《计算机地质学》实验指导书

1、计算机地质学 实 验 指 导 书 西安科技大学地环系 二零零六年八月 目 录 实验一实验一 预处理与统计预处理与统计.1 实验二实验二 一元线性回归分析一元线性回归分析.7 实验三实验三 多元线性回归分析多元线性回归分析.11 试验四试验四 趋势面分析趋势面分析.15 试验五试验五 聚类分析聚类分析.20 试验六试验六 两类判别分析两类判别分析.24 试验七试验七 贝叶斯多类判别分析贝叶斯多类判别分析.28 试验八试验八 有序地质量最优分割法有序地质量最优分割法.32 1 实验一实验一 预处理与统计预处理与统计 一、目的：一、目的： 通过完成数据统计和预处理程序的设计和实现及完成算例，掌握统计

2、一组数据的极值、均值、 方差、变异系数及进行数据预处理的方法。 二、方法概要二、方法概要 1、进行统计和预处理的原因、目的和应注意的问题、进行统计和预处理的原因、目的和应注意的问题 （1）原因 原始数据可能有强非对称性，存在孤立值，大多数的统计方法应用原始数据时存在大而且不是 偶然的残差等问题，通过改变表达方式，有时可以增强信息的显示，而这种改变不仅需要改变数值 的单位，而且可能改变数据的基本测量尺度； （2）目的 使变量尽可能为正态分布（如回归分析要求因变量为正态分布，要求自变量和因变量之间 具有足够的相关关系） ； 统一变量的数据尺度； 使变量之间的非线性关系转换为线性关系； 用新的数目少

3、的相互独立的变量代替相互联系的原始变量； 方便用简单自然的方式进行解释； 帮助理解数据的特征。 （3）注意问题 数据范围：只有数据变化范围相对较大，变换才显著； 变换是很重要的工作，变换不当则适得其反；所以在认真研究分析的基础上进行，有时要 通过多次试验才能找到合适的变换方法； 有些行业中，有些强制性变换或习惯使用的变换，工作中应遵循； 变换后数据的可解释性也很重要，有时为了不影响解释，宁可不对其转换。 三、程序设计框图三、程序设计框图 预处理和统计模块的流程图如图 1-1 所示。 后续的不同多元统计方法对原始数据的分布有不同的要求，但对原始数据都需要进行预处理和 统计，所以建议统一输入文件的

4、格式，预处理和统计模块处理后输出文件的格式也按该定义的格式 定义。 文件的格式建议为： 2 样品个数，变量个数 第 1 个样品号，该样品第 1 个变量的观测值，第 2 个变量的观测值， 第 2 个样品号，该样品第 1 个变量的观测值，第 2 个变量的观测值， 第 3 个样品号，该样品第 1 个变量的观测值，第 2 个变量的观测值， 不是所有的原始数据都进行系统的统计和预处理，程序应该提供强大和灵活的人机交互界面， 方便用户根据实际情况和需要，选择不同的数据变换方法。 打开标准格式的原始数据文件 ),(,jixmn，原始数据矩阵变量个数读入样品个数 3-法则 n i jxx n jx 1 , 1

5、 )(计算平均值 s(j)(),( 1 1 )( 2 1 2 和计算样品方差：jxjix n js n i )(),(),(jxjixjiv计算残差 v(i,j)3s 删除样品i和变量j in i=1,j=1 jm y i=i+1 j=j+1 n n y y j=1 ),(,jixmn，原始数据矩阵变量个数形成新的样品个数 数据统计模块数据统一量纲模块 求平均值 求变异系数和正态分布检验 求样品方差 是否正态 选择正态变换的方法 角变换平方根变换对数变换 求平均值 求样品方差 标准化变换均匀化变换极差变换 ),(,jixmn ，原始数据矩阵变量个数形成新的样品个数 输出变换后的标准格式数据文件

6、 开始 开始 图 1-1 数据预处理和统计模块流程图 3 四、算例四、算例 （1）请对以下 15 个样品数据进行数据统计和数据预处理 变量 样品 123456789 11.7661153.48137952.625.7015.279.955.829.601158 21.7287603.23419252.522.2038.922.401.041.401578 31.7154183.68239061.105.2023.352.782.861.361372 41.4593923.98246130.3633.5928.213.090.891.581383 51.7383053.50571071.904.

