判别分析在干酪根类型分类的应用
【摘要】影响干酪根的种类指标很多，采用单一的指标分类有很大的局限性。本文通过判别分析的方法，对干酪根的分类问题进行讨论。通过建立判别模型，对未知的样本进行分析，从而对其进行分类。该模型通过证明对干酪根种类判别错误率很低，预测精度很高，从而在实践中有很大的应用价值。
【关键词】干酪根判别分析分类
干酪根在沉积岩中分布广泛，是由一些有机物质经过腐殖过程生成的，是一种生油物质[1]。在不同的环境下，生成干酪根的种类也不同，在性质上和生油潜能上也有差异。干酪根大致可以划分为I型干酪根、Ⅱ型干酪根和Ⅲ型干酪根三类，其中I型干酪根生油潜最大大，Ⅱ型生油潜能中等，Ⅲ型对生油不利，但有利于生气[2]。判断干酪根种类的指标有很多，采用单一的指标判断有一定的局限性，本文将讨论如何利用距离判别法，针对多指标对某一种干酪根进行分类，得到一个相对准确的判断。
1 判别分析数学原理
距离判别法就是比较待判样本与每一个总体平均数的马氏距离，将待判样本判定到与其马氏距离最小的总体当中。样本X和总体Gi之间的马氏距离定义为X与Gi类重心间的距离：
3 结论
（1）干酪根在分类中受到很多指标的影响，是一个比较复杂的问题。结合数学知识以样本为依据，对未知新样本进行分析。本文利用距离判别法对未知干酪根种类进行判别，并且假设所有总体的协方差不相等。在该模型中选择了10个最有可能影响干酪根类型的因素，建立判别函数。在回判过程中误判率低，排除一些其他的影响因子，本文提供了一种具有一定判别能力的干酪根种类分析判别方式。
（2）在做样本判别分析的时候，在很多软件中汇默认为是各个总体的协方差阵相等，但是在实际中样本会有一些不同，我们在使用的时候就会按照默认的操作，导致的结果就是判别的误差比较大。在操作的时候，应该首先比较一下协方差阵，但是这一步往往会被忽略。
参考文献
[1] http：//https://www.doczj.com/doc/9016729190.html,/link？url=9G9WG
[2] 中国石化报《干酪根及其类型》2012
预测方法的分类 郑XX 预测方法的分类 由于预测的对象、目标、内容和期限不同，形成了多种多样的预测方法。据不完全统计，目前世界上共有近千种预测方法，其中较为成熟的有150多种，常用的有30多种，用得最为普遍的有10多种。 1-1预测方法的分类体系 1）按预测技术的差异性分类 可分为定性预测技术、定量预测技术、定时预测技术、定比预测技术和评价预测 技术，共五类。 2）按预测方法的客观性分类 可分为主观预测方法和客观预测方法两类。前者主要依靠经验判断，后者主要借 助数学模型。 3）按预测分析的途径分类 可分为直观型预测方法、时间序列预测方法、计量经济模型预测方法、因果分析 预测方法等。 4）按采用模型的特点分类 可分为经验预测模型和正规的预测模型。后者包括时间关系模型、因果关系模 型、结构关系模型等。 1-2 常用的方法分类 1)定性分析预测法 定性分析预测法是指预测者根据历史与现实的观察资料，依赖个人或集体的经验与智慧，对未来的发展状态和变化趋势作出判断的预测方法。 定性预测优缺点 定性预测的优点在于： 注重于事物发展在性质方面的预测，具有较大的灵活性，易于充分发挥人的主观能动作用，且简单的迅速，省时省费用。
定性预测的缺点是： 易受主观因素的影响，比较注重于人的经验和主观判断能力，从而易受人的知识、经验和能力的多少大小的束缚和限制，尤其是缺乏对事物发展作数量上的精确描述。 2)定量分析预测法 定量分析预测法是依据调查研究所得的数据资料，运用统计方法和数学模型，近似地揭示预测对象及其影响因素的数量变动关系，建立对应的预测模型，据此对预测目标作出定量测算的预测方法。通常有时间序列分析预测法和因果分析预测法。 ⅰ时间序列分析预测法 时间序列分析预测法是以连续性预测原理作指导，利用历史观察值形成的时间数列，对预测目标未来状态和发展趋势作出定量判断的预测方法。
第六章 判别分析 §6.1 什么是判别分析 判别分析是判别样品所属类型的一种统计方法，其应用之广可与回归分析媲美。 在生产、科研和日常生活中经常需要根据观测到的数据资料，对所研究的对象进行分类。例如在经济学中，根据人均国民收入、人均工农业产值、人均消费水平等多种指标来判定一个国家的经济发展程度所属类型；在市场预测中，根据以往调查所得的种种指标，判别下季度产品是畅销、平常或滞销；在地质勘探中，根据岩石标本的多种特性来判别地层的地质年代，由采样分析出的多种成份来判别此地是有矿或无矿，是铜矿或铁矿等；在油田开发中，根据钻井的电测或化验数据，判别是否遇到油层、水层、干层或油水混合层；在农林害虫预报中，根据以往的虫情、多种气象因子来判别一个月后的虫情是大发生、中发生或正常； 在体育运动中，判别某游泳运动员的“苗子”是适合练蛙泳、仰泳、还是自由泳等；在医疗诊断中，根据某人多种体验指标（如体温、血压、白血球等）来判别此人是有病还是无病。总之，在实际问题中需要判别的问题几乎到处可见。 判别分析与聚类分析不同。判别分析是在已知研究对象分成若干类型（或组别）并已取得各种类型的一批已知样品的观测数据，在此基础上根据某些准则建立判别式，然后对未知类型的样品进行判别分类。对于聚类分析来说，一批给定样品要划分的类型事先并不知道，正需要通过聚类分析来给以确定类型的。 正因为如此，判别分析和聚类分析往往联合起来使用，例如判别分析是要求先知道各类总体情况才能判断新样品的归类，当总体分类不清楚时，可先用聚类分析对原来的一批样品进行分类，然后再用判别分析建立判别式以对新样品进行判别。 判别分析内容很丰富，方法很多。