一种煤中元素相关性不一致问题的分析方法技术

本发明专利技术涉及煤中元素数据分析技术领域，且公开了一种煤中元素相关性不一致问题的分析方法，包括以下步骤：步骤一，通过基于对称枢轴坐标的方法对煤中元素原始数据进行数据处理；步骤二，通过添加权重系数来构建对称枢轴坐标形成加权枢轴坐标方法；步骤三，改进加权枢轴坐标方法，构建正交坐标系，计算坐标的加权系数，定义变异矩阵，得出权重值关系，计算加权加权枢轴坐标；步骤四，将处理后煤中元素数据进行层次聚类分析。因此，本发明专利技术采用上述煤中元素相关性不一致问题的分析方法，能够解决两种基准下的不一致问题，并且根据聚类后的结果直观的重新进行煤地球化学分析与解释。观的重新进行煤地球化学分析与解释。观的重新进行煤地球化学分析与解释。

【技术实现步骤摘要】
一种煤中元素相关性不一致问题的分析方法


[0001]本专利技术涉及煤中元素数据分析
，尤其是涉及一种煤中元素相关性不一致问题的分析方法。

技术介绍

[0002][0003]煤中元素的赋存状态对于煤炭开采，以及煤中富含的矿物质来源的研究具有重大意义。煤中的元素主要区分为两大类，即常量元素和微量元素。煤中微量元素的研究意义主要包括3个方面，其中往往富含珍贵的战略金属元素。煤中的金属元素对其工业应用及环境有着重大影响，研究其含量分布规律、赋存状态，对于正确评价煤中金属元素对煤工业应用的正负效应，预防煤中有害微量金属元素对环境产生的不良影响、保护生态环境具有重要的理论指导意义和现实意义。例如，Finkelman认为确定元素在煤中的赋存状态有助于评估元素对环境的影响。元素的赋存状态是指元素在地球化学迁移的某一过程中所处的物理化学状态及其共生元素的结合特征。从地球化学角度而言，元素的赋存状态主要是指元素的结合状态，也即是元素的存在形式。
[0004]探索煤中元素的赋存状态的方式大概可以分为物理实验法、化学实验法和数学分析法。数学分析法主要有相关性分析(和灰分相关性分析法、各种硫分相关性分析法、和常量元素相关性分析法)、类聚分析、因子分析和判别分析等。其中的相关性分析和类聚分析是非常常用的方法。有几种标准方法要求在进行地球化学分析之前对煤进行灰化处理。然而，研究人员通常对全煤的组成性质感兴趣，而不是其灰分。任何煤的地球化学给定的样品数据可以在其分析的灰分基础或全煤基础相互转化。研究人员使用的成分数据基础不同，单变量(均值、方差、分布等)和双变量(相关系数等)同一组样本的测量结果可能会有很大的不同。这些差异不是真实的，而是由大多数地球化学成分数据的成分性质产生的“假象”。由于成分数据被迫为恒定的和，例如100％或1000000ppm，它们拥有曲线性质使得大多数统计检验所依赖的欧几里得原理不合适，导致错误结果的。应用一些转换方法允许用欧几里得空间来表示，不用担心产生数学上不一致的结果。
[0005]随着研究的不断深入，国内外许多学者对煤中富集的金属元素的赋存特征、物质来源、富集机理及成因以及迁移过程中出现的副产物进行了探索。相关分析方法是研究两组或多组元素之间相关程度的方法，利用相关分析方法也可以判断煤中元素的赋存状态，即根据煤的灰分产率、微量元素和常量元素含量之间的相关系数来判断赋存状态。例如，根据煤中元素与灰分之间的皮尔逊相关系数来判断赋存状态时，正相关意味着元素为无机结合态，负相关意味着元素为有机结合态。
[0006]煤中微量元素的赋存方式无论从科学角度还是从环境角度来说都很重要，因为煤中微量元素的行为不仅取决于其含量，还取决于其化学形态或赋存方式。统计方法是解释元素发生模式的最常用的间接方法之一。许多研究学者曾指出，煤中元素含量之和为定值。Aitchison表明具有这种定和约束的数据为成分数据。煤中元素的定和约束在全煤基准下
表现为：元素含量(不包括有机C、H、N和S)和烧失量(LOI、LOI＝100％
‑
ashyields)之和为100％；在灰分基准下表现为：常量元素和微量元素的含量之和为100％。
[0007]1866年，成分数据的概念被提出，但是之后很长一段时间里，关于成分数据的处理方法都没有什么进展。1897年，Person在讨论关于伪相关问题的文章中指出，成分数据的处理是比较复杂的，直接对成分数据进行相关性分析可能得到的是错误的结果。在对成分数据进行处理时，不能忽略各组成成分之间的相互制约关系。传统的统计分析方法主要分析没有限制的数据，直接对成分数据进行分析会得到错误的结果。直到1986年，Aitchison指出成分数据所处的空间为单形空间，单形空间与欧式空间的不同之处在于：欧氏空间中的数据可以在实数域内取值，而成分数据在单形空间中会受到定和约束的限制。定和约束的限制使得维成分数据实际只能表示维信息，例如三维的成分数据空间实际只用二维空间即可表示，其所张的空间是边长为1的等边三角形；二维成分数据实际只能表示一维信息，其所张的空间为边长为1的线段。通常，欧氏空间中常用的距离度量是欧式距离，Aitchison认为单形空间中的距离度量为艾奇逊距离。当使用欧氏空间中的统计分析方法对成分数据进行分析时，要把成分数据转换至欧式空间中，也即是要消除成分数据之间定和约束的限制。
