一种识别及处理特高品位值的新方法

《一种识别及处理特高品位值的新方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、一种识别及处理特高品位值的新方法摘要:通过对目前特高品位值识别及处理方式进行综合分析评价，提出一种新的特高品位值识别及处理方式。新方法采用准则判断特高品位值及特高品位值个数。产生一组数目为样本数目的数据，要求这组数据符合样品统计分布规律。将样品和随机数都由大到小排序，用相应序列的随机数代替特高品位值。在实例分析时，新方法处理之后其品位分布特征的峰度、偏度均大幅度下降，并且品位均值和标准差均无较大变化。对比应用品位变化系数法处理的结果，在峰度和偏度下降相当时，品位值更加接近原始数据，说明新方法处理结果较为合理。关键词:特高品位值;随机数;地质统计学;统计分布;品位变化系数法1引言采用地质统

2、计学方法对矿床储量进行估计的过程中，需要对特异值进行处理，然后将处理之后的品位值作为储量估算的原始数据。特高品位对矿床资源储量的估算影响较大，在对矿床资源储量进行估算时，很有必要对特高品位进行处理。特高品位值的处理至今没有一个可以被普遍接受的方法。目前主要采用准则[1]、估计邻域法[2]、影响系数法[2,3]、邻近点数据比较法[1]、品位变化系数法[4,5]、分布函数法[5,6]等，这些方法在识别和处理特高品位值的过程中存在对品位分布特征分析不足、识别及处理过程人为影响因素大、关键参数选择缺乏科学理论依据等一系列问题，在处理单一矿床特高品位的时候，有必要采用一种能够反映矿床品位分布特征且

3、可操作性强的处理方式，以降低特高品位值对矿床真实储量的影响。2特高品位值识别及处理评价2.1特高品位值对资源储量估算的影响当在地质勘探及矿山地质研究中出现特异值（高值）时，称之为特高品位[2]。特高品位一般具有特点[2,7]：比所研究的全部数据的算术平均值或中位数的数值要高得多；存在于所研究的母体之中，不是采样或化验分析等所引起的认为误差；只占所研究数据的极少部分，但是对全部数据的统计结果影响较大；存在于所研究母体的一定空间位置。特高品位导致的结果[8]主要有：（1）影响数据统计参数的变化，并且影响实验变异函数的性状；（2）影响特异值周围的矿块品位，从而导致高估矿石量和金属量；（3）在使

4、用克里格估计过程中也可能产生奇异的样品权系数，如负的权系数。资源储量估算的准确性关系到整个矿床资源的开发利用，涉及到大量的人力物力投入。而特异值的存在使得资源储量估算存在很多偏差和不准确性。因此所有的特异值都有必要受到特殊的处理，其中包括在可能的情况下重新化验分析样品、根据经验将数据限制在一定的范围之内[8]。2.2特异值识别及处理方法评述孙玉建[8]认为如果发现特高品位是分析错误或反应了截然不同的地质子环境或者是一个矿床的特殊的域，就应该采取措施检查这个高值并分析其地质意义，以排除是由于分析错误造成的；如果高值是真实的值，就要分析如何将这些高值融入到资源量估算任务之中。在特高品位处理过

5、程中都要求的是不能给特异值过高的权重。在地质勘探中，特异值识别方式[7]主要有：（1）按照样品均方差的倍数来确定是否是特高品位，即特高品位值大于或等于m+3σ(其中m为均值，σ为均方差)；（2）按照样品品位变化系数（v=σ/m）来识别特高品位；（3）在分布密度函数曲线上将拐点对应值作为特高品位的下限值。特异值处理方法[9~10]主要包括：将特异值去掉，不参加统计；用正常值的最大值代替特异值；用以剔除特高品位或包括特高品位的平均品位代替特高品位值；用特高品位相邻两侧的样品或包括特高品位在内的三个连续样品品位值代替特高品位；用前述各种方法确定特高品位下限值代替特高品位的样品。另外刘振升还提到

6、采用概率分布函数法识别特异值，认为特高品位相邻两个或3个或4个样品品位的平均值代替特高品位比较实用[11]。所有这些方法在生产实践中也不同程度的发挥了作用，但也存在着某些容易忽视的缺点，例如只是经验而无统计意义，或未将特异值与正常值置于同一领域来研究等[2]。目前所采用的识别及处理方式评价如下：（1）准则[1]方法，以样本平均值加减三倍标准差作为区间，如果数据分布在区间意外，则定为特异值，然后分别用正常最大和正常最小值代替特异值。（2）估值邻域法[2,3]，是由D.G.克立格和D.M霍斯把地质统计学的基本思想用于识别和处理特异值的方法，它是一种把被识别的观测值（称为可疑样品）置于一个空间

7、连续矿化域的背景上进行研究[2]。在使用该法时，其中的n、以及替代值的确定都是人为确定，没有一致的标准；在面对大量数据的时候，可操作性不强。（3）影响系数法，该法是通过认为确定特异值的影响程度进行特异值的识别和处理[2,3]，采用此法是，过程相对比较繁琐，而且参数K值的确定存在模糊性。（4）邻近点数据比较法[1]，将常规统计特征与空间位置关系相结合，在判断样点数据是否可疑时，需要将该数据与总体数据进行比较外，还要将该数据与周围邻近的