7、0014.592.331.041.551285 61.7133233.29393453.581.8037.843.231.091.801564 71.7517413.48281566.164.0018.594.461.381.611320 81.8536373.46121464.265.9014.275.562.273.981230 91.6496273.77359255.807.8023.894.193.112.231350 101.7209033.39263951.702.6037.193.362.441.001549 111.7379083.47131159.203.7030.482.7

8、51.180.941479 121.6318493.82491856.1210.5017.38.372.074.901233 131.7204073.29241656.064.6036.001.171.230.311555 141.8287893.49714272.886.0514.493.091.041.281290 151.7099483.67559567.905.4015.844.392.962.191282 4 y z 散点图 实验二实验二 一元线性回归分析一元线性回归分析 一、目的：一、目的： 通过对一元线性回归分析程序设计及完成算例，掌握一元线性回归分析的基本原理和方法。 二、方法

9、概要二、方法概要 1、原始数据预处理、原始数据预处理 对对原始数据（）( =0，1，)数据进行预处理（见实验一） 。 n ii yx ,i n 2、数学模型建立、数学模型建立 （1）作散点图 一元线性回归只能处理两个变量之间的关系，它又被称为 直线拟合，假设为自变量，为因变量，对预处理后对数xyn 据（）( =0，1，；其中)如果把各个点数据 ii yx ,innn 画在坐标纸上（作散点图） ，各点近似分布呈一条直线，则可用 一元现行回归。 （2）选择数学模型 （2-1）bxay （3）参数 a, b 的估计 为根据回归方程的得到的因变量的计算值；a，b 为回归方程中的系数；x 为自变量。由于

10、 y y 测定结果中不可避免会有实验误差，因此用最小二乘法的原理估计回归直线中的系数 a，b。 假设实验得到了 n 对数据（i ，y）(i=0，1，n)并得到了回归方程 ，则对于bxay x 的一系列变量 x1 ，x2 ，xn，根据回归得到方程可得到因变量的一系列计算值 nn bxay bxay bxay 22 11 每一个实测值 yi(i=0，1，n)与它相对应的一个计算值(i=0，1，n)之间都有偏差， 1 y 也可称残差，计算公式： （2-2）)( iiiii bxayyyv 所有测试数据的残差平方和为 n i ii n i i n i ie bxayyyvq 1 2 1 2 1 2 )

11、( （2-3） 5 如果回归方程是合理的 a，b 为最佳。则所得到的残差平方和应达到最小值。bxay 得 （2-4） xbya xnx yxnyx l l b n i i n i ii xx xy 1 22 1 )( 列出回归方程 （2-5）bxay 3、回归方程显著性检验、回归方程显著性检验 （1）将自变量 n 组试验数据依次代入回归方程（式 38） ，求出因变量 n 个回归值 （） （2-6） ii bxayni, 2 , 1 （2）计算，和： 总 s 回 s 剩 s （2-7） n i i ynys 1 22 总 （2-8） n i i ynys 1 22 回 （2-9） 回总剩 sss

12、 （3）计算 f 统计量 （2-10） 2 1 ns s f 剩 回 （4）计算相关系数 r （2-11） yyxx xy ll l r （5）查表检验 给定显著水平 ，查表得。若或，则证)2(),2,(nrnpf )2 ,(pff )2( nrr 明回归方程显著；否则，回归方程无实用价值。 4、对因变量进行区间估计、对因变量进行区间估计 （1）估计剩余标准值 （2-12）2( ns剩 （2）求出因变量估计值 当自变量取定值时，由回归方程可求得 因变量数学期望的估计值。x y （3）写出预测区间 6 95%置信区间:（） 2,2yy 99.7%置信区间：（） 3,3yy 三、程序设计框图三、程

