-
تجزیه و تحلیل و به نقشه درآوردن جوامع چندعنصری
- روش های چند متغییره که بیشتر در مطالعه و تعیین کمیت جوامع چند عنصری در داده های ژئوشیمی اکتشافی به کار گرفته می شوند شامل آنالیز مولفه های اصلی(PCA)، آنالیز فاکتوری(FA)، آنالیز خوشه ای(CA)،آنالیز رگرسیونی(RA) و آنالیز تفریقی(DA)می باشد. PCA و FA در مطالعه روابط بین عنصری پنهان در چند مجموعه داده های تک عنصری مفید هستند.
- CA برای روابط بین نمونه مفید است.، در حالیکه RA و DA برای مطالعه ارتباط بین عنصری مانند ارتباط بین نمونه مفید هستند.RA و DA نیاز به داده های آموزشی، به عنوان مثال نمونه های نماینده فرآیندهای مورد علاقه دارند (از مناطق کانی سازی شده). توضیحات معتبر از روش های چند متغییره به کار گرفته شده در آنالیز داده های ژئوشیمی و ژئولوژی می تواند در هوارث و سیندینگ – لارسن(1983) و داویس(2002) یافت شود. در این مطالعه موردی PCA یا FA برای آشکارسازی ارتباط بین عنصری مطلوبند، چنانکه ممکن است حضور کانی سازی را نشان دهند.
- PCA و FA تکنیک های خیلی مشابهی هستند به طوریکه اغلب با یکدیگر اشتباه گرفته می شوند، اما آنها تفاوت های ریاضی و مفهومی قابل توجه دارند. هوارث و سیندینگ- لارسن (1983) و ریمن و همکاران (2002) بحث روشنی درباره تشابهات و تفاوت های PCA . FA ارائه کردند، که در اینجا خلاصه شده است. هر دو روش با هر دو ماتریس همبستگی یا کوواریانس با تعداد n متغییر شروع می شوند. هر دوی آنها به تبدیل و یا استانداردسازی داده های ورودی نیاز دارند.
- تفاوت اصلی بین PCA و FA مربوط است به نسبت واریانس کل دادها برای n متغییر محاسبه شده در آنالیز. واریانس کل متشکل از واریانس مشترک در تمام n متغییر و واریانس خاص هر متغییر nام است. در PCA، اجزای اصلی (یاPCها) بدون هیچ گونه فرضیات آماری برای محاسبه ماکسیمم واریانس کل متغییرهای ورودی تعیین می شوند. در FA تعدادی از فاکتورهای مشترک، با فرض یک مدل آماری با پیش شرط خاص، برای محاسبه ماکسیمم ارتباط عمومی بین متغییرهای ورودی تعریف می شوند. پس از یک طرف PCA واریانس گرا است و نتیجه اش تعدادی از PC های ناهمبسته است(برابر n متغییر ورودی) که با هم برای واریانس کل متغییرهای ورودی محاسبه می شوند. اولین PC برای بالاترین نسبت از واریانس کل (و به این ترتیب نشان دهنده ی شایع ترین واریانس) از داده های چند متغییره محاسبه می شود در حالیکه nامین PC برای حداقل نسبت واریانس کل (و به این ترتیب نشان دهنده ی خاص ترین واریانس) از داده های چند متغییره محاسبه می شود. از طرف دیگر، FA رابطه گراست و نتیجه آن تعدادی (K) از فاکتورهای مشترک ناهمبسته است(کمتر از متغییرهای ورودی n) که با هم برای واریانس کل متغییرهای ورودی محاسبه نمی شوند اما با هم برای واریانس مشترک ماکسیمم در تمام متغییرهای ورودی محاسبه می شوند. پس، اولین فاکتور برای بالاترین نسبت از واریانس عمومی کل در داده های چند متغییره ورودی محاسبه می شود. در حالیکه فاکتور kام (یا آخرین) برای پایین ترین نسبت از واریانس عمومی کل در داده های چند متغییره ورودی محاسبه می شود. چون واریانس عمومی کل در n…..ادامه..
نظر شما برای “تجزیه و تحلیل و به نقشه درآوردن جوامع چندعنصری”
شما باید وارد شوید تا قادر به ارسال دیدگاه باشید.