1.1附录五模型检测方法
对于模型检测而言，最核心的内容是检测概念的一致性，而概念的一致性有各个方面的内容，既有概念的展现，又有概念的实现。在概念的展现方面，应该以业务部门的要求为准，概念的实现方面，主要检测以下几点：
1、静态概念检测：通过判定条件检测系统中的数据是否满足概念验证标准。
2、对象检测：可以通过对调用堆栈的检查，确认系统的实际执行是否采用的对象的方法——当前的对象方法并不全，检测不能完整反映实现
3、Schema检测：检测服务传递的信息中间涉及的对象定义是否满足设计要求
4、动态存储检测：选取反映业务概念的核心数据表，通过执行业务处理，检测数据变化是否符合预期。
为了保证检测标准及结果的客观性，对于测试的结果可以人工检查，但应以被测系统提供的数据本身，或者检测系统监控系统的运行情况得到的客观数据为基准。对对象的识别可以通过获得进程的调用堆栈获取实际在操作系统执行的结果检查，以检查对象名、方法名为基本手段。主要检查系统调用的方法是否采用面向对象的编程方式，以及对象、方法的命名、参数是否符合规范定义。
1.1.1 静态概念及存储检测
静态概念检测主要是为了验证系统中对象的粒度以及对象的静态关系是否
满足概念定义的需要。
概念检测主要包含对象粒度和关系两方面。检测时可以采用两种方法，一种方法是采用有统一编码的业务概念在系统中寻找相关对象的实现，用以检查与业务要求的对象粒度的一致性，另一种方法是可以设定业务场景，要求将相关对象在系统生成，然后检查对象在系统中的关系是否与规范描述的一致。
1.1.1.1 静态存储结构及编码检测方法
检查核心表与设计是否一致（被检测系统可以提供与PDM一一对应的物理表或视图。）：
1、表：
a)命名检查：根据PDM，在系统中应存在被检测表。如果因考虑系统处
理效率，将表按一定原则拆分为多个表，被拆分的多个表的结构应
一致，其命名应包含PDM中表名部分。如因表名长度限制，表名中
的完整英文单词可以被缩写替代。
b)表间关系：与其他表的外键关联要么存在系统可以查询的约束证明
其存在，或者因系统物理设计的特殊考虑未建约束，但可以在其它
表中查到主键值对应的记录。
2、字段：
a)规定的字段名应在表中与PDM命名一致。
b)字段取值类型应保持一致。允许数值类型转换为字符类型。
c)字符的长度应不少于PDM规定长度。
3、关键编码：
a)PDM规定的标准编码在系统表中存在，并且汉字说明与PDM规定一
致。
1.1.1.2 产品域概念检测范围及步骤
概念检测依赖于对概念的可操作的判断准则的确定，产品、销售品的概念的一致性尤为重要，但有赖于统一的产品和销售品目录的发布。检测主要包括：第一，产品、销售品目录与标准目录的一致性。在系统检测时，将依据统一发布的产品和销售品目录按照如下的步骤检测系统概念的一致性：
1）通过界面提取系统产品目录，比照统一产品目录，考察几个方面的一致性
a)目录结构一致。
b)产品命名一致。
c)产品标准编码一致。
其中，根据业务开展的情况，省公司可以缺少部分产品，但目录结构
应保持一致，节点的层次关系保持一致。
2）抽取部分产品，在系统产品规格表查询是否有相应的记录，并检查在系统中的目录节点与产品的关联关系是否与集团目录一致。
3）同样的步骤比照销售品目录与系统实现进行检查。
第二，产品实例、销售品实例的存储检查。可以通过查找系统中在集团目录中的销售品，设计以下几类场景的数据存储检查：
1）基础销售品。
2）e9品牌类套餐，既有产品关联营销资源，也有购买销售品赠送营销资源的情形的。
3）一个产品加入两个套餐的情况。
主要检查
1、销售品规格与产品规格的关联关系；
2、销售品实例与产品实例的关联关系；
3、销售品规格与实例的关联关系；
4、产品实例与规格的关联关系；
5、产品规格与角色的关系；
6、产品实例与规格实例的关系；
7、产品规格与营销资源的关系；
8、销售品规格与营销资源的关系；
9、不同类型的产品实例之间的关系；
1.1.1.3 产品域检测表、字段及编码列表
检测表清单：
检测编码清单：
1.1.2 对象检测
对象检测的关键是检查系统是否采用面向对象的方法实现以及对象的协作
关系是否满足预期。由于目前系统已经定义了大量的服务，而目前的方法并不完善，因此，本次检测的重点在于面向对象方法的采用。
检测时，可以通过检查在特定场景下的调用序列。
1.1.3 Schema检测
Schema检测的目的是保证在系统消息传递的过程中所使用的信息表示符合系统的定义。主要检测系统或子系统间的消息内容以及各式是否符合接口定义。
具体的方法可以借助一定的工具，截取系统调用服务的接口消息，对接口消息进行分析，分离出数据格式及内容，与规范的接口定义相比照，在这个层面应该保持每一个信息项的一致，以及各式要求的一致。
1.1.4 动态存储检测
动态存储检测主要检查在一定的业务处理要求下，系统的数据变化是否满足规范的需要。
检测方法可以采用设定的业务场景，预设预期的结果，在系统处理完成后，检查系统数据的变化情况，看能否满足规范设计情况。一般包括：
1.生成的对象是否完整。
2.修改的对象的属性变化是否符合预期。
3.修改或生成的对象关系是否符合预期。
4.删除的对象是否符合预期。
5.对象生成或变化的时间顺序是否符合预期。
1.1.4.1 检测范围及步骤
1.1.4.1.1产品域
按如下步骤设计场景检查相关数据库表的数据存储变化：
1、选择一部电话、一部宽带，受理前，记录系统产品、销售品实例情况。