13、序设计框图 建议对原始数据以以下格式输入： 样品个数，2 第 1 个样品号，该样品第 1 个变量的观测值，第 2 个变量的观测值 第 2 个样品号，该样品第 1 个变量的观测值，第 2 个变量的观测值 第 3 个样品号，该样品第 1 个变量的观测值，第 2 个变量的观测值 首先要对数据进行预处理，处理完成后，形成以上格式新的文件（详见图 11） 。以下步骤如 流程图（图 21） 。 打开标准格式的原始数据文件 数据预处理和统计模块 输出变换后的标准格式数据文件 读入n对数据（xi，yi）（i1，2，n） ）见式计算32(, yyxyxx lllyx ）见式计算32(,ba ), 1 , 0(

14、nibxay ii ，求出 2 1 2 1 2 2 1 2 ns s f sss ynys ynys n i i n i i 剩 回 回总剩 回 总 计算 yyxx xy ll l r 计算 ），系统自动查询入（或者建立数据库，输输入 , , rfrf ff且rr )2/( ns剩计算剩余标准差 y rfsrf,，输出 bxayx 值，求出读入待预测样品 2 2 22 12 yl yl 3 3 23 13 yl yl ),%7 .99),95 31322122 llll的置信区间（和的置信区间（输出 结束 n 开始 图 2-1 一元线性回归分析模块流程图 四、算例四、算例 （一）从某煤矿采集

15、11 个煤样，分别测定煤的发热量（）和煤灰分（）含量，获得 g dt q g a 如下表数据： 样品号 1234567891011 （千卡） g dt q8.307.87.77.26.86.25.65.55.004.704.3 g a 0.030.050.080.100.150.200.270.300.340.400.45 7 试建立煤的发热量（）对煤灰分（）的回归方程，并检验该回归方程的显著性。 g dt q g a （二）煤矿脉中 13 个相邻样本点处某种伴生金属的含量数据如下表： 样品号 1234567 距离 x 23457810 含量 y 106.42108.20109.58109.5

16、0110.00109.93110.49 样品号 8910111213 距离 x 111415161819 含量 y 110.59110.60110.90110.76111.00111.20 试建立 y 对 x 的回归方程，并进行显著性检验。 8 实验三实验三 多元线性回归分析多元线性回归分析 一、目的：一、目的： 通过对多元线性回归分析程序设计及完成算例，掌握多元线性回归分析的基本原理和方法。 二、方法概要二、方法概要 设有自变量，因变量 y，共做 n 次实验。若 y 与间有线行关系，回归 p xxx, 21 p xxx, 21 方程则为： （3-1） ppx bxbxbby 22110 显而

17、易见，只要确定了各回归系数，方程也就确定了。 p10 b,b,b 1、建立原始数据矩阵，并进行必要的预处理、建立原始数据矩阵，并进行必要的预处理 （1）确定因变量与自变量，形成行列的矩阵：n1p （3-2） npnn p p yxxx yxxx yxxx 21 222221 111211 （2）进行预处理（详见图 11） 2、数学模型建立、数学模型建立 设经过预处理的原始数据，表示如下 （3-3） pnn p p xxx xxx xxx x 21 22221 11211 n y y y y 2 1 由最小二乘法知道，使得全部观察值与回归值的偏差平方和 q 达到最小，即 p10 b,b,by y

18、 使 （3-4）最小 n i ipniii n i ii xbxbxbbyyyq 1 2 22110 1 2 )()( 根据微积分学中的极值原理，b0，b1，bn，应是下列方程组： （3-5）), 2 , 1, 2 , 1( 0)(2 0)(2 1 1 0 pjni xyyq b yyq b ij n i ii j n i ii ； 35 式是求解回归系数的正规方程组，可以写成以下形式 9 （3-6）yxbxx （3-7）yxxxb 1 求解正规方程组，得到各回归系数。 p10 b,b,b 列出回归方程 （3-8） ppx bxbxbby 22110 3、回归方程显著性检验、回归方程显著性检验

