地质统计学简介及其应用

合集下载

地质统计学简介及其应用

地质统计学简介及其应用

基本理论介绍:
变差函数分析实际是确定数据在方向和距离两方面的变化率


滞后距(Lag)
散 点 图
半变差函数
半变差函数图的构成
变差函数图中各部分的名称
基台
变程
跃迁
变差函数图 的构图机理
关 系
变差函数图
半变差函数
H-散点图
二 维 变 差 函 数 模 型
主轴变差图
附轴变差图
三 维 变 差 函 数 模 型
权系数的确定
普通克里金
普遍采用于成图的算法;
远离数据点的值是寻找范围内的数据点的平均值。
3、非稳态克里金 (Nostationary Kriging)
非稳态克里金
比较灵活的克里金算法,因为可以设置网格点的值; 网格点的平均值来自于大范围的数据,而成图区只是一部分。
4、内在趋势克里金
(Universal Kriging)
且统计数据要达到一定的数量。
主要优点是:考虑了数据场的方向性。 其核心是:寻找到相邻数据点对所求点的权。
二、克里金算法介绍
常 用 的 几 种 克 里 金 算 法
1、简单克里金
2、普通克里金 3、非稳态克里金 4、内在趋势克里金
(泛克里金)
(Simple Kriging)
(Ordinary Kriging) (Nostationary Kriging) (Universal Kriging)
组成变差函数模型的结构类型
ห้องสมุดไป่ตู้
球型
高斯
跃 迁
指数
幂函数
变差模型结构
半 变 差 函 数
滞后距
四、一个应用实例
---应用三维属性数据建立砂体模型