判别分析按判别的组数来区分，有两组判别分析和多组判别分析；按区分不同总体的所用的数学模型来分，有线性判别和非线性判别；按判别时所处理的变量方法不同，有逐步判别和序贯判别等。判别分析可以从不同角度提出的问题，因此有不同的判别准则，如马氏距离最小准则、Fisher 准则、平均损失最小准则、最小平方准则、最大似然准则、最大概率准则等等，按判别准则的不同又提出多种判别方法。本章仅介绍四种常用的判别方法即距离判别法、Fisher 判别法、Bayes 判别法和逐步判别法。 §6.2 距离判别法 基本思想：首先根据已知分类的数据，分别计算各类的重心即分组（类）的均值，判别准则是对任给的一次观测，若它与第i 类的重心距离最近，就认为它来自第i 类。 距离判别法，对各类（或总体）的分布，并无特定的要求。 1 两个总体的距离判别法 设有两个总体（或称两类）G 1、G 2，从第一个总体中抽取n 1个样品，从第二个总体中抽取n 2个样品，每个样品测量p 个指标如下页表。 今任取一个样品，实测指标值为),,(1'=p x x X ，问X 应判归为哪一类？ 首先计算X 到G 1、G 2总体的距离，分别记为),(1G X D 和),(2G X D ，按距离最近准则
常见蔬菜种类三种蔬菜分类方法 蔬菜作物种类繁多，据统计，世界范围内的蔬菜共有200多种，在同一种类中，还有许多变种，每一变种中又有许多品种。为了便于研究和学习，就需要对这些蔬菜进行系统的分类。常用蔬菜分类方法有三种，即植物学分类法、食用器官分类法和农业生物学分类法。 常见蔬菜种类三种蔬菜分类方法 一、植物学分类法 依照植物自然进化系统，按照科、属、种和变种进行分类的方法。我国普遍栽培的蔬菜，除食用菌外，分别属于种子植物门双子叶植物纲和单子叶植物纲的不同科。采用植物学分类可以明确科、属、种间在形态、生理上的关系，以及遗传学、系统进化上的亲缘关系，对于蔬菜的轮作倒茬、病虫害防治、种子繁育和栽培管理等有较好的指导作用。常见蔬菜按科分类如下: (一)单子叶植物 1、禾本科(Gramineae)毛竹笋、麻竹、菜玉米、茭白。 2、百合科(Liliaceae)黄花菜、芦笋、卷丹百合、洋葱、韭葱、大蒜、南欧葱(大头葱)、大葱、分葱、韭菜、薤。 3、天南星科(Araceae)芋、魔芋。 4、薯蓣科(Dioscoreaceae)普通山药、田薯(大薯)。 5、姜科(Zingiberaceae)生姜。 (二)双子叶植物
1、藜科(Chenopodiaceae)根菾菜(叶菾菜)、菠菜。 2、落葵科(Basellaceae)红落葵、白落葵。 3、苋科(Amaranthaceae)苋菜。 4、睡莲科(Nymphaeaceae)莲藕、芡实。 5、十字花科(Cruciferae)萝卜、芜菁、芜菁甘蓝、芥蓝、结球甘蓝、抱子甘蓝、羽衣甘蓝、花椰菜、青花菜、球茎甘蓝、小白菜、结球白菜、叶用芥菜、茎用芥菜、芽用芥菜、根用芥菜、辣根、豆瓣菜、荠菜。 6、豆科(Leguminosae)豆薯、菜豆、豌豆、蚕豆、豇豆、菜用大豆、扁豆、刀豆、矮刀豆、苜蓿。 7、伞形科(Umbelliferae)芹菜、根芹、水芹、芫荽、胡萝卜、小茴香、美国防风。 8、旋花科(Convolvulaceae)蕹菜。 9、唇形科(Labiatae)薄荷、荆芥、罗勒、草石蚕。 10、茄科(Solanaceae)马铃薯、茄子、番茄、辣椒、香艳茄、酸浆。 11、葫芦科(Cucurbitaceae)黄瓜、甜瓜、南瓜(中国南瓜)、笋瓜(印度南瓜)、西葫芦(美洲南瓜)、西瓜、冬瓜、瓠瓜(葫芦)、普通丝瓜(有棱丝瓜)、苦瓜、佛手瓜、蛇瓜。 12、菊科(Compositae)莴苣(莴笋、长叶莴苣、皱叶莴苣、结球莴苣)、茼蒿、菊芋、苦苣、紫背天葵、牛蒡、朝鲜蓟。 13、锦葵科(Malvaceae)黄秋葵、冬寒菜。 14、楝科(Meliaceae)香椿。
一、描述统计 描述性统计是指运用制表和分类，图形以及计筠概括性数据来描述数据的集中趋势、离散趋势、偏度、峰度。 1、缺失值填充：常用方法：剔除法、均值法、最小邻居法、比率回归法、决策树法。 2、正态性检验：很多统计方法都要求数值服从或近似服从正态分布，所以之前需要进行正态性检验。常用方法：非参数检验的K-量检验、P-P图、Q-Q图、W检验、动差法。 二、假设检验 1、参数检验 参数检验是在已知总体分布的条件下（一股要求总体服从正态分布）对一些主要的参数(如均值、百分数、方差、相关系数等）进行的检验。 1）U验使用条件：当样本含量n较大时，样本值符合正态分布 2）T检验使用条件：当样本含量n较小时，样本值符合正态分布 A 单样本t检验：推断该样本来自的总体均数μ与已知的某一总体均数μ0 (常为理论值或标准值)有无差别； B 配对样本t检验：当总体均数未知时，且两个样本可以配对，同对中的两者在可能会影响处理效果的各种条件方面扱为相似；
C 两独立样本t检验：无法找到在各方面极为相似的两样本作配对比较时使用。 2、非参数检验 非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一股性假设（如总体分布的位罝是否相同，总体分布是否正态）进行检验。适用情况：顺序类型的数据资料，这类数据的分布形态一般是未知的。 A 虽然是连续数据，但总体分布形态未知或者非正态； B 体分布虽然正态，数据也是连续类型，但样本容量极小，如10以下； 主要方法包括：卡方检验、秩和检验、二项检验、游程检验、K-量检验等。 三、信度分析 检査测量的可信度，例如调查问卷的真实性。 分类： 1、外在信度：不同时间测量时量表的一致性程度，常用方法重测信度 2、内在信度；每个量表是否测量到单一的概念，同时组成两表的内在体项一致性如何，常用方法分半信度。 四、列联表分析 用于分析离散变量或定型变量之间是否存在相关。