19、 （1）将自变量 n 组试验数据依次代入回归方程（式 38） ，求出因变量 n 个回归值 （） （3-9） ippiii xbxbxbby 22110 ni, 2 , 1 （2）计算，和： 总 s 回 s 剩 s （3-10） n i i ynys 1 22 总 （3-11） n i i ynys 1 22 回 （3-12） 回总剩 sss （3）计算 f 统计量 （3-13） 1 pns ps f 剩 回 （4）计算相关系数 r （3-14） 总 回 s s r （5）查表检验 给定显著水平 ，查表得。若或，)2(),1,(nrpnpf ) 1,(pnpff )2( nrr 则证明回归方程显

20、著；否则，回归方程无实用价值。 4、对因变量进行区间估计、对因变量进行区间估计 （1）估计剩余标准值 （3-15）) 1(pns剩 （2）求出因变量估计值 当自变量取定值时，由回归方程可求得因变量数学期望的估计值。 p xxx, 21 y （3）写出预测区间 95%置信区间:（） 2,2yy 99.7%置信区间：（） 3,3yy 10 三、程序设计框图三、程序设计框图 建议以实验一的原始数据格式输入，首先要对数据进行预处理，处理完成后，形成实验一的原 始数据格式的新文件（详见图 11） 。以下步骤如流程图（图 31） 。 打开标准格式的原始数据文件 数据预处理和统计模块 输出变换后的标准格式数

21、据文件 读入n对数据（xij,yi）（i1，2，n;j1，2，p）,形成原始矩阵（见式33） ）见式计算73(,)( , 11 yxxxxxx 1 2 1 2 2 1 2 pns ps f sss ynys ynys n i i n i i 剩 回 回总剩 回 总 计算 总 回 计算 s s r ），系统自动查询入（或者建立数据库，输输入 , , rfrf ff且rr ) 1/(pns剩计算剩余标准差 y rfsrf,，输出 ppp xbxbxbbyxxx 2211021 ,值，求出读入待预测样品 2 2 22 12 yl yl 3 3 23 13 yl yl ),%7 .99),95 313

22、22122 llll的置信区间（和的置信区间（输出 结束 n p10 1 b,b,b,求得根据yxxxb 请参考 线性代 数矩阵 运算。 ）（求nixbxbxbby ippiii , 2 , 1 22110 开始 图 3-1 多元线性回归分析模块流程图 11 四、算例四、算例 （一） 、某矿区从 18 个矿样中测得 cu,pd,pt 的含量如下所示，试求 pt 对 cu 和 pd 的回归方程， 并检验其有无实用价值。 编号编号 1 x cu(%) 2 x pd(g/t) 3 x pt(g/t) 编号编号 1 x cu(%) 2 x pd(g/t) 3 x pt(g/t) 10.360.1690

23、.176100.060.0230.045 20.050.0350.020110.530.3290.292 30.240.2480.262120.060.0650.080 40.050.0150.035130.210.2830.235 50.220.2160.234140.030.0300.030 60.130.0860.092150.330.210.237 70.101.3001.669160.010.0300.050 80.070.0090.006170.210.2520.24 90.160.1600.150180.080.0530.103 （二） 、由于碳、氢、氧是煤燃烧过程中产生热量的主

24、要元素，对某矿（褐煤、常烟煤、肥煤、 焦煤和无烟煤）中取 12 块煤样，经分析化验后，其发热量（焦耳/克）与 cr(%)、hr（%） 、 r dt q or（%）元素的数据如下。问：今后能否不再对该矿煤进行发热量测定，而由元素分析结果对其进 行预测？ 编编 号号 1 x c cr r(%(% ) ) 2 x h hr r（% % ） 3 x o or r（% % ） y （j/gj/g r dt q ） 编编 号号 1 x c cr r(%(% ) ) 2 x h hr r（% % ） 3 x o or r（% % ） y （j/gj/g r dt q ） 1625.0156.57856.06