多点地质统计学原理、方法及应用__概述及解释说明

多点地质统计学原理、方法及应用__概述及解释说明

多点地质统计学原理、方法及应用概述及解释说明1. 引言1.1 概述本文旨在探讨多点地质统计学的原理、方法及应用,为读者提供一个全面了解该领域的概述。

多点地质统计学是一门研究如何有效地利用多变量数值以及空间数据进行地质分析和预测的学科。

它通过综合多种数据,包括物理测量数据、遥感图像数据和野外调查数据等,来实现对不同地质现象和过程的建模与研究。

1.2 文章结构本文按照以下结构组织内容:首先介绍多点地质统计学的基本原理,包括其定义与概念、基本假设以及原理解释。

随后,针对多点地质统计学的方法进行详细阐述,探讨数据收集与预处理、变量选择和缺失值处理以及统计模型拟合与优化算法应用等关键步骤。

接下来,我们将通过具体案例研究来展示多点地质统计学在矿产资源评估与勘探、地下水资源管理与保护以及石油勘探与开发中的应用实践。

最后,在结论部分对全文进行概括总结,并展望未来多点地质统计学研究的发展方向。

1.3 目的本文旨在全面介绍多点地质统计学的原理、方法及应用,以帮助读者对该领域有一个清晰的认识。

通过阐述基本原理和方法,读者可以了解多点地质统计学在地质分析和预测中的重要性。

此外,通过具体案例的引入,读者将能够更好地理解多点地质统计学在实际问题中的应用价值和潜力。

最后,通过对未来研究方向的展望,读者可以获得一些启示,并为自己在该领域开展研究提供参考。

2. 多点地质统计学原理2.1 定义与概念多点地质统计学是一种广泛应用于地质科学领域的统计学方法。

它通过对多个地点上的地质数据进行收集、分析和解释,旨在揭示地下资源的分布规律和空间变异性。

多点地质统计学基于一系列假设和方法,能够提供可靠的预测结果和决策依据。

2.2 基本假设在多点地质统计学中,存在几个基本假设:- 空间自相关假设:相邻位置上的地质现象存在关联性,即一个位置的观测值可能受到相邻位置观测值的影响。

- 空间平稳假设:在整个研究区域内,不同位置上的地质变量具有类似的变异性。

地质统计学在地质及矿业中的应用及发展

地质统计学在地质及矿业中的应用及发展

地质统计学在地质及矿业中的应用及发展【摘要】地质统计学是一门重要的地质学分支,通过对地质数据的分析和解释,可以帮助我们更好地认识地质现象和地质资源。

在地质学中,地质统计学可以用于地质勘探、矿产资源评价、矿床预测和地质灾害预测等方面。

在矿业领域,地质统计学的应用也非常广泛,可以帮助矿业公司提高勘探效率和资源利用率。

地质统计学在实践中也存在一些局限性,比如样本数量不足或数据质量不高等问题。

未来,随着技术的不断发展和完善,地质统计学在地质及矿业中的应用将会更加广泛,为地质矿产领域的发展提供更多可能性。

地质统计学在地质及矿业中的重要性不可忽视,需要不断加强研究和实践。

【关键词】地质统计学、地质勘探、矿产资源评价、矿床预测、地质灾害预测、资源勘查、发展方向、局限性、重要性。

1. 引言1.1 地质统计学的概念地质统计学,是统计学与地质学相结合的一门交叉学科,主要研究地质现象的空间变异性及其规律性。

地质统计学通过对地质数据进行统计分析,揭示地质现象之间的关联性和规律性,从而为地质学和矿业提供科学依据。

地质统计学的方法包括样本普查、空间插值、随机模拟等。

这些方法可以帮助地质学家和矿业工作者更好地分析和解释地质数据,发现地下资源的分布规律,预测地质灾害的发生可能性,优化资源勘查的方案等。

地质统计学是一门在地质学和矿业中具有重要意义的学科,在研究地质现象的空间变异性和规律性方面发挥着至关重要的作用。

随着技术的发展和方法的进步,地质统计学将在地质及矿业领域发挥越来越重要的作用。

1.2 地质统计学在地质学中的重要性地质统计学在地质学中的重要性体现在对地质数据的分析与解释上。

地质统计学通过数理统计的方法,可以对地质数据进行合理的处理和分析,从而帮助地质学家更好地理解地质现象和地质过程。

在地质调查和勘探中,地质统计学可以帮助地质学家发现地质异常、地质断裂和矿产资源的分布规律,为矿产资源的勘探和评价提供科学依据。

地质统计学还可以帮助地质学家进行地质灾害的预测和评估。

地质统计学

地质统计学

地统计(Geostatistics)又称地质统计,是在法国著名统计学家G. Matheron大量理论研究的基础上逐渐形成的一门新的统计学分支。

它是以区域化变量为基础,借助变异函数,研究既具有随机性又具有结构性,或空间相关性和依赖性的自然现象的一门科学。

凡是与空间数据的结构性和随机性,或空间相关性和依赖性,或空间格局与变异有关的研究,并对这些数据进行最优无偏内插估计,或模拟这些数据的离散性、波动性时,皆可应用地统计学的理论与方法。

地统计学与经典统计学的共同之处在于:它们都是在大量采样的基础上,通过对样本属性值的频率分布或均值、方差关系及其相应规则的分析,确定其空间分布格局与相关关系。

但地统计学区别于经典统计学的最大特点即是:地统计学既考虑到样本值的大小,又重视样本空间位置及样本间的距离,弥补了经典统计学忽略空间方位的缺陷。

地统计分析理论基础包括前提假设、区域化变量、变异分析和空间估值。

第一章品位与储量计算第一节概述投资一个矿床开采项目,首先必须估算其品位和储量。

一个矿床的矿量、品位及其空间分布是对矿床进行技术经济评价、可行性研究、矿山规划设计以及开采计划优化的基础,是矿山投资决策的重要依据。

因此,品位估算、矿体圈定和储量计算是一项影响深远的工作,其质量直接影响到投资决策的正确性和矿山规划及开采计划的优劣。

从一个市场经济条件下的矿业投资者的角度看,这一工作做不好可能导致两种对投资者不利的决策:(1)矿体圈定与品位、矿量估算结果比实际情况乐观,估计的矿床开采价值在较大程度上高于实际可能实现的最高价值,致使投资者投资于利润远低于期望值,甚至带来严重亏损的项目。

(2)与第一种情况相反,矿床的矿量与品位的估算值在较大程度上低于实际值,使投资者错误地认为在现有技术经济条件下,矿床的开采不能带来可以接受的最低利润,从而放弃了一个好的投资机会。

然而,准确地估算出一个矿床的矿量、品位绝非易事。

大部分矿体被深深地埋于地下,即使有露头,也只能提供靠近地表的局部信息。

地质统计学.

地质统计学.

2、统计概率
频率:设随机事件A,在次试验中发生m次,其比值m/n称为随机事件A 的频率
显然 当重复试验的次数充分大时,随机事件A的频率(A)常常稳定在 一个确定的数字附近,这就是概率。
概率:在一定的相同条件下,重复作n次试验中发生了m次,当n充分大 时,随机事件A的频率m/n稳定在某一数字P附近,称数值P为该随机事件 的概率。 记为 P(A)=P
3、经典概率统计学所研究的变量原则上都是可以无限次重复试验或大量观 察的,但地质变量则不行。因为一旦在矿体某处取一样品后,严格说来, 就不可能在同一地方再次取到样品了。
4、经典统计学一般要求每次抽取样品必须是独立进行的,但地质变量在两 个相邻样品中的值就不见得一独立的,往往有某种成都的相关性。
地质统计学的优点
4、随机模拟
随机模拟是从一个随机函数(RF)模型中提取多个等 概率的所有随机变量(RV)的联合实现。 在随机模拟中,研究的内容包括随机模拟的定义及 其与插值的区别,随机模拟的基本原理,随机模拟 的分类,典型的随机模拟方法及其计算机实现。
本课程还将介绍地质统计学在储层建模中的应用 包括资料的准备建模的步骤,成果的显示等。
第二章 预备知识
一、概率论基础 二、随机变量及其概率分布 三、随机变量的数字特征 四、统计推断基础
一、概率论基础
1、随机事件 概率论是研究自然界偶然现象的科学,在概率论中把
偶然现象称为随机现象。 在自然界,介于“必然事件”和“偶然事件”之间的
即是“随机事件”。这类事件的特征是在一定条件下可 能发生,也可能不发生,或者在一定条件下有多个可能 发生的结果,而其结果事先不能预测。
3、不但可以进行样品的整体估计,最重要的是可以进行样品的局部估计
4、应用地质统计学方法得到的地质变量的精度比传统方法要精确,可以避 免系统误差。

多点地质统计学python

多点地质统计学python

多点地质统计学python摘要:1.多点地质统计学简介2.Python 在多点地质统计学中的应用3.多点地质统计学的优势与挑战4.未来发展趋势与展望正文:一、多点地质统计学简介多点地质统计学是一门研究如何利用多个空间位置的数据,来描述和推断地下地质结构的学科。