常用统计分析方法 排列图 因果图 散布图 直方图 控制图 控制图的重要性 控制图原理 控制图种类及选用 统计质量控制是质量控制的基本方法，执行全面质量管理的基本手段，也是CAQ系统的基础，这里简要介绍制造企业应用最广的统计质量控制方法。 常用统计分析方法与控制图 获得有效的质量数据之后,就可以利用各种统计分析方法和控制图对质量数据进行加工处理,从中提取出有价值的信息成分。 常用统计分析方法 此处介绍的方法是生产现场经常使用,易于掌握的统计方法,包括排列图、因果图、散布图、直方图等。 排列图 排列图是找出影响产品质量主要因素的图表工具.它是由意大利经济学家巴洛特（Pareto)提出的.巴洛特发现人类经济领域中"少数人占有社会上的大部分财富,而绝大多数人处于贫困状况"的现象是一种相当普遍的社会现象,即所谓"关键的少数与次要的多数"原理.朱兰(美国质量管理学家)把这个原理应用到质量管理中来,成为在质量管理中发现主要质量问题和确定质量改进方向的有力工具. 1.排列图的画法
排列图制作可分为5步: (1)确定分析的对象 排列图一般用来分析产品或零件的废品件数、吨数、损失金额、消耗工时及不合格项数等. (2)确定问题分类的项目 可按废品项目、缺陷项目、零件项目、不同操作者等进行分类。 (3)收集与整理数据 列表汇总每个项目发生的数量，即频数fi、项目按发生的数量大小，由大到小排列。最后一项是无法进一步细分或明确划分的项目统一称为“其它”。 (4)计算频数fi、频率Pi和累计频率Fi 首先统计频数fi，然后按(1)、(2)式分别计算频率Pi和累计频率Fi (1) 式中，f为各项目发生频数之和。 (2)
摘录： 干酪根的介绍 一、干酪根的定义及制备 干酪根(Kerogen，曾译为油母)一词来源于希腊语Keros，指能生成油或蜡状物的有机质。1912年Brown第一次提出该术语，表示苏格兰油页岩中有机物质，这些有机物质干馏时可产生类似石油的物质。以后这一术语多用于代表油页岩和藻煤中有机物质，直到1960年以后才开始明确规定为代表不溶于有机溶剂的沉积有机质。但不同学者的定义还是有着一定的差别。Tissot 和Welte (1978)将干酪根定义为沉积岩中既不溶于含水的碱性溶剂，也不溶于普通有机溶剂的沉积岩中的有机组分，它泛指一切成油型、成煤型的有机物质，但不包括现代沉积物中的有机质（腐殖质）。Hunt（1979）将干酪根定义为不溶于非氧化的酸、碱溶剂和有机溶剂的沉积岩中的分散有机质。Durand（1980）认为，干酪根系指一切不溶于常用有机溶剂的沉积有机质，它既包括沉积物、也包括沉积岩中的有机质，既包括分散有机质，也包括富集有机质。王启军（1984）的定义中去掉了Hunt定义中的“分散有机质”，但认为实际应用时，重点还是在古代沉积物和沉积岩中的分散有机质。比较可以看出，关于干酪根定义的差别体现在以下三方面：（1）是否包括富集状态的有机质（如煤）？（2）是否包括沉积物中的不溶有机质？（3）是否限定为“不溶于非氧化的酸、碱溶剂”的有机质？ 关于第一点，由于富集状态的有机质也是生油气母质，而从后面的讨论中将可以看到，干酪根被视为是主要的产油气母质。因此，本书认为，干酪根的定义中应该包括像煤这样的富集状态的有机质。关于第二点，尽管沉积物中的腐殖质和沉积岩中的不溶有机质并没有一个严格的界线，沉积岩中也存在溶于酸碱的腐殖酸，表明腐殖质在演化过程中事实上延伸入沉积岩中，但由于油气基本上是由沉积岩中的有机质转化而成的，因而油气地球化学更为关注的对象是沉积岩而不是沉积物中的有机质。因此，作为生油气母质的干酪根的定义应该反映这一点，即不包括沉积物中的有机质。关于第三点，由于在干酪根的制备过程中，需要用非氧化的酸、碱来除去无机矿物，因此，部分学者在干酪根的定义中加上了“不溶于非氧化的酸、碱溶剂”的限定。事实上，沉积岩中的有机质要么归入可溶有机质（沥青），要么归入不溶有机质，不应该有第三种归宿。否则的话，我们应该为溶于“非氧化的酸、碱”，但既不属于可溶有机质，也不属于不溶有机质的沉积有机质准备一个新的概念和定义。也就是说，制备干酪根的操作流程，不应该被反映到干酪根定义的内涵当中。因此，本书给出的干酪根定义是：泛指一切不溶于常用有机溶剂的沉积岩中的有机质。 干酪根是地球上有机碳的最重要形式，是沉积有机质中分布最广泛、数量最多的一类。Tissot 等（1978）认为，在古代非储集岩中，例如页岩或细粒的石灰岩，干酪根占有机质的80～99%（图6-3-1）。不过，我们认为，对生烃能力高（如氢指数>600mgHC/gC，氢指数的概念将在后面介绍）的有机质，这一估计比例可能偏高。沉积岩中分散状态的干酪根，比富集状态的煤和储集层中的
监督分类中常用的具体分类方法包括： 最小距离分类法（minimum distance classifier）：最小距离分类法是用特征空间中的距离作为像元分类依据的。最小距离分类包括最小距离判别法和最近邻域分类法。最小距离判别法要求对遥感图像中每一个类别选一个具有代表意义的统计特征量（均值），首先计算待分象元与已知类别之间的距离，然后将其归属于距离最小的一类。最近邻域分类法是上述方法在多波段遥感图像分类的推广。在多波段遥感图像分类中，每一类别具有多个统计特征量。最近邻域分类法首先计算待分象元到每一类中每一个统计特征量间的距离，这样，该象元到每一类都有几个距离值，取其中最小的一个距离作为该象元到该类别的距离，最后比较该待分象元到所有类别间的距离，将其归属于距离最小的一类。最小距离分类法原理简单，分类精度不高，但计算速度快，它可以在快速浏览分类概况中使用。 多级切割分类法（multi-level slice classifier）： 是根据设定在各轴上值域分割多维特征空间的分类方法。通过分割得到的多维长方体对应各分类类别。经过反复对定义的这些长方体的值域进行内外判断而完成各象元的分类。这种方法要求通过选取训练区详细了解分类类别（总体）的特征，并以较高的精度设定每个分类类别的光谱特征上限值和下限值，以便构成特征子空间。多级切割分类法要求训练区样本选择必须覆盖所有