25、.08.4 2706.0207.08883.03.08.5 3756.5257.29905.05.08.8 4755.0107.510902.52.58.0 5785.5157.711923.03.08.5 6805.24.08.012953.53.58.7 12 试验四试验四 趋势面分析趋势面分析 一、目的：一、目的： 通过趋势面分析程序设计及完成算例，掌握趋势面分析方法原理及工作步骤。 二、方法概要二、方法概要 1、建立原始数据矩阵，并进行必要的预处理、建立原始数据矩阵，并进行必要的预处理 （1）选取应变量 选取什么样的变量进行趋势分析，取决于研究对象和研究目的。 （2）确定控制点 在确定

26、控制点时，一般要考虑以下几个方面：控制点的代表性、真实性和可靠性。控制点 要具有面性、均匀、随机分布的特点。 （3）整理原始数据统计表 收集因变量观测值及相应坐标，填入趋势分析原始数据统计表，其格式可参考表 4.1 。 表 4.1 趋势分析原始数据统计表格式 编 号控制点坐标 顺序号原编号横坐标()u纵坐标()v 变量 z 其中“控制点坐标 可以是地理坐标，也可以是虚拟坐标系的相对坐标。 （4）建立原始数据矩阵 假设有 n 个控制点的地理坐标及地质变量观测值，则原始数据矩阵为： nnn zvu zvu zvu 222 111 （5）统一量纲 为了不改变地质变量的值，仅对控制点的坐标值进行以下变

27、换（先中心化，在均匀化）： ), 2 , 1( ) 1( ) 1( ni v v c v vv cv u u c u uu cu ii i ii i 其中，；为常系数，其目的在于使，与具有相同的数量级。 n i i u n u 1 1 n i i v n v 1 1 c i u i v i z 例如，在对间隔型（标高、水位等）进行趋势分析时，因为一般有三位整数，故将取作 100 即 i zc 13 可；对比例型数据（煤厚、灰分、显微组分含量等）进行趋势分析时，可视的数量级，为值在 i zc 中间取值。1001 若自选坐标系，控制点的坐标为相对坐标，可通过适当选取坐标系的单位，达到与地质变量统

28、一量纲的目的，因而不必再施加上述变换。 2、趋势方程的参数估计、趋势方程的参数估计 纪正规方程组为： （4-1） i n i ii ii i l nn i n i n ii n i n iiiii n iiiiii n iii zv zv zu z b b b b vvvuv vvvuv vuvuuu vvu x 2 1 0 1 12 2 1 解方程组可求出系数，从而得到趋势面方程： 0 b 1 b 2 b l b （4-2） n iliii vbvbubb 210 其中，)2)(1(5 . 0nnl 3、趋势与剩余、异常与、趋势与剩余、异常与“噪声噪声”的分离的分离 （1）由趋势方程计算各控

29、制点的趋势值，再由观测值、趋势值求得各点的剩余值： （4-3）), 2 , 1( nizr iii （2）计算正剩余的平均值 （4-4） m j j z m r 1 1 或正剩余的二倍标准差 （4-5） m j j rr m s 1 2 )( 1 1 22 （3）计算异常点和异常值 选或作为异常限，记为e。若正异常剩余与异常限之差，则第 点为 r s20 err ji i 正异常点，为正异常值；若负剩余与异常限之和，则第 点为负异常点，为负 i r0err ji i i r 异常值。 4、趋势方程的显著性检验、趋势方程的显著性检验 （1）计算趋势平方和、剩余平方和、拟合度及检验统计量 趋 s

30、剩 scf （4-6） n i i zs 1 2 )( 趋 （4-7） n i ii s 1 2 )z( 剩 14 （4-8） 剩趋总 ss s （4-9）%100 总趋 ssc （4-10） 1 p pns s f 剩 趋 （2）给定置信水平，查临界值表的。若，则认为f) 1,( pnpf) 1,(pnpff 趋势方程在置信水平下是显著的。 5、绘制趋势图和偏差图，并进行地质解释、绘制趋势图和偏差图，并进行地质解释 三、程序设计框图三、程序设计框图 要求：针对算例编写，不要求通用性，这样可以少占用一些时间。 建议以实验一的原始数据格式输入，首先要对数据进行预处理，处理完成后，形成实验一的原

