đề tài địa thống kê đa biển

CoKriging có thể được xem như là một nội suy điểm, CoKriging tính toán, dự đoán cho biến lấy mẫu ở độ chính xác thấp với sự giúp đỡ của một biến lấy mẫu ở độ chính xác tốt hơn.. ĐỊNH NGH

TRƯỜNG ĐẠI HỌC BÁCH KHOA

KHOA KỸ THUẬT ĐỊA CHẤT – DẦU KHÍ

MÔN: ĐỊA THỐNG KÊ

ĐỀ TÀI: ĐỊA THỐNG KÊ ĐA BIẾN

GVHD: TẠ QUỐC DŨNG

DANH SÁCH THÀNH VIÊN NHÓM :

NỘI DUNG

I. ĐỊNH NGHĨA ĐỊA THỐNG KÊ ĐA BIẾN

II. ĐẶT VẤN ĐỀ

III. CÁC GIẢ THUYẾT TOÁN

IV. COVARIANCE VÀ VARIOGRAM ĐA BIẾN

V. COKRIGING

VI. CÁC BƯỚC VÀ KẾT QUẢ NGHIÊN CỨU

VII. VÍ DỤ MINH HỌA

I. ĐỊNH NGHĨA ĐỊA THỐNG KÊ ĐA BIẾN

 Địa thống kê là áp dụng lý thuyết hàm ngẫu nhiên để đánh giá các hiện tượng thiên nhiên

 CoKriging là một biến thể đa biến của Kriging CoKriging có thể được xem như là một nội suy điểm, CoKriging tính toán, dự đoán cho biến lấy mẫu ở độ chính xác thấp với sự giúp đỡ của một biến lấy mẫu ở độ chính xác tốt hơn Các biến cần được đánh giá độ tương quan.

I ĐỊNH NGHĨA ĐỊA THỐNG KÊ ĐA BIẾN

 Biến lấy mẫu với độ chính xác thấp nhưng tương quan cao với biến thứ hai là biến có độ chính xác cao hơn, người ta có thể sử dụng sự tương quan này để cải thiện tính toán

I ĐỊNH NGHĨA ĐỊA THỐNG KÊ ĐA BIẾN

 Ưu điểm của địa thống kê đa biến:

So với phương pháp Kriging truyền thống thì phương pháp Cokriging cho ra kết quả chính xác hơn vì

sử dụng sự tương quan của nhiều bộ số liệu ( Z1, Z2,…,Zn) so với Kriging truyền thống chỉ sử dụng một bộ

số liệu

II. ĐẶT VẤN ĐỀ

 Bằng các điểm quan sát ( các mẫu, các công trình tìm kiếm, thăm dò…) phân bố rời rạc, không đều đặn trong không gian của đối tượng nghiên cứu (các thân quặng, thể địa chất) ngoài việc mô tả, ước lượng trên cơ sở một biến nào đấy còn có thể dựa trên cơ sở nhiều biến khác nhau

=>Vấn đề này có thể xem như là bước ngoặc quan

trọng trong nghiên cứu địa thống kê trên thế giới

III. CÁC GIẢ THUYẾT TOÁN:

Các bài toán địa thống kê nói chung, địa thống kê đa biến nói riêng thường được dựa trên cơ sở 2 giả thiết:

 Hàm nghiên cứu là ổn định bậc hai : xuất hiện đồng thời các covariance [C(h)] và các variogram [γ(h)]

 Hàm nghiên cứu là ổn định thực thụ (thường gặp nhiều hơn): chưa chắc đã có các [C(h)] tương ứng với γ(h), nghĩa là các C(h) thể hiện không rõ ràng

IV. COVARIANCE VÀ VARIOGRAM ĐA BIẾN

 Sự tương quan của các cặp hai thông số ở hai điểm nghiên cứu x và x’ = x + h thể hiện bởi covariance:

Cij (h) = E{[Zi (x) – mi][Zi (x’) – mj]}

 Covariance các số gia của các điểm nghiên cứu trong không gian đối tượng nghiên cứu được xác đinh như hàm variagram:

γ(h) = ½ E{(Z(x) – Z(x’))2}

V. COKRIGING

Tương quan cokriging thể hiện độ lệch của điểm chưa lấy mẫu với các thông số lấy mẫu

• Phương trình Cokriging này giống với Kriging nhưng có thêm một biến số nữa.