的类型，在分类过程中，需要利用待分类像元光谱特征值与各个类别特征子空间在每一维上的值域进行内外判断，检查其落入哪个类别特征子空间中，直到完成各像元的分类。 多级分割法分类便于直观理解如何分割特征空间，以及待分类像元如何与分类类别相对应。由于分类中不需要复杂的计算，与其它监督分类方法比较，具有速度快的特点。但多级分割法要求分割面总是与各特征轴正交，如果各类别在特征空间中呈现倾斜分布，就会产生分类误差。因此运用多级分割法分类前，需要先进行主成分分析，或采用其它方法对各轴进行相互独立的正交变换，然后进行多级分割。 最大似然分类法(maximum likelihood classifier)：最大似然分类法是经常使用的监督分类方法之一，它是通过求出每个像元对于各类别归属概率（似然度）（likelihood），把该像元分到归属概率（似然度）最大的类别中去的方法。最大似然法假定训练区地物的光谱特征和自然界大部分随机现象一样，近似服从正态分布，利用训练区可求出均值、方差以及协方差等特征参数，从而可求出总体的先验概率密度函数。当总体分布不符合正态分布时，其分类可靠性将下降，这种情况下不宜采用最大似然分类法。 最大似然分类法在多类别分类时，常采用统计学方法建立起一个判别函数集，然后根据这个判别函数集计算各待分象元的归
选择合适的统计学方法 1连续性资料 1.1 两组独立样本比较 1.1.1 资料符合正态分布,且两组方差齐性,直接采用t检验。 1.1.2 资料不符合正态分布，（1）可进行数据转换,如对数转换等,使之服从正态分布,然后对转换后的数据采用t检验；（2）采用非参数检验,如Wilcoxon检验。 1.1.3 资料方差不齐，（1）采用Satterthwate 的t’检验；（2）采用非参数检验,如Wilcoxon检验。 1.2 两组配对样本的比较 1.2.1 两组差值服从正态分布，采用配对t检验。 1.2.2 两组差值不服从正态分布，采用wilcoxon的符号配对秩和检验。 1.3 多组完全随机样本比较 1.3.1资料符合正态分布，且各组方差齐性，直接采用完全随机的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey 法，Scheffe法，SNK法等。 1.3.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Kruscal－Wallis法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用成组的Wilcoxon检验。 1.4 多组随机区组样本比较 1.4.1资料符合正态分布，且各组方差齐性，直接采用随机区组的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey 法，Scheffe法，SNK法等。 1.4.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Fridman检验法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用符号配对的Wilcoxon检验。 ****需要注意的问题： （1）一般来说，如果是大样本，比如各组例数大于50，可以不作正态性检验，直接采用t 检验或方差分析。因为统计学上有中心极限定理，假定大样本是服从正态分布的。 （2）当进行多组比较时，最容易犯的错误是仅比较其中的两组，而不顾其他组，这样作容易增大犯假阳性错误的概率。正确的做法应该是，先作总的各组间的比较，如果总的来说差别有统计学意义，然后才能作其中任意两组的比较，这些两两比较有特定的统计方法，如上面提到的LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。**绝不能对其中的两
16种常用的数据分析方法汇总 2015-11-10 分类：数据分析评论(0) 经常会有朋友问到一个朋友，数据分析常用的分析方法有哪些，我需要学习哪个等等之类的问题，今天数据分析精选给大家整理了十六种常用的数据分析方法，供大家参考学习。 一、描述统计 描述性统计是指运用制表和分类，图形以及计筠概括性数据来描述数据的集中趋势、离散趋势、偏度、峰度。 1、缺失值填充：常用方法：剔除法、均值法、最小邻居法、比率回归法、决策 树法。 2、正态性检验：很多统计方法都要求数值服从或近似服从正态分布，所以之前 需要进行正态性检验。常用方法：非参数检验的K-量检验、P-P图、Q-Q图、W 检验、动差法。 二、假设检验 1、参数检验 参数检验是在已知总体分布的条件下（一股要求总体服从正态分布）对一些主要的参数(如均值、百分数、方差、相关系数等）进行的检验。 1）U验使用条件：当样本含量n较大时，样本值符合正态分布 2）T检验使用条件：当样本含量n较小时，样本值符合正态分布 A 单样本t检验：推断该样本来自的总体均数μ与已知的某一总体均数μ0 (常为理论值或标准值)有无差别； B 配对样本t检验：当总体均数未知时，且两个样本可以配对，同对中的两者在 可能会影响处理效果的各种条件方面扱为相似； C 两独立样本t检验：无法找到在各方面极为相似的两样本作配对比较时使用。 2、非参数检验