在资源勘探、地质灾害评估等领域具有重要的应用价值。

随着科技的发展,尤其是计算机技术的进步,多点地质统计学的研究方法和技术也在不断更新。

二、Python 在多点地质统计学中的应用Python 作为一门功能强大的编程语言,在地质统计学领域具有广泛的应用。

Python 提供了丰富的库和工具,如NumPy、SciPy、Matplotlib 等,可以方便地进行数据处理、分析和可视化。

在地质统计学中,Python 可以应用于数据预处理、地质体模拟、统计分析等方面,极大地提高了研究效率和准确度。

三、多点地质统计学的优势与挑战多点地质统计学具有以下优势:1.数据驱动:通过分析多个空间位置的数据,提高了对地下地质结构的认识和预测能力。

2.精确度高:利用统计学方法和现代计算技术,可以提高地质模型的精确度和可靠性。

3.适用范围广:可以应用于多种地质环境和资源勘探项目。

然而,多点地质统计学也面临一些挑战,如数据采集和处理难度大、计算复杂度高、模型参数选取不合适等。

这些问题需要研究人员不断探索和优化。

四、未来发展趋势与展望随着计算机技术的进一步发展,多点地质统计学在未来将取得更多突破。

以下几个方面是未来的发展趋势:1.大数据与人工智能的结合:利用大数据技术和人工智能算法,提高地质数据的分析和挖掘能力。

2.模型优化与集成:不断优化现有模型,探索多种模型的集成方法,提高地质统计学的预测能力和可靠性。

3.跨学科研究:与其他学科如地球物理学、数学、计算机科学等进行交叉研究,拓宽研究领域和方法。

地质统计学基本原理

地质统计学基本原理

Z(x 差h)的方差之半定义为区域化变量 的Z(变x)差函数,记为
(x, h)
(x, h) 1 Var[Z (x) Z (x h)]
2
变差函数定义
• 定义:在任一方向 a ,相距 | h |的两个区域 化变量 Z(x) 和 Z(x h) 的增量的方差的一半。
• 公式: (h) 1 E[Z (x) Z (x h)]2
几点注意内容
• 变差函数参数
• 块金值:块金值越小,距离越近的点越重要,这样会导 致权值的变化范围变大(从负值到大于1的值变化),使 数据出现异常。块金值越大,估值结果越平滑。
当时h 0,上式变成:
Var[Z(x)] C(0) x
即它有有限先验方差。
本征假设
当区域化变量Z(x) 的增量 Z(x) Z(x h) 满足下列两个条 件时,称该区域化变量满足本征假设: (1)在整个研究区内,区域化变量Z(x的) 增量 Z(x) Z(x 的h)
期望为0: E[Z(x) Z(x h)] 0 x,h
滞后距
实验变差函数计算实例
• 相距为200米的样本点对。
实验变差函数计算实例
• 滞后距为200米的变差函数值。
变差函数计算实例
• 变差函数图:滞后距200米的变差函数点
变差函数
20 18 16 14 12 10
8 6 4 2 0
0
100
200
300
400
500
滞后距
变差函数计算实例
• 变差函数图:滞后距300米、400米的变差函数点
几何各向异性
• 基台值相同 • 变程不同
在不同的方向具有相同的变异程 度(基台值相同)但具有不同的 连续程度(变程不同)为几何各 向异性。