2、然后新装一部天翼收机，并加入e9,完成受理，并直至完工确认，检查
系统产品、销售品及相关数据的存储。包括：
i.新装产品实例信息是否正确生成；
ii.新装销售品实例信息是否正确生成；
iii.原产品与新套餐中的角色关联是否建立；
iv.原产品关联销售品关系是否已经改变；
v.原产品关联的营销资源应未发生变化。
细菌鉴定及检测方法 一、启动条件 1、目的样出现坏包，若批次相同，取表现性状相同的任意一包进行细菌初步鉴 定。若批次不同则分别进行细菌初步鉴定。 2、随机样出现坏包，必须进行细菌初步鉴定。 二、胀包 1、记录批次。 2、及时用72%的酒精对样品的外表进行消毒，尽量不损坏封合待以后检查。在 超净台内以无菌操作剪开包装，再避开横竖封处剪开一个圆形或三角形。3、对样品进行微生物划线培养。 3.1采用普通营养琼脂培养基做细菌的划线培养36±1℃、48小时。 3.2分别吸取10毫升样品到两个无菌的小试管中，，分别在80和100℃的水 浴中加热10分钟，冷却用营养琼脂分别做芽孢（36±1℃、72小时） 和耐热芽孢（55±1℃、72小时）的划线培养。 3.3采用普通营养琼脂培养基或快速检测培养基做嗜冷菌/低温菌的划线培 养（4—6℃ 10天或21±0.5℃ 25小时）。 3.4 必须用高盐察氏或虎红琼脂培养基做霉菌和酵母菌的划线培养 （25—28℃ 5--7天） 4、对样品做感官检测。 5、用PH计检测样品的PH值。 6、将样品倒掉，进行包装密封性检查，并进行记录。 7、记录菌落特征。 8、选区不同形态的单一菌落进行坚定。 8.1 革兰氏阴性菌和阳性菌的鉴定： 8.1.1涂片、革兰氏染色、镜检。或结晶紫染色、镜检、氢氧化钾拉 丝试验。 8.1.2革兰氏染色、结晶紫染色方法见《微生物检测》 8.1.3氢氧化钾拉丝试验 在微生物载物片上滴一滴3%氢氧化钾，用接种针从培养皿上的
菌落中挑取微生物，放在氢氧化钾溶液中用力搅拌。7—10秒后，抬 起针头，观察针头和玻片之间是否有丝状物，如果15—20 秒后二者 之间无丝状物，停止搅拌。 判定：无丝状物阳性；有丝状物阴性。 8.2 过氧化氢酶试验（或过氧化氢酶试纸）（产气试验）： 试剂：10%过氧化氢溶液 步骤：在微生物载物片上滴一滴10%过氧化氢，用接种针从培养皿上的菌落中挑取微生物，放在过氧化氢溶液中看是否有气体产生。 判定：产气阳性；不产气阴性。 8.3氧化酶试验 试剂：含1%四甲基双噻二胺和99%的乙醇溶液。 步骤：用上述试剂将一张滤纸浸透（或直接采用氧化酶试纸条），然后进行细菌培养物的涂片试验。 判定：30秒内使显色物质变为深蓝色阳性，不变色阴性。 三、酸包 1、发现酸包后，及时将料液快速转入无菌瓶中。 2、记录批次 3、其它项目检测同胀包。
数据挖掘：是从大量数据中发现有趣（非平凡的、隐含的、先前未知、潜在有用）模式，这些数据可以存放在数据库，数据仓库或其他信息存储中。 挖掘流程： 1.学习应用域 2.目标数据创建集 3.数据清洗和预处理 4.数据规约和转换 5.选择数据挖掘函数（总结、分类、回归、关联、分类） 6.选择挖掘算法 7.找寻兴趣度模式 8.模式评估和知识展示 9.使用挖掘的知识 概念/类描述：一种数据泛化形式，用汇总的、简洁的和精确的方法描述各个类和概念，通过（1）数据特征化：目标类数据的一般特性或特征的汇总； （2）数据区分：将目标类数据的一般特性与一个或多个可比较类进行比较； （3）数据特征化和比较来得到。 关联分析：发现关联规则，这些规则展示属性-值频繁地在给定数据集中一起出现的条件，通常要满足最小支持度阈值和最小置信度阈值。 分类：找出能够描述和区分数据类或概念的模型，以便能够使用模型预测类标号未知的对象类，导出的模型是基于训练集的分析。导出模型的算法：决策树、神经网络、贝叶斯、（遗传、粗糙集、模糊集）。 预测：建立连续值函数模型，预测空缺的或不知道的数值数据集。 孤立点：与数据的一般行为或模型不一致的数据对象。 聚类：分析数据对象，而不考虑已知的类标记。训练数据中不提供类标记，对象根据最大化类内的相似性和最小化类间的原则进行聚类或分组，从而产生类标号。 第二章数据仓库 数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合，支持管理部门的决策过程。从一个或多个数据源收集信息，存放在一个一致的模式下，并且通常驻留在单个站点。数据仓库通过数据清理、变换、继承、装入和定期刷新过程来构造。面向主题：排除无用数据，提供特定主题的简明视图。集成的：多个异构数据源。时变的：从历史角度提供信息，隐含时间信息。非易失的：和操作数据的分离，只提供初始装入和访问。 联机事务处理OLTP：主要任务是执行联机事务和查询处理。 联系分析处理OLAP：数据仓库系统在数据分析和决策方面为用户或‘知识工人’提供服务。这种系统可以用不同的格式和组织提供数据。OLAP是一种分析技术，具有汇总、合并和聚集功能，以及从不同的角度观察信息的能力。
