微量元素及重矿物判别分析在西昆仑山前第三系划分对比中的应用

采用微量元素和重矿物判别分析方法解决百昆仑山前长期未解决的红色哑地层划分对比问题。微量元素和重矿物与沉积环境及物源性质密切相关。不同时期，不同水系（物源区）的沉积岩具有不同的重矿物和微量元素特征。在西昆仑山前初步建立了３条微量元素和重矿物标准剖面，每条剖面均建立了划分组段的微量元素和重矿物两套判别函数。用以解决地面或井下未知层位样品的判别归属问题，经地面和井下验证取得初步成效。     

胶东地区区域岩石物性参数的地质应用

不同区域岩石类型标本测定的物性参数,除作基础资料供区域地质及区域地球物理研究使用外,还可以结合地质资料解决某些地质问题。文中利用胶东东部188件样品和胶东西部80件样品的5种物性参数:K(磁化率), Jr(剩磁),σ(密度),ρ(电阻率),η(极化率),采用判别分析方法,解决胶东东部和西部岩体划分对比问题,并依据物性参数进行聚类分析,划分不同母体。     

用逐步判别分析方法作铜仁地区夏旱的长期预报

利用１９５９－１９９８年北半球５００ｈＰａ、１００ｈＰａ高度、北太平洋海温等网格点资料以及本区地面气象要素等资料,应用具有引进和剔出因子双重功能的逐步判别方法,建立了铜仁地区关于夏旱和夏季降水３个预报对象的判别方程。结果表明,该方法的历史拟合率和独立试报都较理想。     

火山碎屑岩岩性的测井识别方法

火成岩岩性识别是岩相划分、储层评价及开发方案编制的基础。针对火成岩岩石类型多、测井识别难度大问题,应用贝叶斯判别分析方法对火山碎屑岩测井解释中岩性识别问题进行研究。通过对样本集的优化处理和先验概率的应用,提高了识别率。应用该方法对海拉尔盆地乌尔逊凹陷乌东地区火山碎屑岩储层进行了岩性自动识别,符合率达到80%以上。     

利用Bayes判别分析进行矢量地图修改检测

针对现有的矢量地图修改检测方法计算速度慢、效率低等问题,设计利用Bayes判别分析进行地图修改检测的方法。首先对同一幅修改前后的矢量地图分别进行栅格化,并进行配准;然后利用Bayes判别分析方法对配准后的栅格图像进行变化检测,获得矢量地图的修改区域;最后将修改区域与审校结果进行对比,发现错修改和漏修改问题。实际矢量地图数据的修改检测实验结果验证了利用Bayes判别分析方法实现地图修改检测的有效性和可行性。     

基于几何形态测量学的4种金线鱼矢耳石识别研究

利用2007年9月至2010年9月采自北部湾海域的24尾红棘金线鱼(Nemipterus nemurus)、32尾金线鱼(N.virgatus)、36尾深水金线鱼(N.bathybius)和35尾日本金线鱼(N.japonicus)性成熟后的矢耳石样本,运用几何形态测量学方法研究了4种鱼类矢耳石形态识别问题。耳石经图像处理后提取地标点坐标值,进行相对扭曲主成分分析,通过判别分析区分4种金线鱼的耳石,利用薄板样条分析和网格变形分析耳石形态变异。结果表明:在相对扭曲主成分分析中,第1、2、3主成分分别解释了总变异的30.78%、28.44%和11.75%,可以将四种金线鱼耳石区分开来。其中Ⅰ型地标点6、10、11,Ⅱ型地标点2,Ⅲ型地标点7,贡献作用较大,解释了主要形态变异。相对扭曲主成分的逐步判别分析中,四种鱼的平均判别成功率达91.3%;交互验证结果显示,四种鱼的平均判别成功率达89.8%,表明几何形态测量学分析可以作为鱼种耳石识别的有效方法之一,在耳石形态学与鱼种判别研究中具有重要应用价值。     

