• giả thuyết H0(không tồn tại dị thường trong phần cửa sổ): ω có
phân bố trungtâm dạng F(0, q1,q2) với q1=m và q
2=m(N-1) là
bậc tự do.
• giả thuyết H1(tồn tại dị thường trong phần cửa sổ) ω có phân
bố trung tâm dạng F(b, q1,q2) và tham số không trung tâm:
54 trang |
Chia sẻ: tuanhd28 | Lượt xem: 1895 | Lượt tải: 1
Bạn đang xem trước 20 trang tài liệu Xử lý số liệu Địa vật lý, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
0
0
10
01
103
310
1
0
h
h
λ
020919)10(
103
310 22 =+−=−−=
−
−
= λλλ
λ
λ
D
=
−
0
0
10
01
103
310
1
0
h
h
λ
=
=
13
7
2
1
λ
λ
9
=
−
0
0
10
01
103
310
1
0
h
h
λ
=
−
−
0
0
13103
31310
1
0
h
h
=−
=+−
033
033
10
10
hh
hh
Và 121
2
0 =+ hh
Có: h0=h1=0.707
f=n+s1+s2
s1
f-s1
s2
n
1CƠ SỞ LÝ THUYẾT ĐỊNH NGHIỆM
THỐNG KÊ ĐỂ PHÁT HIỆN
DỊ THƯỜNG YẾU
n
Rn
s
n+s
h
• Trong thực tế ĐVL, khi khảo sát các đối tượng địa chất
nằm sâu, hoặc đối tượng nhỏ thì dị thường của chúng
tạo ra trên mặt đất rất yếu và có thể yếu hơn phông
nhiễu, không thể phát hiện trực tiếp được. Thí dụ, các
tín hiệu địa chấn phản xạ, phản xạ từ các tầng sâu (lớn
hơn một vài ngàn mét) có thể yếu hơn các loại nhiễu
sóng mặt, vi địa chấn hàng chục lần, thậm chí tới 100
lần.
Dựa vào công cụ toán học gồm
•lý thuyết xác suất,
•lý thuyêt thống kê toán,
•lý thuýet các hàm ngẫu nhiên,
người ta xây dựng nên các chỉ tiêu định
nghiệm thống kê
CƠ SỞ LÝ THUYẾT ĐỊNH NGHIỆM THỐNG KÊ ĐỂ PHÁT HIỆN DỊ
THƯỜNG YẾU
Quan sát, thí nghiệm các biến cố luôn có các khả năng là:
1) chắc chắn xảy ra
2)chắc chắn không xảy ra
3)có thể hoặc không thể xảy ra
biến cố ngẫu nhiên
Bất kỳ một quan sát hay thí nghiệm nào đều là kết quả của một loạt các phép đo
địa vật lý, nhận biết được từ một tổ hợp các điều kiện. Tổ hợp các điều kiện ở
đây có thể là máy đo, phương pháp đo, phương pháp xử lý (lọc). Khi chúng ta
không biết trước khả năng xảy ra biến cố mà chúng ta mong muốn thì biến cố đó
được gọi là ngẫu nhiên.
§1. Các khái niệm cơ bản của lý thuyết xác suất.
1) Biến cố
2) Xác suất
3) Nhóm đủ các biến cố, công thức Baies
§2. Đại lượng ngẫu nhiên
1) Hàm phân bố xác suất F(x) probability contribution
2) Hàm mật độ xác suất :f(x) probability density
3) Kỳ vọng toán học (mean)
4) Mode:
5) Median Me
6) Phương sai (covariance)
7) Độ lệch trung bình bình phương (standard deviation)
§3. Một số hàm phân bố lý thuyết
§4. Hệ thống các đại lượng ngẫu nhiên
§1. Các khái niệm cơ bản của lý thuyết xác suất.
1) Biến cố: Để nghiên cứu các dị thường vật lý hay khảo sát cấu trúc,r
người ta tiến hành các quan sát, đo trường ĐVL. Các quan sát này được
tiến hành trong những điều kiện nhất định được gọi là thực nghiệm hay
phép thử.
Kết quả định tính của phép thử này được gọi là biến cố.
Thí dụ: - Khi ném một đồng xu, khả năng đồng xu sấp hay ngửa
- Đo có dị thường hay không dị thường
- Khảo sát có mỏ hay không có mỏ.