各种检验方法 1.单个总体2 Nμσ的均值μ的检验: (,) 2 σ已知,关于均值的检验用ztest命令来实现. [h,p,ci]=ztest(x,mu,sigma,alpha,tail) 2 σ已知,关于均值的检验用ttest命令来实现. [h,p,ci]=ttest(x,mu,alpha,tail) 2.两个正态总体均值差的检验（t 检验） 还可以用t 检验法检验具有相同方差的2 个正态总体均值差的假设。在Matlab 中 由函数ttest2 实现，命令为： [h,p,ci]=ttest2(x,y,alpha,tail) 3.分布拟合检验 在实际问题中，有时不能预知总体服从什么类型的分布，这时就需要根据样本来检 验关于分布的假设。下面介绍2χ检验法和专用于检验分布是否为正态的“偏峰、峰度 检验法”。 2 χ检验法 0 H ：总体x的分布函数为F(x) , 1 H : 总体x的分布函数不是F(x). 在用下述χ 2检验法检验假设0 H 时，若在假设0 H 下F(x)的形式已
知，但其参数 值未知，这时需要先用极大似然估计法估计参数，然后作检验。 偏度、峰度检验 4．其它非参数检验 Wilcoxon秩和检验 在Matlab中，秩和检验由函数ranksum实现。命令为： [p,h]=ranksum(x,y,alpha) 其中x，y可为不等长向量，alpha为给定的显著水平，它必须为0和1之间的数量。p返回 产生两独立样本的总体是否相同的显著性概率，h返回假设检验的结果。如果x和y的总 体差别不显著，则h为零；如果x和y的总体差别显著，则h为1。如果p 接近于零，则可对 原假设质疑。 5．中位数检验 在假设检验中还有一种检验方法为中位数检验,在一般的教学中不一定介绍,但在 实际中也是被广泛应用到的。在Matlab中提供了这种检验的函数。函数的使用方法简单， 下面只给出函数介绍。 signrank函数
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卩与已知的某一总体均数卩0 （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
一、解答题（满分30分，每小题5分） 1. 怎样理解数据挖掘和知识发现的关系？请详细阐述之 首先从数据源中抽取感兴趣的数据，并把它组织成适合挖掘的数据组织形式；然后，调用相应的算法生成所需的知识；最后对生成的知识模式进行评估，并把有价值的知识集成到企业的智能系统中。 知识发现是一个指出数据中有效、崭新、潜在的、有价值的、一个不可忽视的流程，其最终目标是掌握数据的模式。流程步骤：先理解要应用的领域、熟悉相关知识，接着建立目标数据集，并专注所选择的数据子集；再作数据预处理，剔除错误或不一致的数据；然后进行数据简化与转换工作；再通过数据挖掘的技术程序成为模式、做回归分析或找出分类模型；最后经过解释和评价成为有用的信息。 2. 时间序列数据挖掘的方法有哪些，请详细阐述之 时间序列数据挖掘的方法有： 1）、确定性时间序列预测方法:对于平稳变化特征的时间序列来说，假设未来行为与现在的行为有关，利用属性现在的值预测将来的值是可行的。例如，要预测下周某种商品的销售额，可以用最近一段时间的实际销售量来建立预测模型。 2）、随机时间序列预测方法:通过建立随机模型，对随机时间序列进行分析，可以预测未来值。若时间序列是平稳的，可以用自回归(Auto Regressive，简称AR)模型、移动回归模型(Moving Average，简称MA)或自回归移动平均(Auto Regressive Moving Average，简称ARMA)模型进行分析预测。 3）、其他方法:可用于时间序列预测的方法很多，其中比较成功的是神经网络。由于大量的时间序列是非平稳的，因此特征参数和数据分布随着时间的推移而变化。假如通过对某段历史数据的训练，通过数学统计模型估计神经网络的各层权重参数初值，就可能建立神经网络预测模型，用于时间序列的预测。
剖析大数据分析方法论的几种理论模型 做大数据分析的三大作用，主要是：现状分析、原因分析和预测分析。什么时候开展什么样的数据分析，需要根据我们的需求和目的来确定。 作者：佚名来源：博易股份|2016-12-01 19:10 收藏 分享 做大数据分析的三大作用，主要是：现状分析、原因分析和预测分析。什么时候开展什么样的数据分析，需要根据我们的需求和目的来确定。 利用大数据分析的应用案例更加细化的说明做大数据分析方法中经常用到的几种理论模型。 以营销、管理等理论为指导，结合实际业务情况，搭建分析框架，这是进行大数据分析的首要因素。大数据分析方法论中经常用到的理论模型分为营销方面的理论模型和管理方面的理论模型。 管理方面的理论模型： ?PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等?PEST：主要用于行业分析 ?PEST：政治(Political)、经济(Economic)、社会(Social)和技术(Technological) ?P：构成政治环境的关键指标有，政治体制、经济体制、财政政策、税收政策、产业政策、投资政策、国防开支水平政府补贴水平、民众对政治的参与度等。?E：构成经济环境的关键指标有，GDP及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。?S：构成社会文化环境的关键指标有：人口规模、性别比例、年龄结构、出生率、死亡率、种族结构、妇女生育率、生活方式、购买习惯、教育状况、城市特点、宗教信仰状况等因素。
?T：构成技术环境的关键指标有：新技术的发明和进展、折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度、国家重点支持项目、国家投入的研发费用、专利个数、专利保护情况等因素。 大数据分析的应用案例：吉利收购沃尔沃 大数据分析应用案例 5W2H分析法 何因(Why)、何事(What)、何人(Who)、何时(When)、何地(Where)、如何做(How)、何价(How much) 网游用户的购买行为： 逻辑树：可用于业务问题专题分析