地统计学及在生态学中的应用

地统计学及在生态学中的应用

地统计学及在生态学中的应用
地统计学是一门关注空间和时间环境中数据模式和变异的统计学分支。

它通过空间和时间分析来研究地理现象的空间分布、相关性和变异性。

在生态学中,地统计学被广泛应用于以下方面:
1. 物种分布模式研究:地统计学可以帮助生态学家分析物种在地理空间上的分布模式,并探索它们与环境因素之间的关系。

通过空间插值和克里金插值方法,生态学家可以估算物种的分布范围和丰度,并预测其分布的变化趋势。

2. 生境选择与风险评估:地统计学可用于研究动植物在生境选择中的模式,了解它们对特定环境条件的偏好和适应性。

此外,地统计学还可以帮助评估生态系统面临的自然灾害风险,如洪水、干旱和火灾的空间分布和概率。

3. 环境监测与空气质量评估:地统计学可用来分析环境监测数据,并揭示环境因素在空间和时间上的变异性。

例如,对空气质量数据进行地统计学分析可以帮助识别空气污染源的位置和影响范围,为监测和管理提供依据。

4. 生态系统功能评估:地统计学可以帮助评估生态系统功能和服务的空间分布和变异。

通过分析不同生态系统功能指标(例如碳储存、水净化和土壤侵蚀控制)的地理分布和差异,生态学家可以了解生态系统的健康状况,并制定相应的保护和恢复策略。

总之,地统计学在生态学中是一种强大的工具,可以帮助解释和预测生物和环境之间的空间关系,并提供决策支持和管理生态系统的指导。

统计学在地质勘探中的作用

统计学在地质勘探中的作用

统计学在地质勘探中的作用统计学是一门研究收集、处理和解释数据的科学,其在各个领域都有广泛的应用。

当谈到地质勘探时,统计学发挥着至关重要的作用。

在这篇文章中,我们将探讨统计学在地质勘探中的具体应用,以及为什么统计学对于地质勘探至关重要。

1. 数据收集和整理地质勘探过程中,收集和整理大量数据是必不可少的。

统计学提供了有效的方法来收集、整理和管理这些数据。

通过统计学方法,地质勘探人员可以有效地收集到多个地质属性的数据,如岩层类型、矿物成分、地下水位等等。

2. 描述性统计和可视化一旦数据被收集和整理,统计学可以帮助我们进行描述性统计和可视化。

描述性统计分析可以帮助地质勘探人员了解数据的分布情况、中心趋势和变异程度。

通过直方图、散点图、箱线图等图表,地质勘探人员可以更好地理解数据的特征和趋势。

3. 随机性分析和推断统计随机性分析和推断统计是地质勘探中重要的统计学技术。

在地质勘探的过程中,地质结构和矿藏分布具有一定的随机性特征。

通过随机性分析,我们可以模拟和预测地下结构和矿藏的分布,从而指导勘探工作。

4. 变异性分析和空间数据分析地质勘探中的地质属性通常具有空间相关性。

统计学提供了一种方法来分析和建模这种空间相关性。

通过变异性分析和空间数据分析,我们可以揭示地质属性之间的关系,如矿床分布的空间变异性和地质结构的相关性。

5. 风险评估和决策支持地质勘探是一个复杂而风险较高的过程。

统计学为地质勘探人员提供了风险评估的方法。

通过概率模型和模拟技术,我们可以对地质勘探结果进行概率评估,从而指导决策的制定。

总结起来,统计学在地质勘探中扮演着重要的角色。

它不仅帮助我们收集和整理数据,还提供了描述性统计和可视化的方法。

随机性分析和推断统计技术可以预测地下结构和矿藏的分布,而变异性分析和空间数据分析可以揭示地质属性之间的关系。

另外,统计学还能够进行风险评估并支持地质勘探中的决策。

因此,统计学在地质勘探中的作用是不可或缺的。

地质统计学简介

地质统计学简介

第一种方法地质统计学工作者已经 作了大量的工作;第二种方法属于稳健地 质统计学的范畴,稳健地质统计学是统计 学与地质统计学相结合的产物。稳健地 质统计学的稳健性体现在三个方面:①数 据稳健处理;②计算稳健的变异函数或协 方差函数;③采用稳健的克立格方法进行 估值。采用稳健地质统计学技术,不需对 原始数据分布进行任何假设甚至不必对 特异值进行处理,就可取得较好效果。
(1)矿产勘查方面。
赵鹏大等提出地质异常找矿及地质异常 矿体定位预测新理论。地质统计学对提取地 质异常、建立地质异常模型、评价地质异常 并进行地质异常矿体定位研究有非常重要的 作用。例如泛克里金法与传统的空间数据处 理技术相比更适合于地质异常的研究与应用;
稳健地质统计学可以对原始资料进行稳 健化处理,利用稳健的变异函数对区域化变量 进行结构分析,利用稳健的克里金技术提取地 质异常,建立地质异常模型,结合勘探资料圈 定“5P”地段。地质统计学继续在确定最优勘 探网度、评价矿石质量、圈定矿体边界、计 算矿体储量、设计矿石采选冶方案与设计矿 山生产规模及指导矿山开发生产等方面发挥 优势作用。
1. 5
应用实例
地质统计学在物探、化探、遥感数据等 地质数据处理方面、矿产储量计算方面、石 油及煤田工作方面、环境科学、水文工程地 质、农林科学及农田水利方面都有了比较多 的成功应用实例。
以矿产储量计算为例,德兴铜矿早在20 世纪80年代中期就开始应用地质统计学软件, 用于指导矿山设计、生产和规划;武警黄金 指挥部1993年用地质统计学方法计算了陕西 洛南驾鹿金矿区8801号矿体储量,并提交地质 勘探报告;有色总公司北京矿产地质研究所应 用地质统计学方法计算了煎茶岭金矿、云南 曼家寨锡、锌矿床、查干布拉根银铅锌矿等 多个矿床的储量。

地统计学简介

地统计学简介
地统计学强调空间数据的区域性、随机性和结构性,通过研究空间数据的变异特征和分布规律,为地球科学、环境科学、社 会科学等领域提供数据支持和决策依据。
地统计学的应用领域
地球科学
地统计学在地球科学领域有着广 泛的应用,如地质学、地貌学、 气象学、水文学等。它可以帮助 科学家们更好地理解地球表面的 形态和结构,以及地球系统的运 行规律。
数据质量和精度问题
要点一
数据收集和整理
数据的质量和精度对于地统计学的分析至关重要。然而, 由于数据的来源和收集方法的限制,数据可能存在偏差和 噪声,影响分析结果。
要点二
数据处理和分析
为了获得更准确的结果,需要对数据进行预处理和分析。 这包括数据清洗、插值、回归分析等,需要耗费大量时间 和精力。
高维和大数据问题
Python
Python是一种通用编程语言,通过第三方 库如“PySAL”和“geopandas”,可以用
于地统计分析和数据可视化。
地统计学在环境科学、地理学、地质学等领域的应用实例
环境科学
地统计学在环境科学中广泛应用于空气、水和土壤污染的空间分布研究,通过空间数据分析了解污染物的扩散和传播 规律。
目的
材料和方法
结果和讨论
了解土壤重金属的空间分布特 征,分析其来源及对环境的影 响。
采集不同区域的土壤样本,测 定重金属含量,结合地统计方 法和GIS技术,绘制重金属空 间分布图,分析其来源。
发现土壤重金属空间分布存在 显著差异,主要来源为工业排 放、农业施肥和交通尾气等。 重金属对生态环境的影响不容 忽视,应采取相应措施降低其 对生态和人体的危害。
已知点建立半变异函数模型,预测未知点的值。
克里格方法的步骤
02

