学、经济学、教育学、心理学、医学等各个领域(黄燕波,2007)。近年来,运用SPSS对东北地区多个勘查区的水系沉积物测量、

主分量分析方法在航空伽玛能谱测量数据解释中的应用

航空伽玛能谱测量所提供的钾、铀和钍含量等放射性参数之间通常存在着显著的相关性，从而掩盖了一些有用信息。应用主分量分析方法可以从相关性强的多个观测变量中提取出少数几个互不相关的新变量，因此能克服上述不足之处。在CDM盆地中部地区应用主分量分析方法对航空伽码能谱数据解释的结果表明，该方法可用来协助进行岩性和构造填图，识别有利于铀矿和钾盐沉积的环境，可以建立铀和钾盐矿床的成矿模式，进行铀和钾盐成矿远景的预测。可见，在航空伽玛能谱测量中它很可能成为一种新的有潜力的解释技术。

基于大数据的试井解释参数分析

试井解释是通过检查、分析试井资料的特征获取有关油藏信息和描述油藏物理本性参数的过程。现有试井解释方法都是基于图版拟合的方式,仍需依靠经验指导和人工参与进行单井分析。针对试井解释无法实现精简化与专家经验重用的问题,提出基于大数据的试井解释参数分析方法。通过数据驱动的方式结合大数据分析技术,分析试井解释中长期积累的海量数据。通过描述性分析,研究压力导数双对数曲线所反映的同类型试井的共性特征以及曲线特征的描述方法。采用相关分析揭示数据间隐藏的模式并识别相关性,确定与试井解释参数相关的独立变量。最后通过神经网络构建试井解释参数预测模型。研究表明,该分析方法可以避免由于图版拟合的固有误差、拟合主观性以及拟合结果不唯一等问题引起的误导性结果。

基于知识规则挖掘的风电机组故障识别与解释性分析

针对传统风电机组故障识别方法精度难以保证且缺乏解释性的问题,提出一种以模糊规则分类系统为框架的风电机组故障识别与解释性分析方案。离线阶段通过启发式学习生成代表性故障规则,采用多种群量子进化算法实现故障规则寻优,提高对故障的识别精度;在线阶段定义近邻规则竞争策略,在此基础上提出基于故障规则后处理策略的故障解释性分析方案,实现潜在故障概率排序以及解释性的关键异常征兆表达。以兆瓦级风电机组常见的10种故障数据进行仿真分析。结果表明,所提方法可有效提高故障识别精度,同时提供可靠的故障解释性结果。

西藏多龙矿集区水系沉积物地球化学数据定量分析与解释

位于西藏改则县的多龙矿集区是班公湖—怒江结合带最重要的斑岩型铜-金产地,具有较大的找矿潜力。本文利用MML-EM算法(Minimum Message Length-Expectation Maximization Algorithm)和ILR变换(Isometric Log-Ratio Transformation)为基础的主成分分析定量研究多龙矿集区水系沉积物化探数据的统计分布规律。混合分布筛分结果表明,Cu、Pb、Zn、Cr、Ni、Mn、Ag、Sn、W、Mo、As、Sb、Bi、Hg和Au的元素含量都服从包含两个对数正态分布的混合分布。大部分元素的高均值子分布反映了该地区多期次岩浆或热液活动。通过作ILR变换(Isometric Log-Ratio Transformation),消除了多龙地区化探数据的闭合效应,第一主成分的元素组合指示该地区的铜-金成矿潜力。多龙地区大部分铜-金矿床(点)和地表蚀变落在第一主成分得分较高的区域。根据第一主成分的得分,本文圈定了若干个成矿潜力较大的靶区。

数据生命周期视角下医疗健康大数据资产化影响因素研究

[研究目的]识别医疗健康大数据资产化的关键影响因素,对国家医疗健康大数据战略落地和产业发展、挖掘医疗健康大数据的潜在价值具有重要意义。[研究方法]采用文献分析法与专家访谈法联合识别出医疗健康大数据资产化的影响因素,并运用模糊决策实验室分析法(Fuzzy-DEMATEL)和解释结构模型法(ISM)分析影响因素的层次结构和内在联系。[研究结论]研究发现,医疗健康大数据资产化受数据采集、数据存储、数据处理、数据管理、数据应用及相关环境共6个维度23个因素的影响,其中数据共享、数据交易等4个因素是最直接的影响因素,标准管理、隐私保护等11个因素是连接底层与顶层的关键因素,技术支持、数据集成等8个因素是根源性影响因素。

面向电力系统智能分析的机器学习可解释性方法研究(二):电网稳定分析的物理内嵌式机器学习

将知识融入机器学习模型是提升算法可解释性与计算性能的重要途径之一。针对电力系统运行的稳定分析问题,提出一种新的物理内嵌式机器学习框架与方法,将描述故障动态过程的微分-代数方程作为先验知识,引导神经网络模型训练。相比于完全依赖数据的通用机器学习方法,物理内嵌式机器学习直接模拟物理过程,通过数据背后所蕴含的物理方程来约束机器学习决策空间,并输出故障后的动态曲线,结果物理含义与可解释性更强。同时,物理内嵌模式也大幅降低了模型训练对海量数据的依赖,为小样本学习及以及模型向真实系统迁移应用过程中的参数辨识提供一种新的思路。

基于解释结构模型的高校毕业生就业质量影响因素分析

高校毕业生的就业问题是政府、高校、企业等共同关切的民生问题,深入研究并解决高校毕业生就业问题对于实现毕业生高质量充分就业和促进经济社会高质量发展具有十分重要的意义。对2020—2022届毕业生就业情况进行问卷调查后,应用解释结构模型分析可知,企业环境、经济增长水平、政府就业政策、薪资待遇是影响高校毕业生就业的主要因素。为提高毕业生的综合素质和就业质量,应不断提高高校的教学质量、完善就业相关体制机制、建立内部协调发展机制等。