对多元线性回归模型的各种检验方法 对于形如 u X X X Y k k +++++=ββββΛΛ22110 （1） 的回归模型，我们可能需要对其实施如下的检验中的一种或几种检验： 一、 对单个总体参数的假设检验：t 检验 在这种检验中，我们需要对模型中的某个（总体）参数是否满足虚拟假设0 H ：j j a =β，做出具有统计意义（即带有一定的置信度）的检验，其中j a 为某个给定的已知数。特别是，当j a =0时，称为参数的（狭义意义上的）显著性检验。如果拒绝0H ，说明解释变量j X 对 被解释变量Y 具有显著的线性影响，估计值j β?才敢使 用；反之，说明解释变量j X 对被解释变量Y 不具有显 著的线性影响，估计值j β?对我们就没有意义。具体检验 方法如下： （1） 给定虚拟假设 0H ：j j a =β；
（2） 计算统计量 )?(?)?()(?j j j j j j Se a Se E t βββββ-=-= 的数值； 11?)?(++-==j j jj jj j C C Se 1T X)(X ，其中σβ （3） 在给定的显著水平α下（α不能大于1.0即 10%，也即我们不能在置信度小于90%以下的前提下做结论），查出双尾t （1--k n ）分布的临界值2/αt ； （4） 如果出现 2/αt t >的情况，检验结论为拒绝 0H ；反之，无法拒绝0H 。 t 检验方法的关键是统计量 )?(?j j j Se t βββ-=必须服从已 知的t 分布函数。什么情况或条件下才会这样呢？这需要我们建立的模型满足如下的条件（或假定）： （1） 随机抽样性。我们有一个含n 次观测的随机样(){}n i Y X X X i ik i i ,,2,1:,,,,21ΛΛ=。这保证了误差u 自身的随机性，即无自相关性，
检测鉴定方案 辛集市书香园小区4#楼 检测鉴定方案 一、工程概况： 辛集市书香园小区4#楼位于辛集市教育大道东侧，辛集市一中北邻。该楼为六层砖混结构，一层为储藏间，二至六层为住宅。工程于2006年4月份开工建设，2007年11月份竣工验收，建筑面积平方米。 该工程由辛集市博远房地产开发有限公司开发，河北天艺建筑设计有限公司设计，石家庄中天监理公司监理，辛集市天久住宅建设有限责任公司第七施工处施工。 现该4#楼已入住后多户住宅发现墙体裂缝，为了解该楼建筑工程质量状况，辛集市博远房地产开发有限公司委托河北省建筑工程质量检测中心对该楼工程质量现状进行检测鉴定。 二、依据标准 1、委托书 2、《民用建筑可靠性鉴定标准》(GB50292-1999) 3、《建筑结构检测技术标准》(GB50344-2004) 4、《砌体工程现场检测技术标准》(GB/T50315-2000) 5、《建筑结构荷载规范》(GB50009-2001) 6、《砌体结构设计规范》(GB50003-2001)
7、《建筑抗震设计规范》(GB50011-2001) 8、相关技术资料 三、检测内容 1、基础检测 对该建筑物基础各项工程做法进行检测，纵墙(○17～○18×○A轴处)与横量墙(○A～○B×①轴处)分别开挖一处基础测坑。为便于检测，测坑上部开挖尺寸宜控制在1000mm×1000mm左右，经放坡后测坑底部尺寸应控制在600mm×600mm左右，测坑开挖深度为基础灰土层下皮100mm，测坑内部需将余土清理干净，使基础垫层及大放脚轮廓鲜明，表面无积土。测坑开挖需避开雨水管附近，如测坑周围有堆积物不便开挖，经现场检测人员同意可调换适当位置进行，并做好记录。 检测基础工程实际做法，对其标高、尺寸、材料、损伤等逐一进行检测，检查结果绘制成图并详细记录。 检测工具：洋镐、大锤、铁锹、盒尺、钢尺、水平尺、数字测距仪、数码相机、记录簿等。 检测完毕后及时将测坑进行回填，回填时应分层逐一夯实，恢复表面散水及地面。 2、砌体砂浆强度检测 砂浆强度检测 对该建筑物砌体用砂浆强度进行实地检测，每层随机抽
报告编号：××××共8页第1 页工程名称名称要与现有学校名称一致，如与原始资料不符要在括号内注明（原某某学校）工程地点现在名称 委托单位现在名称 鉴定时间×年×月×日至×月×日检验类别委托 鉴定项目安全及抗震鉴定 仪器设备检测所使用设备名称 鉴定依据详见附页 鉴定结论及处理意见 1.鉴定结论 1）有无影响结构安全性缺陷。 2）检测材料强度值是否满足《建筑抗震鉴定标准》规定。 3）抗震构造措施是否满足要求，如不满足，需说明哪里不满足什么标准或规范的要求。 4）安全性等级和试修性评估等级，并注明等级含义。（例：该工程的安全性等级为C su，（安全性不符合标准要求，显著影响整体承载），适修性评估等级为：B'r/ B r （稍难修，改造后的功能尚可达到现行设计标准要求，适修性尚好，宜予修复或改造）。） 2.加固建议 根据鉴定结论，需要加固的项目给出加固建议，如需拆除，则此条改为拆除；如满足各项要求，则无需此条。 （本页以下无正文） 单位名称（盖章） 年月日