地质统计学方法

地质统计学方法

地质统计学方法一、引言地质统计学是地质学中的一个重要分支,它运用统计学的理论和方法来分析和解释地质现象和地质数据。

地质统计学的发展与地质学研究的需要密切相关,它可以帮助地质学家更好地理解地质现象、预测地质事件以及优化地质资源的开发利用。

本文将介绍地质统计学方法的基本原理和常用技术,以及其在地质学中的应用。

二、地质统计学方法的基本原理地质统计学方法的基本原理是基于概率统计的理论,它认为地质现象和地质数据的分布具有一定的规律性。

地质统计学方法通过对地质数据进行采样、观测和分析,可以得到地质现象的统计特征和概率模型,进而进行地质事件的预测和模拟。

三、地质统计学方法的常用技术1. 变量分析变量分析是地质统计学中最基本的技术之一,它主要用于研究地质现象和地质数据的变量特征。

常用的变量分析方法包括:频数分析、概率分布函数拟合、变异系数计算等。

这些方法可以帮助地质学家了解地质现象的变量分布规律,从而为后续的地质建模和预测提供依据。

2. 空间分析空间分析是地质统计学中另一个重要的技术,它主要用于研究地质现象和地质数据的空间特征。

常用的空间分析方法包括:半方差函数分析、克里金插值、空间统计模型建立等。

这些方法可以帮助地质学家揭示地质现象的空间分布规律,从而为地质资源的勘探和开发提供指导。

3. 地质模拟地质模拟是地质统计学中的一项重要技术,它主要用于通过随机模拟方法生成符合实际地质条件的模拟数据。

常用的地质模拟方法包括:高斯模拟、马尔可夫链模拟、蒙特卡洛模拟等。

这些方法可以帮助地质学家预测地质事件的概率和可能性,提高地质资源的开发效率。

四、地质统计学方法在地质学中的应用1. 地质资源评价地质统计学方法可以帮助地质学家评价地质资源的分布和储量,从而为资源的合理开发提供依据。

通过对地质数据的变量分析和空间分析,可以揭示地质资源的分布规律和富集规律,进而进行资源量的估算和评价。

2. 地质灾害预测地质统计学方法可以帮助地质学家预测地质灾害的发生概率和可能性,提前做好防灾准备工作。

地质统计学方法

地质统计学方法

地质统计学方法地质统计学方法是一种应用概率统计理论和方法于地质学领域的学科,通过对地质数据的收集、整理、分析和解释,揭示地质现象背后的规律和规则,为地质科学研究和资源勘探提供科学依据。

地质统计学方法在岩矿勘查、地质灾害评估、油气田开发等领域具有重要的应用价值。

地质统计学方法主要包括地质数据的描述统计、空间插值方法和地质概率模型等。

地质数据的描述统计是地质统计学的基础。

通过对地质数据的观测和测量,可以获得大量的地质数据,如岩性、矿石品位、地形高程等。

地质数据的描述统计主要包括数据的集中趋势和离散程度的度量。

常用的集中趋势度量包括算术平均值、中位数和众数等,用于描述数据的平均水平;离散程度度量包括方差、标准差和变异系数等,用于描述数据的分散程度。

通过描述统计方法,可以对地质数据的特征进行客观、定量的分析,为后续的地质统计学方法提供基础。

地质数据的空间插值方法是地质统计学的重要内容。

地质现象往往具有一定的空间连续性,即相邻地点的地质特征具有一定的相似性。

空间插值方法可以通过已知的地质数据,推断未知地点的地质特征。

常用的空间插值方法有反距离加权插值法、克里金插值法和径向基函数插值法等。

这些插值方法可以根据地质数据的空间分布特点,合理地估计未知地点的地质特征,为地质预测和资源勘探提供科学依据。

地质概率模型是地质统计学的高级方法。

地质现象往往受到多种因素的影响,如地质构造、沉积环境和地球物理场等。

地质概率模型可以通过对这些影响因素的统计分析,建立地质现象的概率模型,进而对未来地质事件进行概率预测。

常用的地质概率模型包括高斯模型、二项模型和泊松模型等。

这些模型可以通过对地质数据的拟合和参数估计,确定地质现象的概率分布特征,为地质科学研究和资源勘探提供科学依据。

地质统计学方法是一种重要的地质科学研究方法,通过对地质数据的描述统计、空间插值和地质概率模型等方法的应用,可以揭示地质现象的规律和规则,为地质科学研究和资源勘探提供科学依据。

地质统计学(北京科技大学 张树泉)

地质统计学(北京科技大学 张树泉)
完全负相关 无线性相关 完全正相关
-1.0
-0.5
0
+0.5
正相关程度增加
+1.0
r
负相关程度增加
• 变异函数(Variogram)
• 协方差函数(Covariance)
• 平稳假设(Stationary assumption)
• 内蕴假设(intrinsic assumption)
• 估计方差(Estimation variance) 1
• 变异函数及变异曲线
• 变异函数及变异曲线
• Z(x)和Z(x+h)的相关与变异函数 的关系
•变异函数与协方差之间的关系
• 存在趋势的变异函数
•具有空穴效应的变异函数
•几何异向性和带状异向性比较
• 变异函数在原点处的性状
• 变异函数的理论模型
C0-块金常数 a—变程 C0+C—基台
p=(i-0.5)/n 0.025 0.125 0.175
标准正态分位数 -1.9600 -1.1503 -0.9346
5
7 10 12 14 15 17 18 19 20
39
43 49 51 56 59 61 74 75 99
0.225
0.325 0.475 0.575 0.675 0.725 0.825 0.875 0.925 0.975
1、区域化变量理论
• 区域化变量 G.马特隆定义区域化变量是:一种在空间上具有数值 的实函数,它在空间的每一个点取一个确定的数值,即当 由一个点移到下一个点时,函数值是变化的。 从地质及矿业角度来看,区域化变量具有如下性质: (1)空间局限性:即它被限制在一个特定的空间(如一 个矿体内);该空间称为区域化的几何域;区域化变量是 按几何支撑定义的。 (2)连续性:不同的区域化变量具有不同的连续性,这 种连续性是通过相邻样品之间的变异函数来描述的。 (3)异向性:当区域化变量在各个方向上具有相同的性 质时称各向同性,否则称各向异性。 (4)相关性:一定范围内、一定程度上的空间相关性, 当超出这一范围后相关性减弱以至消失。 (5)对于任一区域化变量而言,特殊的变异性可以叠加 在一般规律之上。