动态综合层次判别分析方法──以水土流失强度综合分析为例

随着遥感技术的发展,可获取的遥感信息越来越丰富,各种分类算法也层出不穷,然而在分类精度上却始终无法突破遥感数据本身的局限,而且不同的方法在判识的结果上往往有很大的不同。本文认为不同遥感信息、不同的判别分析方法,对不同的对象在不同的地表组合条件下其判别的能力是不同的,只有综合地运用这些不同的方法才可能在现有遥感资料的能力下提高分类精度。本文提出一种动态综合层次判别分析算法可将多种并行的分类算法综合在一起,取长补短,提高最后分类精度。通过在浙江省新昌县某地进行水土流失强度分析试验,取得了良好的效果。     

红鳍东方鲀(Takifugu rubripes)三个不同群体的形态差异分析

对3个不同群体红鳍东方鲀(Takifugu rubripes)进行16项形态性状的测定,采用3种多元统计分析方法和方差分析方法,比较了3个群体的外部形态特征。聚类分析结果表明,3个红鳍东方鲀群体中,日本群体(J)和养殖群体(R)的差异最大,野生群体(Y)和养殖群体(R)的差异最小。主成分分析构建了3个反映形态特征信息的综合性指标——主成分1、主成分2和主成分3,三者的贡献率分别为54.961%、12.129%和6.459%,三个主成分的累积贡献率为73.549%,3群体之间存在明显的偏离,形成三个不同的类群,其中,养殖群体(R)和日本群体(J)间的形态差异最大,野生群体(Y)和养殖群体(R)的形态差异最小。判别分析表明,3个红鳍东方鲀群体的形态差异基本上达到差异显著(P0.05)或极显著水平(P0.01),利用贡献率最大的6个参数建立了3个群体的判别函数,其判别准确率分别为97.69%—100%(P1)、97.39%—100%(P2),综合判别率为98.62%,可以认为逐步判别法对于红鳍东方鲀不同群体的初步鉴定是可行的。方差分析多重比较结果表明,3个群体在部分形态特征上表现出明显差异,其中,养殖群体(R)和日本群体(J)之间形态特征差异显著指标最多,养殖群体(R)和野生群体(Y)之间形态特征差异显著指标最少。显然,聚类分析、主成分分析、判别分析和方差分析的结论基本上是类似的,它们从不同角度反映了群体间的形态学差异。     

应用模式输出统计作海雾出现判别预报

应用模式输出统计的逐步判别方法，对山东南部沿海４～７月海雾出现作２４ｈ的判别预报。候选预报因子包括：日本数值预报传真图、近岸台站的观测、经验设计因子及其一些组合因子。对１９９３年４～７月独立资料，进行试报检验，结果表明，预报准确率达７７％     

美国4 个凡纳滨对虾(Litopenaeus vannamei)种群形态差异与判别分析

采用3种多元分析方法,对来源于美国的4个凡纳滨对虾种群的13个形态比例参数进行比较研究.聚类分析结果表明,Kona Bay种群与Molokai种群形态差异很小,而SIS种群、OI种群趋异程度逐渐增加.判别分析结果显示,4种群的13个形态比例参数有着极显著的差异(P>0.01);4个种群雌虾的判别准确率P1为61.76%-97.14%,判别准确率P2为62.03%-96.43%,综合判别率为80.25%;4个种群雄虾的判别准确率P1为75.76%-97.06%,判别准确率P2分别为67.57%-97.06%,综合判别率为80.71%,各种群的判别函数判别准确率均较高;主成分分析,构建的雌体的5个主成分方差贡献率分别为,主成分1:23.594%,主成分2:19.534%,主成分3:15.748%,主成分4:13.653%,主成分5:8.653%.累积贡献率为81.182%.而在构建的雄体的5个主成分中,方差贡献率分别为主成分1:22.095%,主成分2:19.270%,主成分3:15.430%,主成分4:15.245%,主成分5:7.885%.累积贡献率为79.925%.综上所述,Kona Bay种群与Molokai种群应是同一种群,与SIS种群亲缘关系较为接近,SIS种群和OI种群为独立的种群.