31、始数据格式的新文件（详见图 11） 。以下步骤如流程图（图 41） 。 打开标准格式的原始数据文件 数据预处理和统计模块 输出变换后的标准格式数据文件 读入n对数据（ui，vi，yi）（i1，2，n） 1 100 2 1 2 2 1 2 pns ps f ssc sss zns znzs n i i n i i 剩 趋 总趋 趋总剩 趋 总 ）（ 计算 ），系统自动查询入（或者建立数据库，输输入 ff ff y fsssfc, 剩趋总 输出 结束 分析）（详细步骤见多元回归求得 式）解正规方程组（ l bbb, 15 10 n iliii vbvbubb 210 得方程 ), 2 , 1( n

32、izr iii 计算剩余值： m j j z m r 1 1 计算正剩余的平均值： m j j rr m s 1 2 )( 1 1 22 差：计算正剩余的二倍标准 sr2e或用户选择 rjf y 果输出以上计算的所有结 结束 分析）（详细步骤见多元回归求得 式）解正规方程组（ p ccc, 66 10 p j jjx cy 1 得方程 式），（计算分界值9876 0 y ), 2 , 1( 1 v p j jjj njxcy 求出 ), 2 , 1(,n ), 2 , 1(,n 21b 21a bbipbibi aaipaiai nixxx nixxx ）对数据（读入 ）对数据（读入 计算组内

33、平均值和组内方差（61式） 计算各变量的i值（62式） 用户设定输入挑选变量的界限值，挑选大于界限值的变量 计算p个变量的组内方差和协方差（65式 ba yy 类否则，归入 类；，归入 判别规则： b a 0 yy 类否则，归入 类；，归入 判别规则： a b 0 yy ), 2 , 1(,n 21vvvipvivi nixxx）对代判样品数据（读入 ynnxcy ba p j jj 个样品的计算根据方程 1 根据判别规则判别样品的归类，并统计归类正确的数ma和mb %100 a ba b nn mm r计算正确率： n 开始 图 6-1 二类判别模块流程图 四、算例四、算例 今获得有关内陆泥

34、炭和滨海泥炭得锶（sr）和钡（ba）的化验数据如下： 已知类样品号锶（sr）钡（ba） sr / ba 10.00120.000112 20.00300.00056 30.00030.00021.5 40.00520.00182.88 滨海 泥炭 50.00020.00021 10.00090.00220.41 20.00070.00130.54 30.00250.01100.23 内陆 泥炭 40.0280.00600.47 10.0010.00052.00 20.0050.000657.69 未知 个体 30.00070.00023.50 试用两类判别分析判断（未知个体）煤层的成因类型。

35、25 试验七试验七 贝叶斯多类判别分析贝叶斯多类判别分析 一、目的：一、目的： 通过对多类线性判别分析程序设计和完成算例，掌握贝叶斯多类判别模型原理和工作方法步骤。 二、方法概要二、方法概要 1、原始数据获取、原始数据获取 设有 g 类母体，从每个母体中取得个样品，每个样品测得个变量，则原始数据为： g np （； ） gkj xg ,1,2, g g n,1,2, k p,1,2, j （总样品个数） 1 g g g nn 2、准备工作、准备工作 （1）计算诸变量的类平均值和总平均值 （71） 1 1 g n gj gkj k g xx n 1 1 g gjj g xx g （其中；）g ,

36、1,2, g g n,1,2, k p,1,2, j 或 （72） 12 1 g n g j gkj gk xx n 1 1 g gjj g xx g （2）计算组内离差矩阵（）和总离差矩阵（t）w （73）();( ) ijpxpijpxp wtt （74） 11 ()() g n g gigj ijgkigkj gk xxxx () （75） 11 ()() g n g ij ijgkigkj gk txxxx p,1,2, ji, （3）求 w，t 矩阵的逆矩阵（w-1,t-1） 及行列式值 3、判别分类、判别分类 （1）计算判别系数和及先验概率 jg c og c g q （76） p