地质建模系列一:地质统计学

地质建模系列一:地质统计学

4
产生、形成、 2.1 产生、形成、发展
马特隆在1962年首先使用了地质统计学这个术语,并给出了定义: 年首先使用了地质统计学这个术语,并给出了定义: 马特隆在 年首先使用了地质统计学这个术语 “ 地质统计学就是应用随机函数的形式体系来探索和评价自然现 象”(Journel and Huijbregets,1978)。按照马特隆的最初定义, 。按照马特隆的最初定义, 克里金估计技术是一个概率过程, 克里金估计技术是一个概率过程,其目的是为了取得一个未知变量 的线性最佳无偏估计(Journel,1977)。 的线性最佳无偏估计 。 1988 年 成 立 的 国 际 地 质 统 计 学 学 会 ( The International Association)对地质统计学给出的定义是 对地质统计学给出的定义是: Geostatistical Association) 对地质统计学给出的定义是 : “ 地 质统计学这一术语是指对于区域性现象(也称区域化现象)的研究, 质统计学这一术语是指对于区域性现象(也称区域化现象)的研究, 更具体地说是指这些现象中复杂的估计问题的研究。 更具体地说是指这些现象中复杂的估计问题的研究。” 斯坦福大学石油工程系的A. Journel教授在他的论文 ( Journel, 教授在他的论文( 斯坦福大学石油工程系的 教授在他的论文 1999)中,以已召开的五次国际地质统计学大会取得的成果为纲, 以已召开的五次国际地质统计学大会取得的成果为纲, ) 5 系统地叙述了石油地质统计学的过去、现在和将来。 系统地叙述了石油地质统计学的过去、现在和将来。
7
克里金估计技术这一术语出自英文科技文献中的Kriging一词 克里金估计技术这一术语出自英文科技文献中的Kriging一词, 可称为克里金估计方 Kriging 一词, 法或克里金技术, 或克里金。 法或克里金技术 , 或克里金 。 为了纪念这项技术的先驱者南非的矿业工程师克里格 (D G Krige),该项技术基础体系的奠基人法国的马特隆教授(G.Matheron)将这门技术 Krige),该项技术基础体系的奠基人法国的马特隆教授( Matheron)将这门技术 用法文命名为“Krigeage”,译成英文就叫做“Kriging”(Olea,1983) (Olea,1983 用法文命名为“Krigeage ,译成英文就叫做“Kriging (Olea,1983)。 克里金估计技术主要用于二维,三维空间中的估计问题, 克里金估计技术主要用于二维,三维空间中的估计问题,即用一个空间变量在若干位 置处已知数值的加权平均去估计该变量在其他位置处的数值,求得的是一个最佳线性 置处已知数值的加权平均去估计该变量在其他位置处的数值, 无偏估计量。 无偏估计量。 马特隆(1963)将克里金估计技术定义为: 马特隆(1963)将克里金估计技术定义为:“它通过计算各采样点的加权平均来预测 一个矿体的品位。和预测方差为最小是确定其加权系数的两个条件。 一个矿体的品位。和预测方差为最小是确定其加权系数的两个条件。” 克里格(1978)对于克里金这个词有一个解释: 克里金这个名称是马特隆给予的, 克里格(1978)对于克里金这个词有一个解释:“克里金这个名称是马特隆给予的,它 是一种多元回归过程。其目的是要获取任何尺寸的矿体的品位的最佳线性无偏预测, 是一种多元回归过程。其目的是要获取任何尺寸的矿体的品位的最佳线性无偏预测, 或是最佳线性加权滑动平均预测。这时, 或是最佳线性加权滑动平均预测。这时,在矿体内部或外部的所有观测值都有一个加 权系数相对应。 权系数相对应。” 地质统计学的杰出贡献者儒尔奈耳( Journel,1978 则说: 1978) 地质统计学的杰出贡献者儒尔奈耳(A.G.Journel,1978)则说:“克里金是一种进 行局部估计的方法,它给出所研究的未知特征的最佳线性无偏估计量(简写为BLUE) 8 BLUE)。 行局部估计的方法,它给出所研究的未知特征的最佳线性无偏估计量(简写为BLUE)。”