大数据分析技术在采油厂油藏开发中的应用浅析

大数据分析技术应用已经遍布商业、医疗、教育等各个行业,围绕已经进入双特高开发阶段的采油厂的信息化建设现状与深化应用需求,通过对单井产量预测、套损影响因素分析、注水方案优化调整等油藏研究与开发管理领域的大数据分析技术的实际应用,聚焦实际问题,浅析解决办法和取得的阶段效果,总结算法经验,并结合数智化采油厂建设,设想大数据分析技术在油田开发中的应用场景,为智能油藏的建设与实施提供解决方案设计参考,助力石油行业数字化转型、智能化发展。

培养学生采集、分析与解释数据的能力

实验数据采集、分析与解释是一项重要的探究能力，是学生科学素养的核心组成部分。在小学科学教学中，往往实验做得较充分，但实验后对于数据的分析与解释做得还不够。因此，应从数据采集方法、整理与分析方法、数据解释和规律应用等方面来培养学生数据采集、分析与解释的能力。

化探分析数据存盘格式的标准化

一、问题的提出自1978年上海局长会议决定开展全国1∶20万化探扫面工作以来,各种化探分析方案日趋成熟。同时,随着微型机遍及应用,越来越多的分析实验室利用微机实现分析结果的数据采集并存入磁盘,以此为媒介进行数据传输,直接自动成图,革除人工穿孔,提高了自动化程度,缩短了化探扫面工作周期,起了很好的作用。但是,由于目前各分析实验室对结果的存盘格式没有统一的标准,存贮格式不一致,致使提供给有关单位的数据磁盘,在传输过程中造成很多不必要的麻烦。因此,统一实验室化探结果存盘格式,

传播技术进步给解释性报道带来的影响

科技的进步使得信息传播方式、受众阅读习惯都发生了改变。这些变化给解释性报道带来了一系列的影响。首先,新媒体平台为解释性报道提供了更多的传播渠道,使其能够更迅速地传播。其次,新技术提供了与受众实时互动和沟通的便利条件,可以快速了解受众需求,并让报道内容更加具有针对性。最后,技术提供了更快的信息获取渠道、新的报道呈现方式、数据分析工具,使得解释性报道的形式、采写方式需要不断创新以适应新形势。

小学生数据分析解释的认知发展研究

借鉴Jones等人构建“儿童统计思维框架”所使用的测试工具,对1~6年级小学生数据分析解释的认知发展趋势以及错误认知进行考察。研究发现:小学生数据分析解释的认知发展分为快速发展时期、较快发展时期、平缓发展时期、停滞发展时期和倒退发展时期,其中1~2年级、4~5年级分别是小学生“数据之间阅读”以及“超越数据阅读”的快速发展时期;无法识别0数值、不能基于数据做出是与否的区分以及基于主观经验预测是小学生在分析与解释数据时常见的三种错误。

双因素方差分析在评价化探分析数据质量中的应用

在以往的小比例尺地球化学测量中评价分析数据质量、数据可利用程度、误差来源，往往采用三层套合方差分析的方法进行，但在大比例尺地球化学测量中，虽然没有规定要对分析数据进行方差分析确定数据的可利用程度，对实验室来讲，只要检出限、报出率、内检合格率、异检合格率等技术指标满足规范要求，就足够了，但这对数据利用者来讲是不够的。

小波分析在化探异常处理中的试验研究——以四川石棉田湾矿区为例

本文介绍了小波分析的基本原理及特点 ,并从小波变换的思想出发 ,将之应用于化探异常处理之中 ,以求在各种级别的背景异常中提取出矿化异常 ,并以四川省石棉县田湾矿区化探异常处理为例。

地震资料解释中应用测井数据需注意的几个问题

测井资料作为连接地震与地质的桥梁和纽带,在地震资料构造解释、反演以及储层预测中得到了广泛应用。通过理论及实际测井数据分析,探讨了测井数据的频散特性、不同仪器测量结果的差异性等,指出了地震资料解释中应用测井数据应该注意的几个问题:①地震数据与声波测井数据之间存在由速度频散引起的差异,层位标定中应进行必要的匹配校正,地震反演中不能过分追求反演结果与测井数据的一致性;②测井数据并非真值,同样存在一定的误差,应用中不可将测井数据绝对化;③基于测井数据的统计回归分析应注意数据选取的系统性、数据分布的均匀性以及数据量的充分性。

油气化探数据处理系统

在建立中国主要含油气化探数据库的基础上,研究开发了油气化探数据处理系统。组构异常的提取技术使油气化探异常评价进入了新的阶段,开拓了油气化探新思路。对油气化探数据预处理、指标优选、单指标异常提取、综合异常分析等进行了系统研究。

数据挖掘与测井解释:应用于砾岩储层（英文）

数据挖掘是从大量的、不完全的、有噪声的、模糊的数据中提取隐含的、但又是潜在有用的信息和知识的过程,由于数据挖掘具有出色的非线性建模能力和自组织学习能力,因此可以在复杂储层的测井解释中发挥作用。本文用数据挖掘方法识别复杂储层的岩性。将岩性识别作为一种分类任务建立数据挖掘流程,包括特征提取、特征选择和建立模型等步骤。本文用独立成分分析法从测井曲线中提取信息;然后使用分支定界算法寻找最佳的特征子集,并消除冗余信息;最后采用C5.0决策树算法建立分类模型的测井曲线。模型和实际测井数据吻合较好,表明在复杂油藏的研究中数据挖掘方法是有效的。