37、 i gjij p i gjijjg xgnxgnc 11 )()( (；)g ,1,2, gp,1,2, j 26 () （77） 1 1 2 p gj ogjg i cc x g ,1,2, g , () （78） g g n q n g ,1,2, g （2）检验 p 个变量的判别效果 用威尔克斯准则来检验，即检验 p 个变量对于区分 g 个母 w u t g aaah 210: 体的能力。 计算 （79） ) 1( 1 1 1 gp u u f a a 其中： 22 22 (1)4 (1)5 1 p g a pg (1) 1 2 p g ka 1 2 pg kn 在给定下，查 f 分布

38、表得，如果，则判别函数有),1( gpf),1( gpff 效，否则，判别函数无效。 （3）计算未知个体的判别值：)x,x,(x x p21 （） （710） p j jjgoggg xccpxy 1 ln)(g ,1,2, g （4）对未知个体类别分类 若 ()，则将 x 样品划归第个母体。 *( )max() gg yxyxg ,1,2, gg g a 4、计算后验概率、计算后验概率 （711） () () 1 / g g yx g yx k e p ag x e 式中： * ()()() ggg yxyxyx 当时 22 (1)50pg 当时 22 (1)50pg 27 5、正确判别率估

39、计、正确判别率估计 设对已知类型 n 个样品判别归类后，有 m 个样品归类正确，则正确判别率 （712）%100 n m r 三、程序设计框图三、程序设计框图 打开标准格式的原始数据文件 数据预处理和统计模块 输出变换后的标准格式数据文件 式）值（计算97f ），系统自动查询入（或者建立数据库，输输入 ff ffy 果输出以上计算的所有结 结束 ), 2 , 1;, 2 , 1;, 2 , 1(,n 21 pjnkggxxx ggkpgkgk ）对数据（读入 计算诸变量的类平均和总平均值（71，2式） 计算组内离差矩阵（w）和总离差矩阵（t）（73，4，5式） )(n107xyg个已知类型样品

40、的式计算根据 根据最大值确定其类别，并统计归类正确的样品数m %100 n m r计算正确率： n 开始 式），以及先验概率和计算判别系数87 , 67)(, 2 , 1;, 2 , 1(pjggqcc gogjg ), 2 , 1(207)(),( 21 ggxyxxxx gp 式）（的判别值计算未知样品 类，则归入的最大值求出上述g)(), 2 , 1)(xyggxy gg 式）计算后验概率（117 图 6-1 贝叶斯多类判别模块流程图 28 四、算例四、算例 （一） 、某煤矿矿井开采 a、b、c 三个煤层，由于断层破坏，掘进巷道遇到一层没不知属于哪 一层，从而影响掘进工作正常进行。试用判

41、别分析解决该煤层对比问题。为此，取若干煤样，经过 化验获得如下数据： 煤层样品 sal2o5c2o 17.8323.352.74 27.5823.203.15 38.5123.894.19 a 48.3124.004.32 14.7338.922.40 25.1237.843.23 35.7837.193.36 b 46.1737.403.30 16.5614.592.33 27.7815.844.39 37.2814.959.32 已知类型 c 47.3213.943.33 未知个体 x14.5639.021.36 试建立多类线性判别函数，并对未知个体进行判别，求出 x 属于各母体的后验概率

42、。 29 试验八试验八 有序地质量最优分割法有序地质量最优分割法 一、目的：一、目的： 通过对有序地质量最优分割法简单程序设计及完成算例，掌握该法的数字原理与方法。 二、方法概要二、方法概要 1、取得原始数据、取得原始数据 设有 n 各有序样品，每个样品测得 p 各变量，则有原始数据矩阵 （81） 11121 21221 12 . . . p p nnnp xxx xxx x xxx 2、数据正规化、数据正规化 （82） min maxmin xjij ij ijij xx z xx 1,2,., 1,2,., in jp 3、计算段直径矩阵、计算段直径矩阵 d （83） 2 11 ( , )(1, ) jp d i jzzj 1ijn 其中： 1 1 ( , ) 1 j zi jz ji 得