地质统计学教案中的地质统计软件与工具应用

地质统计学教案中的地质统计软件与工具应用

地质统计学教案中的地质统计软件与工具应用地质统计学是地质学与统计学相结合的学科,通过对地质现象和地质数据的统计分析,提供了一种系统的、科学的研究方法和技术手段。

而地质统计软件与工具则是在地质统计学应用中,起到关键作用的工具。

本文将介绍地质统计软件与工具的应用,以及其在地质统计学教学中的重要性。

一、地质统计软件的应用地质统计软件是地质学家进行数据处理和分析的重要工具。

它们可以帮助地质学家对地质数据进行可视化展示、数据清洗和处理、统计算法应用等操作。

以下是一些经典的地质统计软件:1. GSLIB:GSLIB是地质学家使用最广泛的统计分析软件之一。

它提供了丰富的统计分析方法和模型,如变异函数分析、空间插值、模拟等。

GSLIB能够处理各种类型的地质数据,包括地球化学数据、地震数据、岩心数据等。

2. GeoR:GeoR是R语言的一个扩展包,专门用于地质数据的统计分析。

它提供了多种空间统计方法,如Kriging插值、局部Kriging、克里格变异函数等。

GeoR用户可以使用R语言的强大功能,进行更加灵活和个性化的地质数据分析。

3. Isatis:Isatis是一款专业的地质空间统计软件,由法国Geovariances公司开发。

该软件具有较好的图形用户界面和丰富的统计分析功能,包括地质建模、回归分析、多元统计等。

Isatis在资源勘探、地质灾害评估等领域得到了广泛应用。

以上只是地质统计软件中的几个代表性工具,还有许多其他的软件如GeoStat、SGeMS等,它们都为地质学家提供了高效而方便的数据处理、分析和建模方法。

二、地质统计工具的应用除了地质统计软件,地质统计学中还有一些常用的工具被广泛运用。

1. 地质野外测量工具:地质学家在野外进行地质调查和采样时,需要使用各种工具,如罗盘、测距仪、取样器等。

这些工具能够帮助地质学家准确收集地质数据,为后续的统计分析提供准备。

2. 地质图化软件:地质学家在地质调查中需要绘制地质图,并在图上标注地质要素、测量结果等信息。

统计学在地质学中的应用

统计学在地质学中的应用

统计学在地质学中的应用地质学作为一门研究地球历史和构造的学科,其数据量庞大且复杂,因此需要一种有效的方法来整理、分析和解释这些数据。

统计学的应用在地质学中扮演着关键的角色,它为地质学家提供了宝贵的工具和技术,以更好地理解和解释地球过程。

一、样本分析在地质学中,样本分析是一项重要的工作。

地质学家需要收集各种类型的样本,包括岩石、土壤、化石等,以了解地球的历史和构造。

统计学可以帮助地质学家确定样本的数量和取样位置,并提供验证结果的可靠性的方法。

通过采用统计学的方法,地质学家能够更好地确定样本的代表性,并有效地利用资源。

二、数据分析对于地质学的研究,数据分析是非常重要的工作。

统计学为地质学家提供了各种分析方法,以帮助他们从数据中发现模式、趋势和关联。

其中一个常用的方法是回归分析,它可以帮助地质学家确定变量之间的关系,并进行预测。

另外,统计学的聚类分析和主成分分析等方法也被广泛应用于地质学的数据分析中。

三、可视化展示统计学不仅可以帮助地质学家分析数据,还可以帮助他们将数据可视化展示出来。

可视化可以提供地质学研究的更直观的结果,并帮助地质学家更好地传递和解释自己的发现。

在地质学中,常用的可视化方法包括统计图表、地质图、地质剖面图等。

通过统计学的方法,地质学家可以更好地展示地球的构造和演化历史。

四、风险评估在地质学中,风险评估是一个重要的任务。

统计学可以帮助地质学家评估各种地质灾害的概率和可能性,并帮助制定相应的预防措施。

通过统计学的方法,地质学家可以分析历史数据和地质特征,以预测可能的地震、火山喷发等自然灾害,并提出相应的风险管理策略。

总结:统计学在地质学中的应用是多方面的,从样本分析、数据分析到风险评估,都能从中获得收益。

通过统计学的手段,地质学家能够更好地理解和解释地球过程,为地质学的研究提供有力支持。

地质统计学

地质统计学
下了较广泛的定义: “地质统计学就是随机函数的形式体系在勘探和 估计自然现象的应用” 。现在一般认为“地质统计学是以变差函数为基本工具,在研究区域 化变量的空间分布结构特征规律性的基础上, 综合考虑空间变量的随机性和结构性的一种数 学方法” 。地质统计学之所以得到迅速发展,是因为它又自身的明显的优点,主要表现在: (1)地质统计学从地质研究的实际出发,对原有的数学理论和方法加以选择和创新,使之 更有效的解决地质问题。 (2)能够最大限度的利用已知信息,充分考虑了未知地区与已知信息的空间关系及区域化 变量的结构特征。 (3)不仅可以进行整体估计,还可以进行局部估计。 (4)估计精度高,并能具体给出估计精度的概念,克立格方差是一个很好的度量估计精度 的概念。 (5)地质统计学方法与计算机相结合,并自动成图和拼图,从而省时和省力。 (6)随机模拟可以很好的再现地质变量的变化,从而为定量研究地质体提供了可靠保障和 有利基础。
一个随机函数。 简单地说依赖于参数的随机变量叫做随机函数。 当随机函数依赖多个自变量时,称为随机场。 2、 随机过程: 通常把只依赖于时间参数 t ( xi = t ) 的随机函数, 称作随机过程。 记为 Z (t , ω ) , 简称 Z (t ) 。 当每次试验取得一个结果时, 随机过程变为一般的 t 的实值函数 f (t ) = Z (t , ω ) 。 当参数 t 取固定值时,随机过程变为一纯随机变量 Z (ω ) = Z (t 0 , ω ) 。当然随机过程中的参 数 t 也可以不是时间,而是其它含义,如深度等。 3、区域化变量 (Regionalized Variagram) G.马特隆将区域化变量定义为:一种在空间上具有数值的实函数,它在空间的每一个点 取一个确定的值,当由一个点移到另一个点时,函数值是变化的。 现在一般认为,区域化变量是指以空间点 X 的三个直角坐标 ( xu , xv , x w ) 为自变量的随 机场 Z ( x u , x v , x w ) = Z ( x) 。 区域化变量具有两重性: 观测前把它看成是随机场, 而观测后把它看成一个空间点函数。 区域化变量可以同时反映地质变量的结构性和随机性。当空间点 X 固定后,地质变量的 取值是不确定的, 可以看作一个随机变量, 体现在随机性; 另一方面, 空间两个不同点之间, 地质变量又具有某种自相关性,且一般而言,两点距离越小,相关性越好,反映了地质变量 的连续性和关联性,体现了结构性一面。正因为区域化变量具有这种特性,才使得地质统计 学具有强大生命力。 从地质学的观点来看,区域化变量可以反映地质变量的以下特征: ① 局部性:区域化变量只限于一定的范围内。这一范围称为区域化的几何域。区域化变 量一般按几何承载定义的,承载变了就会得到不同的区域化变量。 ② 连续性:不同的区域化变量具不同的连续性,可用变差函数描述。 ③ 导向性:当区域化变量在个方向上相同时,称各向同性,否则称各向异性。 ④ 可迁性:区域化变量在一定范围内具一定程度的空间相关性。当超出这个范围时,相 关性很弱甚至消失。这种性质用一般统计方法很难识别。 ⑤ 对任一区域化变量而言,特殊的变异性可迭加在一般规律之上。 上述这些特征, 经典概率统计方法很难处理, 而地质统计学中的基本工具——变差函数, 能较好地研究这些特殊性质。
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