[0008]针对成分数据转换方法，1986年，Aitchison提出了非对称对数比转换方(alr)，此方法是选择任一个数据作为分母，转换之后的数据可以克服成分数据的定和约束并且转换之后的数据在实数域内取值。在非对称对数比转换方法的基础上，Aitchison还提出了对称对数比转换方法(clr)，此方法用几何均值作为对数比的分母，但转换后的各数据之和为零并没有克服定和约束。2002年，王惠文，刘强等提出了球坐标转换方法，此方法与上述两种转换方法不同的是，它允许零值的存在，这一特点使得该方法的适用范围更广泛。2003年，Egozcue在成分数据几何结构的基础上对非对称对数比转换方法和对称对数比转换方法进行了改进，提出了等距对数比转换方法(ilr)，此方法的核心是用标准正交基定义新的数据，使得两个变量在单形空间中的艾奇逊距离与转换到欧式空间之后的欧式距离相等。
[0009]Filzmoser在研究成分数据转换方法时，将等距对数比转换方法的一种特殊情况看作枢轴坐标方法(PC)。2009年，Filzmoser指出成分数据在进行平均值，方差分析时得到的统计结果会受到成分数据定和约束的影响。2010年，Filzmoser在对成分数据进行相关性分析时也得到了同样的结论。同时，Filzmoser根据等距对数比转换方法提出了衡量成分数据间关系的稳定性方法(Stability)。2013年，Geboy将稳定性方法应用于美国Pond Creek煤中元素，他指出稳定性并不完全是衡量相关性的指标，它受两个数据的差值影响较大。2017年，Hron根据枢轴坐标方法提出了加权枢轴坐标方法(WPC)，此方法在枢轴坐标方法的基础上引入了权重系数，但是此方法和枢轴坐标方法一样都将数据由原来的维变为维。同年提出了对称枢轴坐标方法(SPC)，此方法通过选择特定的正交坐标来表示各数据与其它数据之间的关联强度。2021年，Hron等又提出了加权对称枢轴坐标方法(WSPC)，此方法为每一个数据分配一个坐标系，每一个坐标系根据当前数据与其它数据的对数比来表示该数据的信息。加权对称枢轴坐标方法也引入了权重系数，此方法将方差较大的数据对应的权重降低，从而抑制它们对其它数据的影响。
[0010]WSPC存在一些缺点，包括以下几个方面：
[0011]对于高维数据的处理较为困难：WSPC算法是一种基于样本点的投影方法，需要选取一些代表性的样本点，然后将所有数据点投影到这些样本点的正交轴上。当数据维度较
高时，选择代表性的样本点变得更加困难，同时投影后得到的结果也可能存在误差。
[0012]可扩展性不足：WSPC算法对于大规模数据的处理较为困难本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种煤中元素相关性不一致问题的分析方法，其特征在于：包括以下步骤：步骤一，通过基于对称枢轴坐标的方法对煤中元素原始数据进行数据处理；步骤二，通过添加权重系数来构建对称枢轴坐标形成加权枢轴坐标方法；步骤三，改进加权枢轴坐标方法，构建正交坐标系，计算坐标的加权系数，定义变异矩阵，得出权重值关系，计算加权加权枢轴坐标；步骤四，将处理后煤中元素数据进行层次聚类分析。2.根据权利要求1所述的煤中元素相关性不一致问题的分析方法，其特征在于：步骤一中，通过基于对称枢轴坐标的方法对煤中元素原始数据进行数据处理分析；煤中元素属于成分数据，对于D维成分数据x＝(x1,...,x
D
)，两两数据之间组成一组对数比，D个数据一共构成组对数比，对数比如下所示：ξ
ij
代表对数比，x
i
代表D维成分数据第i个数据，x
i
代表D维成分数据第j个数据。3.根据权利要求2所述的煤中元素相关性不一致问题的分析方法，其特征在于：对称枢轴坐标方法的表达式为：Z
i
代表枢轴坐标，D代表D维数据，x
i
代表D维成分数据第i个数据，k代表第几个数据，x
k
代表第k个元素；针对x1的枢轴坐标表示为：Z
i
代表枢轴坐标，D代表D维数据，x1代表D维成分数据第1个数据，i代表第几个数据，x2表示第2个元素；将元素x1分别与其它元素作对数比有：x1代表D维成分数据第1个数据，x2代表D维成分数据第2个数据，x3代表D维成分数据第3个数据，x
D
代表D维成分数据第D个数据。4.根据权利要求3所述的煤中元素相关性不一致问题的分析方法，其特征在于：步骤二中，通过添加权重系数构建对称枢轴坐标形成加权枢轴坐标方法，每一项对数比添加一个权重系数：
α2...α
D
...

【专利技术属性】
技术研发人员：许娜，汪茹，朱伟，李强，王志玮，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：