报告编号：××××共8页第2 页 1.工程概况 包括建成年份，建筑面积，结构形式，层数，楼板形式，基础形式，基本尺寸；原勘察设计单位，施工单位，监理单位，质检部门，产权所有人等，如果没有资料可查，应注明。 写明鉴定原由。（例：为了保证河北省中小学校舍安全工程顺利实施，按照国务院关于中小学校舍安全工程的统一部署及《全国中小学校舍安全工程实施方案》和《全国中小学校舍安全工程技术指南》的要求，依据《河北省中小学校舍鉴定实施细则》和《河北省中小学校舍安全排查实施细则》，×单位接受委托于×年×月×日～×月×日对以上工程进行了建筑物抗震鉴定与安全性鉴定。） 注明当地设防烈度。 图1该项目正立面图（建筑实体照片） 2.抗震鉴定依据 2.1 该工程设计文件、设计变更及地质勘查报告； 2.2《建筑抗震鉴定标准》（GB 50023-2009）； 2.3《民用建筑可靠性鉴定标准》（GB 50292-1999）； 2.4《建筑工程抗震设防分类标准》（GB 50223-2008）； 2.5《建筑抗震设计规范》（GB 50011-2001）（2008版）； 2.6《建筑结构检测技术标准》（GB/T 50344-2004）。 3.鉴定内容、要求及方法 3.1鉴定内容及要求 此次抗震鉴定包括下列内容及要求： 3.1.1搜集该工程的勘察报告、施工和竣工验收的相关原始资料；当资料不全时，应根据鉴定的需要进行补充实测。 3.1.2调查该工程现状与原始资料相符合的程度、施工质量和维护状况，普查相关的非抗震缺陷，工程现状调查又包括如下内容：1）该建筑的使用状况与原设计或竣工时有无不同；2）该建筑存在的缺陷是否仍属于“现状良好”的范围，并从结构受力的角度，检查结构的使用与原设计有无明显的变化；3）检测结构材料的实际强度等级。
框架结构安全性检测鉴定方法及步骤 一、检测鉴定依据 1.《民用建筑可靠性鉴定标准》GB 50292-1999 2.《建筑结构荷载规范》GBJ 9—87 3.《回弹法检测混凝土抗压强度技术规程》（J GJ/T 23-92） 4.《混凝土结构设计规范》GBJ 10—89 5.《危险房屋鉴定标准》JGJ 125—99 6.《混凝土结构加固技术规范》（C ECS 25:90） 7.《钻芯法检测混凝土强度技术规程》（C ECS 03:88） 8.原工程相关资料：包括工程设计图纸、设计变更、施工记录、 地质勘查报告、使用功能及荷载变更、历次加固方案和修复 处理方案、改造的相关资料等 二、鉴定内容 1、调查及检测 ①结构基本情况勘察检查结构的布置形式、结构及其支承构造、构件及其连接构造、结构的细部尺寸及相关的几何参数。 ②结构使用条件核实：检查结构上的作用、建筑物的内外环境及使用历史。 ③地基及基础的检查：当无地基基础的相关资料时，应检查场地类别、地基土情况、地基稳定性及地基变形等情况，主要通过局部开挖，调查现有基础工作状态，观测其整体及局部变形（沉降）情况及其在上部结构中的反应。如有问题，需作进一步检测。 ④材料性能检测分析检测主体承重结构材料的强度：混凝土结构检测梁板、柱子的混凝土强度、混凝土碳化深度，检测保护层厚度、钢筋分布情况等。
混凝土强度检测可采用拔出法、回弹法、取芯法及回弹超声综合法等，钢筋分布及混凝土保护层厚度用扫描仪扫描检测。 混凝土强度检测采用随机抽取的办法，抽检构件数量约为总体构件数量的30%（指主要构件），位置可根据现场条件适当选取，钢筋分布检测选取有代表性的构件及重要的构件进行。 ⑤承重结构情况检查检查结构的体系，房屋的整体性连接、房屋局部易损部位的构造、检查框架梁、板、柱子的裂缝及承重砖墙的裂缝变形等。 2、理论计算分析 根据现场检测所得到的主体承重结构材料强度，结合原工程图纸和调查情况，进行整体结构计算，分析结构构件的承载能力等是否满足相关设计规范的要求。计算分析时，结构构件材料按原设计（或设计变更）和现场实测指标两种情况综合考虑取用，几何参数按设计图纸(或设计变更)并结合现有建筑的实际情况取用。 3、建筑结构安全性鉴定 安全性鉴定按照现行标准要求(《民用建筑可靠性鉴定标准》GB 50292-1999)，分构件、子单元、鉴定单元三个层次进行，每一个层次又分为四个安全性和三个使用性等级，按照标准规定的检查项目和步骤，结合现场调查和原设计有关资料以及计算结果，逐层进行。最后，综合分析得出整个建筑的安全性评价。 4、结论及建议 根据鉴定结果，对结构的整体安全度作出评价。 当鉴定结果不符合标准要求时，结合建筑物的实际情况及结构的使用功能要求等提出加固处理方案，并通过经济技术比较，推荐最优的加固方案。
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； 3、偏相关：在某一现象与多种现象相关的场合，当假定其他变量不变时，其中两个变量之间的相关关系称为偏相关。 六、方差分析
1. 工作目的 明确检测/鉴定活动中方法的选择、制定、确认要求，保证数据准确可靠。 2. 适用范围 适用于检测/鉴定活动中方法的选择、确认全过程。 3. 工作职责 3.1技术质量管理部负责对引用的标准规范每半年核查一次。 3.2 检测所、土工实验室、分站保证方法的正确有效实施。 4. 工作程序 4.1 方法选择范围及有效性确认 4.1.1 方法选择范围 4.1.1.1 国家检测/鉴定标准； 4.1.1.2 行业检测/鉴定标准； 4.1.1.3 地方检测/鉴定标准。 4.1.1.4 需要时，可以采用国际标准，但仅限特定委托方的委托检测/鉴定。 4.1.2 如委托人要求本站执行标准范围以外的方法时，应选择： 4.1.2.1 知名技术组织公布的方法； 4.1.2.2 科学专业文献公布的方法； 4.1.2.3 科学技术杂志公布的方法。 4.1.3 本站暂时不采用非标方法、自制方法。 4.1.4 标准的有效性核查 4.1.4.1 各检测所、土工实验室、分站负责应积极主动收集技术标准，收集到的技术标准应登记编号并存档。 4.1.4.2 在用的技术标准应每半年核查一次有效性，并形成《标准跟踪核查记录》，以保证方法的有效性。