非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一股性假设（如总体分布的位罝是否相同，总体分布是否正态）进行检验。 适用情况：顺序类型的数据资料，这类数据的分布形态一般是未知的。 A 虽然是连续数据，但总体分布形态未知或者非正态； B 体分布虽然正态，数据也是连续类型，但样本容量极小，如10以下； 主要方法包括：卡方检验、秩和检验、二项检验、游程检验、K-量检验等。 三、信度分析 检査测量的可信度，例如调查问卷的真实性。 分类： 1、外在信度：不同时间测量时量表的一致性程度，常用方法重测信度 2、内在信度；每个量表是否测量到单一的概念，同时组成两表的内在体项一致 性如何，常用方法分半信度。 四、列联表分析 用于分析离散变量或定型变量之间是否存在相关。 对于二维表，可进行卡方检验，对于三维表，可作Mentel-Hanszel分层分析。 列联表分析还包括配对计数资料的卡方检验、行列均为顺序变量的相关检验。 五、相关分析 研究现象之间是否存在某种依存关系，对具体有依存关系的现象探讨相关方向及相关程度。 1、单相关：两个因素之间的相关关系叫单相关，即研究时只涉及一个自变量和一个因变量； 2、复相关：三个或三个以上因素的相关关系叫复相关，即研究时涉及两个或两个以上的自变量和因变量相关；
为研究1991年中国城镇居民月平均收入状况，按标准化欧氏平方距离、离差平方和聚类方法将30个省、市、自治区．分为三种类型。试建立判别函数，判定广东、西藏分别属于哪个收入类型。判别指标及原始数据见表9-4。 1991年30个省、市、自治区城镇居民月平均收人数据表 单位：元／人 x1：人均生活费收入 x6：人均各种奖金、超额工资(国有+集体) x2：人均国有经济单位职工工资 x7：人均各种津贴(国有+集体) x3：人均来源于国有经济单位标准工资 x8：人均从工作单位得到的其他收入 x4：人均集体所有制工资收入 x9：个体劳动者收入 5
贝叶斯判别的SPSS操作方法： 1. 建立数据文件 2．单击Analyze→ Classify→ Discriminant，打开Discriminant Analysis 判别分析对话框如图1所示： 图1 Discriminant Analysis判别分析对话框 3．从对话框左侧的变量列表中选中进行判别分析的有关变量x1~x9进入Independents 框，作为判别分析的基础数据变量。 从对话框左侧的变量列表中选分组变量Group进入Grouping Variable 框，并点击Define Range...钮，在打开的Discriminant Analysis: Define Range对话框中，定义判别原始数据的类别数，由于原始数据分为3类，则在Minimum（最小值）处输入1，在Maximum（最大值）处输入3（见图2）。。 选择后点击Continue按钮返回Discriminant Analysis主对话框。 图2 Define Range对话框 4、选择分析方法 ?Enter independent together 所有变量全部参与判别分析（系统默 认）。本例选择此项。 ?Use stepwise method 采用逐步判别法自动筛选变量。
招商方案 1、业态分类- 正餐、简餐、快餐、休闲、外卖 2、菜系分类- 中菜、西餐、东南亚、快餐、混合型、创意中华、素菜 3、档次分类- 人均消费、经营历史、营业方案 4、客群分类- 消费模式、性别、年龄、国籍 5、特性分类- 体验性、主题性、附加功能性、会员制 6、业态分类- 正餐、简餐、快餐、休闲、外卖 7、菜系分类- 中菜、西餐、东南亚、快餐、混合型、创意中华、素菜 8、档次分类- 人均消费、经营历史、营业方案 客群分类- 消费模式、性别、年龄、国籍 特性分类- 体验性、主题性、附加功能性、会员制 2、服务于招商的餐饮分类 从招商角度来看，餐饮的业态分类及投资主体是必须首要考虑的两个方面。不同的餐饮业态对于商业的作用及价值不同，是招商前期的品牌落位、招商中期的落位调整的重点参考依据；而投资主体的性质差别又决定了招商所应采取的策略及手段的不同，对餐饮的成功招商具有关键性指导作用。 以下即从“餐饮业态”及“投资主体”两个方面分别进行分类归纳，总结其特征、归纳其需求，从而研究其落位原则及成交规律。 餐饮按业态细分及在商业中的作用 餐饮业态细分作用 正餐目的性强，吸引区域内、甚至区域外餐饮消费人群 简餐延长逗留时间和带动人流 快餐聚集、带动人流，业态互动 休闲饮品增加户外商业气氛，延长逗留时间，目的性约会场所 外卖活跃人流、提升租金收益 各类餐饮业态特征 承 业态细分业态特征 位置 需求 面积 （M2） 硬件 需求 人流 带动 装修 周期 营业 时间 租 能 力 抽成 比例 中式 正餐只提供午餐C 类 600 以 上 风火 水电 >3 个月 AM11-PM10低8- 10% 西式正餐和晚餐 C 类200- 400 风火 水电 3个 月 较 AM11-PM10 低 12% 中式简餐西式简餐随时提供餐 时及非餐时 服务 B 类300- 600 B 类300- 500 风火 水电 风、 水电 3个 月 3 个 月 AM8-PM10 AM8-PM10 一 般 较 高 12- 15% 12- 15%