内在趋势克里金 (Universal)
普通克里金 (Ordinary)
外在趋势克里金(With an External Drift)
克里金算法 的核心

三、变差函数分析简介
一般可通过统计和图形方法分析和确定空间相关性。 实际分析数据的变化性称为变差函数分析。 h-散点图 变差函数图
通过拟和一条连续的曲线,产生变差函数模型,最终确 定出克里金算法中合理的加权方法。
一、地质参数的估算
----- 井间的各类油藏参数的确定 二、储层的非均质性研究
----- 发展随机建模技术
三、综合应用各类地质资料 ----- 特别是测井地质参数与地震属性的结合 1、测井约束地震反演中初始模型的建立 2、反演过程中加入地质统计技术
且统计数据要达到一定的数量。
主要优点是:考虑了数据场的方向性。 其核心是:寻找到相邻数据点对所求点的权。
二、克里金算法介绍
常 用 的 几 种 克 里 金 算 法
1、简单克里金
2、普通克里金 3、非稳态克里金 4、内在趋势克里金
(泛克里金)
(Simple Kriging)
(Ordinary Kriging) (Nostationary Kriging) (Universal Kriging)
组成变差函数模型的结构类型
球型
高斯
跃 迁
指数
幂函数
变差模型结构
半 变 差 函 数
滞后距
四、一个应用实例
---应用三维属性数据建立砂体模型
三维属性数据
数据分析、变差函数模 型的建立、克里金计算
砂体的三维模型
精度比较
一定深度范围内储层的迭合厚度
储层富集带
简单克里金算法中权的确定
普通克里金算法中权的确定
地质统计学简介
及其应用
报告人:范崇海
地质统计学简介及基本分析方法
一、引言
二、克里金算法介绍
三、变差函数分析简介 四、一个应用实例
五、总结
一、引 言
地质统计学的基本原理就是应用线性加权的方法对地质 变量进行局部的最优化估计
二、克里金算法介绍
克里金算法是一类统计方法,就是估算一个数据场 中任意一点的值的方法。 前提条件是: 相邻数据点的数值在空间中是相关的。
5、外在趋势克里金 (Kriging with an External Drift)
6、同位协克里金 (Collocated Cokriging)
1、简单克里金 (Simple Kriging)
均值
权系数的确定
简单克里金
假定整个域的平均值为常数;
远离数据点处接近平均值; 网格点有数则为原值。
2、普通克里金 (Ordinary Kriging)
6、同位协克里金 (Collocated Cokriging)
同位协克里金算法中权的确定
同位协克里金
同样用两组数据,约束一个参数,但是主要数据与辅助数据 要有一定的相关性; 例如用井点的孔隙度与地震属性数据,估算井间孔隙度。
几种克里金算法之间的关系
非稳态克里金 (Nostationary)
简单克里金 (Simple) (Collocated Cokriging) 同位协克里金
内在趋势克里金算法中权的确定
内在趋势克里金
如果是数据点的内插值,与普通克里金的精度相似; 如果是外推计算,则需要用内在趋势克里金把握外推趋势。
5、外在趋势克里金 (Kriging with an External Drift)
外在趋势克里金算法中权的确定
外在趋势克里金
一般用于两组数据共同约束同一个地质解释时; 例如做一个层的构造图,可用井数据作为硬指标而 地震解释作为软指标,共同绘制构造图。
权系数的确定
普通克里金
普遍采用于成图的算法;
远离数据点的值是寻找范围内的数据点的平均值。
3、非稳态克里金 (Nostationary Kriging)
非稳态克Байду номын сангаас金
比较灵活的克里金算法,因为可以设置网格点的值; 网格点的平均值来自于大范围的数据,而成图区只是一部分。
4、内在趋势克里金
(Universal Kriging)
基本理论介绍:
变差函数分析实际是确定数据在方向和距离两方面的变化率


滞后距(Lag)
散 点 图
半变差函数
半变差函数图的构成
变差函数图中各部分的名称
基台
变程
跃迁
变差函数图 的构图机理
关 系
变差函数图
半变差函数
H-散点图
二 维 变 差 函 数 模 型
主轴变差图
附轴变差图
三 维 变 差 函 数 模 型
六类克里金算法的效果
简单
非稳
同位协
普通
内在
外在
五、总 结 地质统计学分析
地 质 离 散 数 据 变 差 函 数 分 析 变 差 函 数 模 型
克里金计算
简单克里金 普通克里金 非稳态克里金 内在趋势克里金 外在趋势克里金
结果
H 散 点 图
变 差 函 数 图
同位协克里金
加大应用地质统计学的力度,提高油藏描述的准确性
相关文档
最新文档