4.1.4.3 如新技术标准较旧技术标准对资源配置有较大的变化时相关部门技术主任应组织对新标准开展宣贯，宣贯执行《人员培训和考核管理程序》。 4.1.4.4 技术主任负责组织更新标准的证实，形成《检测/鉴定方法证实记录》。 4.2 方法的选择 4.2.1 各检测所、土工实验室、分站对本站开展的项目，按照4.1条款的要求选择并指定开展时使用的方法，并对新标准进行方法证实。 4.2.2样品管理员在与客户洽谈时应明确选择各检测所土工实验室分站定的方法，如客户指定的方法不包含在其范围内应与检测所长、土工实验室主任、分站联系确认，当客户所提出的方法不适合或已过期时，应及时通知客户。 4.2.3 化学领域检测室应关注检测方法中提供的限制说明、浓度范围和样品基体，选择的检验方法应确保在限量点附近给出可靠的结果。 4.2.4对首次采用的检测/鉴定方法进行技术能力的验证，如检出限、回收率、准确度、精密度和测量不确定度等。如果在证实过程中发现标准方法中未能详述但影响检验结果的环节，应将详细操作步骤编制成作业指导书，作为标准方法的补充。当检验标准发生变更涉及到检验方法原理、仪器设施、操作方法时，需要通过技术验证重新证明正确运用新标准的能力。 4.3 作业文件的制定和使用 4.3.1 当仪器设备操作、规程规范较复杂时，包括化学检测用器皿的清洗、储存和隔离等，各检测所长和土工实验室主任组织制定作业文件，对规程规范加以细化补充，以确保应用一致性。 4.3.2 作业文件按照《文件控制程序》审批并发放使用。 4.3.3 规程规范、作业文件或其它指导性文件应发放到检测所和土工实验室，并应方便检测/鉴定人员获取和查阅使用。 4.4 方法的证实过程 4.4.1 方法证实范围 4.4.1.1 超出预期范围使用的标准方法； 4.4.1.2 扩充、修改或变更的标准方法；
******工程可靠性鉴定检测 工程检测鉴定方案 ******公司 二〇一七年十一月二十三日
1工程概况 本项目位于*******。 2检测目的 本次检测的目的主要是根据委托方要求，工程名称进行安全性鉴定。 3主要检测鉴定依据 《民用建筑可靠性鉴定标准》（GB50292－1999） 《建筑工程施工质量验收统一标准》 （GB50300-2013） 《混凝土结构工程施工质量验收规范》<2010年版> （GB50204-2002） 《建筑结构检测技术标准》（GB/T 50344-2004） 《回弹法检测混凝土抗压强度技术规程》 （JGJ/T23-2011） 《混凝土中钢筋检测技术规程》（JGJ/T 152－2008） 《砌体工程现场检测技术标准》（GB/T 50315-2011） 《砌体结构工程施工质量验收规范》（GB/T 50203-2011） 工程名称检测、鉴定报告技术任务书 设计图纸及其它各项施工档案资料等
4检测内容 4.1地基基础 按照《建筑结构检测技术标准》（GB/T50344-2004）要求选取基础采用回弹 法测试混凝土抗压强度。 4.2构件混凝土强度检测 4.2.1检测方法 该工程混凝土龄期未超过1000天，按照《回弹法检测混凝土抗压强度技术规程》的规定可采用回弹法对构件混凝土强度进行检测。 4.2.2抽样数量 本次检测按照混凝土设计强度等级划分检测批，每个测区为检测批的单个样本。参照《建筑结构检测技术标准》(GB/T50344-2004)，拟定回弹抽样方案如下表4.2.2： 表4.2.2回弹检测数量 4.2.3处理方法 （1）柱：拆除其抹灰部分，露出混凝土面（不破坏混凝土原始表面）并磨平。(柱子的处理范围宜在地面以上800mm～1500mm，宽度与柱同宽，处理高度为400mm,可根据现场情况在取样数量不变的前提下,在适当位置选取柱)（2）梁：在所选梁跨中约1000mm范围内选一侧表面拆除其抹灰部分，露出
大数据挖掘技术之DM经典模型（上） 数据分析微信公众号datadw——关注你想了解的，分享你需要的。 实际上，所有的数据挖掘技术都是以概率论和统计学为基础的。 下面我们将探讨如何用模型来表示简单的、描述性的统计数据。如果我们可以描述所要找的事物，那么想要找到它就会变得很容易。这就是相似度模型的来历——某事物与所要寻找的事物越相似，其得分就越高。 下面就是查询模型，该模型正在直销行业很受欢迎，并广泛用于其它领域。朴素贝叶斯模型是表查找模型中一种非常有用的泛化模型，通常表查询模型适用于较低的维度，而朴素贝叶斯模型准许更多的维度加入。还有线性回归和逻辑回归模型，都是最常见的预测建模技术。回归模型，用于表示散点图中两个变量之间的关系。多元回归模型，这个准许多个单值输入。随后介绍逻辑回归分析，该技术扩展了多元回归以限制其目标范围，例如：限定概率估计。还有固定效应和分层回归模型，该模型可将回归应用于个人客户，在许多以客户为中心的数据挖掘技术之间搭建了一座桥梁。 1、相似度模型 相似度模型中需要将观察值和原型进行比较，以得到相应的相似度得分。观察值与原型相似度越高，其得分也就越高。一种度量相似度的方法是测量距离。观察值与原型值之间的距离越近，观察值的得分就越高。当每个客户细分都有一个原型时，该模型可以根据得分把客户分配到与其最相似的原型所在的客户细分中。 相似度模型有原型和一个相似度函数构成。新数据通过计算其相似度函数，就可以计算出相似度得分。 1.1、相似度距离 通过出版社的读者比一般大众要富有，而且接受教育的程度要高为例。通常前者要比后者在富有程度、教育程度的比例大三倍。这样我们