沉积岩中干酪根分离方法 沉积岩中干酪根分离方法 ────────────────────────────────────── 1 范围 本标准规定了干酪根分离的原理、仪器、设备、试剂、样品的准备，分离步骤及质量要求。 本标准适用于沉积岩样品的干酪根分离，也适用于现代沉积物不溶有机质分离。 2 原理 干酪根分离是采用化学、物理的方法，除去岩石中的无机矿物及可溶有机质，使不溶有机质富集。 3 仪器和设备 3.1 酸反应装置：用耐氢氟酸腐蚀材料制成。 3.2 电热磁力搅拌器：可加热至90℃。 3.3 离心机：最高转速4000r/min，离心管400mL、50mL、10mL。 3.4 电热干燥箱：最高温度200℃。 3.5 真空干燥箱：最高温度100℃，真空度80kPa。 3.6 电冰箱：冷冻温度低于-5℃。 3.7 超声波清洗器：输出功率250W。 3.8 马福炉：温控1000℃±20℃ 3.9 分析天平：感量0.1mg。 3.10 玛瑙研钵：直径8cm。 3.11 石英坩埚：1mL。 3.12 密封式化验制样粉碎机。 3.13 标准检验筛：0.18、0.5、1.0mm。 3.14 台秤：感量0.5g最大称量500g。 4 试剂和材料 4.1 盐酸：化学纯、配成1mol/L、6mol/L溶液。 4.2 氢氟酸：化学纯。 4.3 醋酸：化学纯。 4.4 无砷锌粒：分析纯。 4.5 氯仿：化学纯。 4.6 硝酸银：分析纯，配成1%溶液。 4.7 异丙醇：化学纯。
4.8 氢氧化钠：分析纯，配成0.5mol/L溶液。 4.9 重液：相对密度d420为2.0～2.1，选不同化学纯试剂（溴化锌、溴化钾、碘化锌、碘化钾、氯化锌）配制成溶液。 4.10 400mL塑料杯。 4.11 密度计。 4.12 pH试纸：pH1～12。 5 样品的准备 5.1 岩样 分离干酪根的岩样，其有机碳含量应符合表1规定。 5.2 碎样 岩样经粗碎、缩分后，依据干酪根用途再细碎为粗粒级及细粒级两种岩样。两种岩样粒径应符合表2规定。 5.3 取样量 为保证测试项目所需干酪根的数量，根据岩石中有机碳的含量、泥岩及页岩取样量应符合表3的规定。碳酸盐岩有机碳含量较低时，可适当增加取样量。 5.4 取样 经氯仿抽提后的细粒级岩石样品取样量同5.3。 6 分离步骤 6.1 前处理 称取定量岩样，放入酸反应容器中，用蒸馏水浸泡，使岩样中的泥质充分膨胀，2～4h后除去上部清液。 6.2 酸处理 按6.2.1～6.2.5步骤依次完成五步酸处理。 6.2.1 按每g样品加入6～8mL盐酸的比例，将浓度为6mol/L的盐酸加入样品中，若反应剧烈可适当加入几滴异丙醇，以防样品溢出。在60～70℃下搅拌1～2h，使碳酸盐充分分解，除去酸液。用热蒸馏水洗涤至中性。离心并除去清液。若岩样中碳酸盐较多，
第二节干酪根热降解成油机理 一、烃的演化 1. 氯仿沥青“A”和总烃的演化 2. 烷烃的演化
正构烷烃的演化 异构烷烃的演化 环烷烃的演化 芳香烃的演化 二、油气生成的阶段性及特征 门限温度：随着埋藏深度的增加，当温度升高到一定数值，有机质开始大量转化为石油，这个温度界限称门限温度。 门限深度：与门限温度相对应的深度称门限深度。 分三个阶段： 成岩作用阶段——未成熟阶段 深成作用阶段——成熟阶段 变质作用阶段——过成熟阶段 1、成岩作用阶段—未成熟阶段 从沉积有机质被埋藏开始至门限深度为止。
地层条件：低温（小于50～60℃）、低压。 有机质特征：微生物化学作用为主，有机质以形成干酪根为主，没有形成大量烃类，O/C 大大降低，H/C稍微下降。 主要产物及特征：生物成因气，有少量的烃类来自于活生物体，大部分为C15以上的重烃，为生物标志物。正烷烃多具明显的奇偶优势。成岩作用阶段后期也可形成一些非生物成因的降解天然气以及未熟油。 鉴别指标：Ro小于0.5%。 2、深成作用阶段—成熟阶段 深成作用阶段为干酪根生成油气的主要阶段。该阶段从有机质演化的门限值开始至生成石油和湿气结束为止，按照干酪根的成熟度和成烃产物划分为两个带： 生油主带：(低—中成熟阶段) 凝析油和湿气带：(高成熟阶段) 生油主带：(低—中成熟阶段) 有机质特征：干酪根热降解作用为主，H/C大大降低。 主要产物及特征：成熟的液态石油。以中—低分子量的烃类为主，正烷烃中奇碳优势逐渐消失，环烷烃和芳香烃的碳数和环数减少，曲线由双峰变单峰。W.C.Pusery把它称为“液态窗”或“石油窗”。 鉴别指标： Ro为0.5～1.3%。
质量管理常用的七种统计方法 日本质量管理专家石川馨博士将全面质量管理中应用的统计方法分为初级、中级、高级三类，本节将要介绍的七种统计分析方法是他的这种分类中的初级统计分析方法。 日本规格协会10年一度对日本企业推行全面质量管理的基本情况作抽样统计调查，根据1979年的统计资料，在企业制造现场应用的各种统计方法中，应用初级统计分析方法的占98%。 由此可见，掌握好这七种方法，在质量管理中非常之必要；同时，在我国企业的制造现场，如何继续广泛地推行这七种质量管理工具（即初级的统计分析方法），仍然是开展全面质量管理的重要工作。 一、排列图 排列图法又叫帕累特图法，也有的称之为ABC分析图法或主项目图法。它是寻找影响产品质量主要因素，以便对症下药，有的放矢进行质量改善，从而提高质量，以达到取得较好的经济效益的目的。故称排列法。由于这种方法最初是由意大利经济学家帕累特（Pareto）用来分析社会财富分布状况的，他发现少数人占有社会的大量财富，而多数人却仅有少量财富，即发现了“关键的少数和次要的多数”的关系。因此这一方法称为帕累特图法。后来美国质量管理专家朱兰（J．Ｍ．Juran）博士将此原理应用于质量管理，作为在改善质量活动中寻找影响产品质量主要因素的一种方法．在应用这种方法寻找影响产品质量的主要因素时，通常是将影响质量的因素分为Ａ、Ｂ、Ｃ三类，A类为主要因素，B类为次要因素，C 类为一般因素。