沉积物粒度数据表征方法的研究

已有近百年历史的沉积物粒度分析 ,从五、六十年代的应用高峰之后开始走下坡路。由于多解性而难以将其作为相分析的“证据” ,使得沉积学家对粒度相标志的兴趣日益减弱。 3 0年来 ,粒度测试技术和计算机技术得到了长足的发展 ,但地质学对粒度数据的表征和应用方法仍停留在 60年代水平 ,落后的图解参数仍在沿用 ;理论上存在错误的粒度概率图仍在我国广泛流传。事实证明 ,粒度相标志的多解性 ,很大程度上是由于粗糙的乃至错误的粒度数据表征方法造成的。本文从统计学中样本和母体分布的区别入手 ,通过正演实验 ,证明了以往对粒度概率图解释的错误所在 ;借助于人工神经网络 ,对比了样本和母体分布在判别沉积环境上的差异 ;基于“混合模型”的“子体分离技术” ,给出了一种更加科学的单样品粒度分布表征方法———粒度母体分解图 ;借助于人工神经网络模式识别技术 ,开发出一个基于粒度母体沉积环境识别系统。