常用数据分析方法 常用数据分析方法：聚类分析、因子分析、相关分析、对应分析、回归分析、方差分析；问卷调查常用数据分析方法：描述性统计分析、探索性因素分析、Cronbach’a信度系数分析、结构方程模型分析(structural equations modeling) 。 数据分析常用的图表方法：柏拉图(排列图)、直方图(Histogram)、散点图(scatter diagram)、鱼骨图（Ishikawa）、FMEA、点图、柱状图、雷达图、趋势图。 数据分析统计工具：SPSS、minitab、JMP。 常用数据分析方法: 1、聚类分析（Cluster Analysis） 聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。聚类是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。聚类分析是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。聚类分析所使用方法的不同，常常会得到不同的结论。不同研究者对于同一组数据进行聚类分析，所得到的聚类数未必一致。 2、因子分析（Factor Analysis） 因子分析是指研究从变量群中提取共性因子的统计技术。因子分析就是从大量的数据中寻找内在的联系，减少决策的困难。 因子分析的方法约有10多种，如重心法、影像分析法，最大似然解、最小平方法、阿尔发抽因法、拉奥典型抽因法等等。这些方法本质上大都属近似方法，是以相关系数矩阵为基础的，所不同的是相关系数矩阵对角线上的值，采用不同的共同性□2估值。在社会学研究中，因子分析常采用以主成分分析为基础的反覆法。 3、相关分析（Correlation Analysis） 相关分析（correlation analysis），相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度。相关关系是一种非确定性的关系，例如，以X和Y分别记一个人的身高和体重，或分别记每公顷施肥量与每公顷小麦产量，则X 与Y显然有关系，而又没有确切到可由其中的一个去精确地决定另一个的程度，这就是相关关系。 4、对应分析（Correspondence Analysis） 对应分析(Correspondence analysis)也称关联分析、R-Q型因子分析，通过分析由定性变量构成的交互汇总表来揭示变量间的联系。可以揭示同一变量的各个类别之间的差异，以及不同变量各个类别之间的对应关系。对应分析的基本思想是将一个联列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来。 5、回归分析 研究一个随机变量Y对另一个(X)或一组(X1，X2，…，Xk)变量的相依关系的统计分析方法。回归分析（regression analysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。 6、方差分析(ANOVA/Analysis of Variance) 又称“变异数分析”或“F检验”，是R.A.Fisher发明的，用于两个及两个以上样本均数差
方法、数据处理流程实战案例时代，我们人人都逐渐开始用数据的眼光来看待每一个事情、事物。确实，数据的直观明了传达出来的信息让人一下子就能领略且毫无疑点，不过前提是数据本身的真实性和准确度要有保证。今天就来和大家分享一下关于方法、数据处理流程的实战案例，让大家对于这个岗位的工作内容有更多的理解和认识，让可以趁机了解了解咱们平时看似轻松便捷的数据可视化的背后都是有多专业的流程在支撑着。 一、大数据思维 在2011年、2012年大数据概念火了之后，可以说这几年许多传统企业也好，互联网企业也好，都把自己的业务给大数据靠一靠，并且提的比较多的大数据思维。 那么大数据思维是怎么回事？我们来看两个例子： 案例1：输入法 首先，我们来看一下输入法的例子。 我2001年上大学，那时用的输入法比较多的是智能ABC，还有微软拼音，还有五笔。那时候的输入法比现在来说要慢的很多，许多时候输一个词都要选好几次，去选词还是调整才能把这个字打出来，效率是非常低的。 到了2002年，2003年出了一种新的输出法——紫光拼音，感觉真的很快，键盘没有按下去字就已经跳出来了。但是，后来很快发现紫光拼音输入法也有它的问题，比如当时互联网发展已经比较快了，会经常出现一些新的词汇，这些词汇在它的词库里没有的话，就很难敲出来这个词。