根据所作出的排列图进行分析得到哪些因素属于A类，哪些属于B类，哪些属于C类，因而这种方法又把它叫做ABC分析图法。由于根据排列图我们可以一目了然地看出哪些是影响产品质量的关键项目，故有的亦把它叫主项目图法。 所谓排列图，它是由一个横坐标、两个纵坐标、几个直方形和一条曲线所构成的图。其一般形式如图1所示，其横坐标表示影响质量的各个因素（即项目），按影响程度的大小从左到右排列；两个纵坐标中，左边的那个表示频数（件数、金额等），右边的那个表示频率（以百分比表示）；直方形表示影响因素，有直方形的高度表示该因素影响的大小；曲线表示各影响因素大小的累计百分数，这条曲线称为帕累特曲线。 二、因果分析图法 因果分析图法是一种系统地分析和寻找影响质量问题原因的简便而有效的图示方法。因其最初是由日本质量管理专家石川馨于1953年在日本川琦制铁公司提出使用的，故又称为石川图法。由于因果图形似树枝或鱼刺，故也有称之为树枝图法或鱼刺图法。另外，还有的
在数学建模中常用的方法：类比法、二分法、量纲分析法、差分法、变分法、图论法、层次分析法、数据拟合法、回归分析法、数学规划（线性规划，非线性规划，整数规划，动态规划，目标规划）、机理分析、排队方法、对策方法、决策方法、模糊评判方法、时间序列方法、灰色理论方法、现代优化算法（禁忌搜索算法，模拟退火算法，遗传算法，神经网络）。 用这些方法可以解下列一些模型：优化模型、微分方程模型、统计模型、概率模型、图论模型、决策模型。拟合与插值方法（给出一批数据点，确定满足特定要求的曲线或者曲面，从而反映对象整体的变化趋势）：matlab可以实现一元函数，包括多项式和非线性函数的拟合以及多元函数的拟合，即回归分析，从而确定函数；同时也可以用matlab实现分段线性、多项式、样条以及多维插值。 在优化方法中，决策变量、目标函数（尽量简单、光滑）、约束条件、求解方法是四个关键因素。其中包括无约束规则（用fminserch、fminbnd实现）线性规则（用linprog实现）非线性规则、（用fmincon实现）多目标规划（有目标加权、效用函数）动态规划（倒向和正向）整数规划。 回归分析：对具有相关关系的现象，根据其关系形态，选择一个合适的数学模型，用来近似地表示变量间的平均变化关系的一种统计方法（一元线性回归、多元线性回归、非线性回归），回归分析在一组数据的基础上研究这样几个问题：建立因变量与自变量之间的回归模型（经验公式）；对回归模型的可信度进行检验；判断每个自变量对因变量的影响是否显著；判断回归模型是否适合这组数据；利用回归模型对进行预报或控制。相对应的有线性回归、多元二项式回归、非线性回归。 逐步回归分析：从一个自变量开始，视自变量作用的显著程度，从大到地依次逐个引入回归方程：当引入的自变量由于后面变量的引入而变得不显著时，要将其剔除掉；引入一个自变量或从回归方程中剔除一个自变量，为逐步回归的一步；对于每一步都要进行值检验，以确保每次引入新的显著性变量前回归方程中只包含对作用显著的变量；这个过程反复进行，直至既无不显著的变量从回归方程中剔除，又无显著变量可引入回归方程时为止。（主要用SAS来实现，也可以用matlab软件来实现）。 聚类分析：所研究的样本或者变量之间存在程度不同的相似性，要求设法找出一些能够度量它们之间相似程度的统计量作为分类的依据，再利用这些量将样本或者变量进行分类。 系统聚类分析—将n个样本或者n个指标看成n类，一类包括一个样本或者指标，然后将性质最接近的两类合并成为一个新类，依此类推。最终可以按照需要来决定分多少类，每类有多少样本（指标）。 系统聚类方法步骤： 1.计算n个样本两两之间的距离 2.构成n个类，每类只包含一个样品 3.合并距离最近的两类为一个新类 4.计算新类与当前各类的距离（新类与当前类的距离等于当前类与组合类中包含的类的距离最小值）， 若类的个数等于1，转5，否则转3 5.画聚类图 6.决定类的个数和类。 判别分析：在已知研究对象分成若干类型，并已取得各种类型的一批已知样品的观测数据，在此基础上根据某些准则建立判别式，然后对未知类型的样品进行判别分类。 距离判别法—首先根据已知分类的数据，分别计算各类的重心，计算新个体到每类的距离，确定最短的距离（欧氏距离、马氏距离） Fisher判别法—利用已知类别个体的指标构造判别式（同类差别较小、不同类差别较大），按照判别式的值判断新个体的类别 Bayes判别法—计算新给样品属于各总体的条件概率，比较概率的大小，然后将新样品判归为来自概率最大的总体 模糊数学：研究和处理模糊性现象的数学（概念与其对立面之间没有一条明确的分界线）与模糊数学相关的问题：模糊分类问题—已知若干个相互之间不分明的模糊概念，需要判断某个确定事物用哪一个模糊概
常用药品分类方法 药物的分类方法很多，几乎与药学有关的每一学科都有从笨学科角度出发的分类方法，由于各有侧重，很难找到一种为医药商业、医药生产、临床医生及患者能够共同接受的分类方法。但无论哪一种分类方法，其目的都应是为了便于深入研究药品的质量和性质，从而有利于合理地组织药品流通或是选购和使用等。药物常用的分类方法主要有以下几种： 一、按药品来源分： 1)动物——如牛磺酸、甲状腺素等 2)植物——如黄连素、长春碱、颠茄等 3)矿物——芒硝、硫磺、硼砂等 4)生物——肠乐、辅酶A等 5)合成或半合成——阿司匹林、苯海拉明等 二、按剂型分： 1)注射剂——粉针剂，大输液等 2)口服制剂：⑴固体制剂：如片剂、胶囊、颗粒剂、丸剂⑵液体制剂：如糖浆剂、乳剂、 合剂 3)外用制剂：⑴半固体制剂：如软膏剂、眼膏、栓剂⑵液体制剂：如搽剂、酊剂、滴眼 剂、滴耳剂、滴鼻剂 4)气雾剂——外用喷雾剂、口腔喷雾剂等 5)新剂型——缓释、控释制剂、TTS、脂质体 三、按商业习惯分： 1)片——单压片、多层片等 2)针——注射剂、注射用粉针等 3)水——合剂、糖浆剂等 4)粉——散剂、颗粒剂等