• Phương trình Cokriging này cho ra nhiều dự báo về những mối quan hệ giữa các biến số

• Phương trình Cokringing có khả năng đo đạc và mô hình hóa mỗi covariance của mỗi loại và cross covariance của mỗi loại số liệu với những số liệu khác

• Cokriging là sự lựa chọn chuyên sâu nhất khi nó đòi hỏi variogram của biến thứ 2 cũng như là cross covariance

• Việc giải những thuật toán hay ma trận trong Cokriging rất phức tạp và chậm vì nó phải giải quyết những covariance thêm vào từ những biến thứ 1 và biến thứ 2 cũng như là cross covariance

• Cokriging được sử dụng thường xuyên khi biến thứ 1 chưa được lấy mẫu và biến thứ 2 lấy mẫu khá tốt Nó cũng thường được sử dụng khi biến thứ 2 ít đồng nhất

• Mô hình hóa variogram bắt đầu từ biến thứ 1, biến thứ 2 và cuối cùng là cross

VI. CÁC BƯỚC VÀ KẾT QUẢ NGHIÊN CỨU:

VI CÁC BƯỚC VÀ KẾT QUẢ NGHIÊN CỨU:

B2:

Xác định, phân tích định lượng các thông số nghiên cứu bằng phương pháp thống kê truyền thống

Lập các toán đồ

Kiểm nghiệm các hàm phân bố

Xác định giá trị trung bình, phương sai, hệ số biến thiên.

Phân tích tương quan cặp, hồi quy

B3:

Phân tích định lượng cấu trúc đối tượng nghiên cứu

 Xác định các Ci(h), Cj(h), Cij(h) hay γi(h), γj(h), γij(h) thực nghiệm.

 Mô hình hóa các hàm thực nghiệm đã được xác định.

 Khai thác các hàm này; chủ yếu là mô tả mức độ, đặc tính của sự biến đổi, tính đẳng hướng, dị hướng của các thông số nghiên cứu.

B4:

Hiệu chỉnh số liệu.

B5: Xác định số lượng, đánh giá chất lượng các thông số nghiên cứu bằng Cokringing.

VII. VÍ DỤ MINH HỌA:

Ta có bảng số liệu sau:

DÙNG EXCEL TÍNH TƯƠNG QUAN

DÙNG EXCEL TÍNH TƯƠNG QUAN

= 0.627819 < 0.85 =>Hệsốtươngquanchưatốtlắm =>chưathểđặtlàmbiến Z1và Z2trong GS+

Do đóchúng ta sẽchọntrườnghợp a làm 2 biến Z1và Z2trong GS +:

CHẠY BẰNG GS:

Xác định tọa độ X, Y và đặt biến Z(Cu) : trước hết kiểm tra bảng số liệu, vào Data Summary → Statistics

SauđóchạykigingđểtìmbiểuđồphânbốxácsuấtcủaCu: vàoAutocorrelatioPrimary variateCalculate

Ta có được hệ số Regression coefficient = -1.174 là lớn nhất ta có thể chọn biểu đồ này để tinh toán

 Chạy variogram cho Z, Z2, và Z+Z2

Cokriging: Đểbiểuđồtínhchínhxác ta dùng Include shapesDefine đểđưabiênvào

Chạy Cokiging

Ta chạy Validate trong Cokiging

 = 0.853 > 0.85, regression coefficient =1,401  Cu vàPbthểhiệnsựtươngquantốt so sánhkếtquảvới Excel, ta thấykếtquảcũngtươngtự.



Chạy Calculate trong Cokiging

Thấy rằng kết quả chỉ dung trong khu biên, vậy kết quả sẽ dáng tin tưởng vậy sự khác biệt nếu không dùng biên thì sao:

Chuyển sang 2D:

 Nếu không dùng biên, biểu đồ sẽ tính cho cả khu vực ngoài, như vậy sẽ có những nơi không chính xác lắm.

Bây giờ chúng ta sẽ dùng GS+ để chạy các trường hợp b, c, d mà excel cho ra hệ số tương quan thấp

 Cu và Cd:

 < 0.85, Regression coefficient = 1.821 =>tươngquankhátốt



Cu và Co

< 0.85, regression coefficient = 1.792 =>tươngquankhátốt



Cu và Cr

 0.85, Regression coefficient =0.255 =>tươngquankhôngtốt



Cu và Zn

 0.85, Regression coefficient =1.604 =>tươngquankhátốt



Cu và Ni

 0.85, Regression coefficient =-0.086 =>tươngquankhôngtốt



TÀI LIỆU THAM KHẢO

 Tài liệu đại học Mỏ Địa Chất.

 Slide bài giảng môn học Địa thống kê.

 Pedometrics.org

KẾT THÚC