在2006年左右，搜狗输入法出现了。搜狗输入法基于搜狗本身是一个搜索，它积累了一些用户输入的检索词这些数据，用户用输入法时候产生的这些词的信息，将它们进行统计分析，把一些新的词汇逐步添加到词库里去，通过云的方式进行管理。 比如，去年流行一个词叫“然并卵”，这样的一个词如果用传统的方式，因为它是一个重新构造的词，在输入法是没办法通过拼音“ran bing luan”直接把它找出来的。然而，在大数据思维下那就不一样了，换句话说，我们先不知道有这么一个词汇，但是我们发现有许多人在输入了这个词汇，于是，我们可以通过统计发现最近新出现的一个高频词汇，把它加到司库里面并更新给所有人，大家在使用的时候可以直接找到这个词了。 案例2：地图 再来看一个地图的案例，在这种电脑地图、手机地图出现之前，我们都是用纸质的地图。这种地图差不多就是一年要换一版，因为许多地址可能变了，并且在纸质地图上肯定是看不出来，从一个地方到另外一个地方怎么走是最好的？中间是不是堵车？这些都是有需要有经验的各种司机才能判断出来。 在有了百度地图这样的产品就要好很多，比如：它能告诉你这条路当前是不是堵的？或者说能告诉你半个小时之后它是不是堵的？它是不是可以预测路况情况？ 此外，你去一个地方它可以给你规划另一条路线，这些就是因为它采集到许多数据。比如：大家在用百度地图的时候，有GPS地位信息，基于你这个位置的移动信息，就可以知道路的拥堵情况。另外，他可以收集到很多
食品鉴别及方法概述 1、食物是人体能量的来源 食物是人体生长发育、更新细胞、修补组织、调节各种生理机能所必不可少的营养物质，也是产生热量以保持体温恒定、从事各种活动的能量来源。正因为食品中含有人体所必需的各种营养素和能量，所以它是人类维持生命与健康的必需品，是人类赖以进行一切社会活动的物质基础。没有食物，人类就不能生存。 2、假劣食品的质量威胁人类的生命安全 食品的质量与人体健康，生命安全有着极为密切的关系。营养丰富的食品，有时会由于微生物的生长繁殖而引起腐败变质，或者是在生长、来收(屠宰)加工、运输、销售等过程中受到有害，有毒物质的污染，这样的食品一但被人食用，就可能引发传染病，寄生虫或食物中毒，造成人体各种组织、器官的损害，严重者甚至会危及生命。更有一些假冒伪劣食品，鱼目混珠，流入市场，对广大消费者的身体健康构成严重威胁。因此，在选购食品时，学会客观、准确、快速地识别其品质优劣，择优而购是很有必要的。 3、正确使用食品质量的感官鉴别 食品质量感官鉴别就是凭借人体自身的感觉器官，具体地讲就是凭借眼、耳、鼻、口(包括唇和舌头)和手，对食品的质量状况作出客观的评价。也就是通过用眼睛看、鼻子嗅、耳朵听、用口品尝和用手触摸等方式，对食品的色、香、味和外观形态进行综合性的鉴别和评价。 食品质量的优劣最直接地表现在它的感官性状上，通过感官指标来鉴别食品的优劣和真伪，不仅简便易行，而且灵敏度高，直观而实用，与使用各种理化、微生物的仪器进行分析相比，有很多优点，因而它也是食品的生产、销售、管理人员所必须掌握的一门技能。广大消费者从维护自身权益角度讲，掌握这种方法也是十分必要的。应用感官手段来鉴别食品的质量有着非常重要的意义。 食品质量感官鉴别能否真实、准确地反映客观事物的本质，除了与人体感觉器官的健全程度和灵敏程度有关外，还与人们对客观事物的认识能力有直接的关系。只有当人体的感觉器官正常， 中心以化工行业技术需求和科技进步为导向，以资源整合、技术共享为基础，分析测试、技术咨询为载体，致力于搭建产研结合的桥梁。以“专心、专业、专注“为宗旨，致力于实现研究和应用的对接，从而推动化工行业的发展。
第7 章空间数据分析模型 7.1 空间数据 按照空间数据的维数划分，空间数据有四种基本类型：点数据、线数据、面数据和体数据。 点是零维的。从理论上讲，点数据可以是以单独地物目标的抽象表达，也可以是地理单元的抽象表达。这类点数据种类很多，如水深点、高程点、道路交叉点、一座城市、一个区域。 线数据是一维的。某些地物可能具有一定宽度，例如道路或河流，但其路线和相对长度是主要特征，也可以把它抽象为线。其他的 线数据，有不可见的行政区划界，水陆分界的岸线，或物质运输或思想传播的路线等。 面数据是二维的，指的是某种类型的地理实体或现象的区域范围。国家、气候类型和植被特征等，均属于面数据之列。 真实的地物通常是三维的，体数据更能表现出地理实体的特征。一般而言，体数据被想象为从某一基准展开的向上下延伸的数，如 相对于海水面的陆地或水域。在理论上，体数据可以是相当抽象的，如地理上的密度系指单位面积上某种现象的许多单元分布。 在实际工作中常常根据研究的需要，将同一数据置于不同类别中。例如，北京市可以看作一个点（区别于天津），或者看作一个面 （特殊行政区，区别于相邻地区），或者看作包括了人口的“体”。 7.2 空间数据分析 空间数据分析涉及到空间数据的各个方面，与此有关的内容至少包括四个领域。 1）空间数据处理。空间数据处理的概念常出现在地理信息系统中，通常指的是空间分析。就涉及的内容而言，空间数据处理更多的偏重于空间位置及其关系的分析和管理。 2）空间数据分析。空间数据分析是描述性和探索性的，通过对大量的复杂数据的处理来实现。在各种空间分析中，空间数据分析是 重要的组成部分。空间数据分析更多的偏重于具有空间信息的属性数据的分析。 3）空间统计分析。使用统计方法解释空间数据，分析数据在统计上是否是“典型”的，或“期望”的。与统计学类似，空间统计分析与空间数据分析的内容往往是交叉的。 4）空间模型。空间模型涉及到模型构建和空间预测。在人文地理中，模型用来预测不同地方的人流和物流，以便进行区位的优化。在自然地理学中，模型可能是模拟自然过程的空间分异与随时间的变化过程。空间数据分析和空间统计分析是建立空间模型的基础。 7.3 空间数据分析的一些基本问题 空间数据不仅有其空间的定位特性，而且具有空间关系的连接属性。这些属性主要表现为空间自相关特点和与之相伴随的可变区域 单位问题、尺度和边界效应。传统的统计学方法在对数据进行处理时有一些基本的假设，大多都要求“样本是随机的”，但空间数据可能不一定能满足有关假设，因此，空间数据的分析就有其特殊性（David,2003 ）。