四、按药理作用分： 1)抗生素类药品 2)心脑血管用药 3)消化系统用药 4)呼吸系统用药 5)泌尿系统用药 6)血液系统用药 7)五官科用药 8)抗风湿类药品 9)注射剂类药品 10)糖尿病用药 11)激素类药品 12)皮肤科用药 13)妇科用药 14)抗肿瘤用药 15)抗精神病药品 16)清热解毒药品 17)受体激动\阻断药和抗过敏药 18)滋补类药品 19)维生素、矿物质药品 五、按管理要求分： 1)非处方药：分甲类、乙类 2)处方药：目前分为单轨制管理与双轨制管理二类 3)国家基本药品：临床应用的各类药品中经过科学评价而遴选出的在同类药品中具有代表 性的药品，其特点是：临床必需、安全有效、质量稳定、价格合理、使用方便、中西药并重。 4)基本医疗保险药品：列入国家基本医疗保险用药范围的药品，分甲乙二类，医学教育| 网搜集整理为临床必需、安全有效、质量稳定、价格合理、使用方便、市场能保证供应的药品。
干酪根类型和生烃能力评价 干酪根（Kerogen）一词最初被用来描述苏格兰油页岩中的有机质，它经蒸馏后能产出似蜡质的粘稠石油。现在为人们所普遍接受的概念是：干酪根是沉积岩中不溶于一般有机溶剂的沉积有机质。与其相对应，岩石中可溶于有机溶剂的部分，称为沥青。 一、干酪根基本情况： （1）干酪根定义: 为腊状有机物质。是动植物遗骸(通常是藻类或木质植物)在地下深部被细菌分解，除去糖类、脂肪酸及氨基酸后残留下的不溶于有机溶剂的高分子聚合物。除了含有碳、氢、氧之外，也含有氮和硫的化合物。 （2）干酪根来源 石油及天然气来源于沉积有机质。对生成石油及天然气的原始物质而言，以沉积物（岩）中的分散有机质为主。沉积物（岩）中的沉积有机质经历了复杂的生物化学及化学变化，通过腐泥化及腐殖化过程形成干酪根，成为生成大量石油及天然气的先躯。 干酪根是沉积有机质的主体，约占总有机质的80%-90%，研究认为80%以上的石油烃是由干酪根转化而成。干酪根的成分和结构复杂，是一种高分子聚合物，没有固定的结构表达式。
（3）干酪根成分: 有固定的化学成分，主要由C、H、O和少量S、N组成，没有固定的分子式和结构模型。Durand等对世界各地440个干酪根样品的元素分析结果表明，平均C占76.4%，H占6.3%，O占11.1%，三者共占93.8%，是干酪根的主要元素成分。 又称油母质、油母。来源于希腊字keros，是蜡的意思。1912年，布朗(A G Brown)首次用该术语表示苏格兰油页岩中的有机物质，它们经过蒸馏生成蜡状稠油。以后的学者通常将干酪根与生油母质联系起来。1980年，杜朗(B Durand)在《干酪根》一书中将其定义为：沉积物中不溶于常用有机溶剂的所有有机质，包括各种牌号的腐殖煤(泥炭、泥煤、烟煤、无烟煤)、藻煤、烛煤、地沥青类物质(天然沥青、沥青、焦油矿中的焦油)、近代沉积物和泥土中的有机质。这个定义的内涵太广泛，于是将其简化为：干酪根是沉积物中的溶于非氧化的无机酸、碱和有机溶剂的一切有机质。干酪根是由腐黑物进一步缩聚来的，被认为是生油原始物质。它在沉积岩中分布非常广泛，占了沉积物中总有机质的70%～90%以上。 二、干酪根的类型： 在不同沉积环境中，由不同来源有机质形成的干酪根，其性质和生油气潜能差别很大。根据干酪根样品的碳、氧、氢元素的分析结果，干酪根可以划分为以下三种主要类型：
判别分析在干酪根类型分类的应用 【摘要】影响干酪根的种类指标很多，采用单一的指标分类有很大的局限性。本文通过判别分析的方法，对干酪根的分类问题进行讨论。通过建立判别模型，对未知的样本进行分析，从而对其进行分类。该模型通过证明对干酪根种类判别错误率很低，预测精度很高，从而在实践中有很大的应用价值。 【关键词】干酪根判别分析分类 干酪根在沉积岩中分布广泛，是由一些有机物质经过腐殖过程生成的，是一种生油物质[1]。在不同的环境下，生成干酪根的种类也不同，在性质上和生油潜能上也有差异。干酪根大致可以划分为I型干酪根、Ⅱ型干酪根和Ⅲ型干酪根三类，其中I型干酪根生油潜最大大，Ⅱ型生油潜能中等，Ⅲ型对生油不利，但有利于生气[2]。判断干酪根种类的指标有很多，采用单一的指标判断有一定的局限性，本文将讨论如何利用距离判别法，针对多指标对某一种干酪根进行分类，得到一个相对准确的判断。 1 判别分析数学原理 距离判别法就是比较待判样本与每一个总体平均数的马氏距离，将待判样本判定到与其马氏距离最小的总体当中。样本X和总体Gi之间的马氏距离定义为X与Gi类重心间的距离： 3 结论 （1）干酪根在分类中受到很多指标的影响，是一个比较复杂的问题。结合数学知识以样本为依据，对未知新样本进行分析。本文利用距离判别法对未知干酪根种类进行判别，并且假设所有总体的协方差不相等。在该模型中选择了10个最有可能影响干酪根类型的因素，建立判别函数。在回判过程中误判率低，排除一些其他的影响因子，本文提供了一种具有一定判别能力的干酪根种类分析判别方式。 （2）在做样本判别分析的时候，在很多软件中汇默认为是各个总体的协方差阵相等，但是在实际中样本会有一些不同，我们在使用的时候就会按照默认的操作，导致的结果就是判别的误差比较大。在操作的时候，应该首先比较一下协方差阵，但是这一步往往会被忽略。 参考文献 [1] http：//https://www.doczj.com/doc/9016729190.html,/link？url=9G9WG [2] 中国石化报《干酪根及其类型》2012