Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Поротов. Мат. методы.doc
Скачиваний:
0
Добавлен:
01.05.2025
Размер:
6.04 Mб
Скачать

Таблица 5.3

Результаты измерения мощности рудного тела

Номер пункта

х, м

, м

Номер пункта

х, м

, м

1

0

1,8

16

30

2,1

2

2

1,5

17

32

1,9

3

4

1,6

18

34

1,6

4

6

1,8

19

36

1,4

5

8

1,9

20

38

1,3

6

10

2,2

21

40

1,7

7

12

2.5

22

42

1,9

8

14

2,4

23

44

2,1

9

16

2,4

24

46

2,2

10

18

2,6

25

48

1,5

11

20

2,4

26

50

1,8

12

22

2,2

27

52

2,0

13

24

1,8

28

54

2,3

14

26

1,7

29

56

1,8

15

28

1,9

30

58

1,5

Идеальная форма автокорреляционной функции искажается по нескольким причинам. На ее форму сильнее всего влияет периодическая изменчивость, придавая кривой волнистый характер. Если используется модель стационарной случайной функции, заметно сказывается монотонный тренд. В практических расчетах значения автокорреляционной функции находят по дискретным данным, а ее график имеет вид ломаной линии, состоящей из отдельных отрезков. В этих условиях в качестве радиуса автокорреляции принимается первое пересечение линии автокорреляции с осью абсцисс.

Пример 5.5. Имеются измерения мощности рудного тела, произведенные через 2 м (табл.5.3). Требуется рассчитать характеристики стационарной случайной функции.

Графический анализ (рис.5.7) показывает, что в поведении мощности отсутствует заметный тренд, поэтому можно принять модель стацио­нарной случайной функ­ции. Математическое ожи­дание стационарной слу­чайной функции постоянно и равно среднему значе­нию мощности m(x) = = 1,93 м. Дисперсия отклонений равна обычной дисперсии D(x) = 0,117. График автокорреляционной функции (рис.5.8) показывает, что имеются небольшие периодические колебания в исходных измерениях с длиной волны порядка 11 м, а радиус автокорреляции R = 10,43 м.

Изучение нестационарной случайной функции начинается с выделения математического ожидания. Обычно с помощью заданной функции (тренда) или путем сглаживания исходных данных с использованием скользящего окна удается выявить только оценку математического ожидания. Чаще всего задается аппроксимирующий полином, коэффициенты и порядок которого определяются, как было показано в подразделах 3.1.5 и 3.1.7. После вычитания из исходных данных тренда получается остаток, т.е. случайные отклонения, у которых определяют дисперсию отклонений. Важно отметить, что, в отличие от предыдущего расчета, для вычисления тренда не обязательна равномерная сеть наблюдений, но чтобы построить график исходных измерений, значения координаты х должны быть расположены в порядке возрастания.