2§1. Các khái niệm cơ bản của lý thuyết xác suất.
b) Xác suất: để quan sát các biến cố đòi hỏi phải thực hiện
các phép thử và người ta dùng khái niệm xác suất để đánh
giá định lượng các kết quả của phép thử.
kết quả quan sát người ta tính tỷ số
n
m
n
m
n
m 0
1
n
m
p n ∞→= lim
Tỷ số
n
m
được gọi là tần suất xuất hiện biến cố
xác suất
§1. Các khái niệm cơ bản của lý thuyết xác suất.
1. Biến cố ngẫu nhiên
2. Biến cố chắc chắn
3. Biến cố không thể
4. Biến cố được gọi là biến cố đối lập
5. A và B được gọi là 2 biến cố độc lập
6. A và B được gọi là 2 biến cố không độc lập
7. Biến cố C được gọi là tổng của biến cố A1,A2,...
8. Biến cố C được gọi là tích của 2 biến cố A và B (A∩B hay A.B))
Các lọai biến cố
TT Biến cố Xác suất Tính chất
1 Biến cố chắc chắn
U
P(U) P(U)=1
2 Biến cố không thể P(V) P(V)=0
3 Biến cố ngẫu nhiên P(A) 0≤P(A)≤1
4 Biến cố đối lập )(AP )(1)( APAP −=
5 Tích của 2 biến cố
Tích của n biến cố
P(AB)
∏
=
n
i
iAP
1
1. A và B độc lập với nhau
P(AB)=P(A).P(B)
2. A và B phụ thuộc nhau
P(AB)=P(A/B)P(B)=P(A)P(B/A)
Các biến cố độc lập với nhau
∏∏
==
=
n
i
i
n
i
i APAP
11
)(
6 Tổng của 2 biến cố
Tổng của n biến cố
P(A+B)
∑
=
n
i
iAP
1
3. A và B độc lập với nhau
P(A+B)=P(A)+P(B)
4. A và B phụ thuộc nhau
-P(A+B)=P(A)+P(B) P(AB)
5. Nhóm biến cố đầy đủ
∑∑
==
==
n
i
i
n
i
i APAP
11
1)(
6. Nhóm biến cố bất kỳ
)...()1(...)(
)()(
21
,,
1 ,1
n
n
kj
n
kji
i
j
n
i
n
ji
ii
n
i
i
AAAPAAAP
AAPAPAP
−++
+−=
∑
∑ ∑∑
==
§1. Các khái niệm cơ bản của lý thuyết xác suất.
Nhóm đủ các biến cố, công thức Baies:
)/()()(
1
i
n
i
i HAPHPAP ∑
=
=
Nếu biến cố A xuất hiện đồng thời với các biến cố H1, H2, r.
∑
=
=
n
i
ii
ii
i
HAPHP
HAPHP
AHP
1
)/()(
)/()(
)/(
Nhóm các biến cố A1,A2,..được gọi là một nhóm các biến cố đầy đủ nếu
các biến cố độc lập với nhau từng đôi 1 và chúng tạo thành một biến cố
chắc chắn. Nghĩa là khi thực hiện một phép thử thì biến cố xảy ra là một
và chỉ một trong các biến cố A1, A2,r xuất hiện.
Trong diện tích khảo sát tồn tại 3 loại đá hypebazit (giả thiết H1),
granit (giả thiết H2), gơnai (giả thiết H3). Theo kết quả đo tốc độ
truyền sóng địa chấn thì a là giá trị tốc độ nhỏ nhất của hypebazit,
đồng thời theo giá trị tốc độ thì khi v>a có:
- 80 trường hợp là hypebazit
- 10 trường hợp là granit
- 5 trường hợp là gơnai
Nếu kết quả đo địa chấn chỉ rằng ở điểm thứ j có v>a thì điểm j được
xếp là đá hypebazit với xác suất là bao nhiêu?
§1. Các khái niệm cơ bản của lý thuyết xác suất. §1. Các khái niệm cơ bản của lý thuyết xác suất.
Người ta tìm được hóa thạch của một sinh vật biển tại phía tây của
Kansas và các nhà cổ sinh muốn tìm thêm phần còn lại của nó. Thật không
may mắn là vị trí để tìm hóa thạch không được xác định một cách chính xác.
Chỉ biết rằng, hóa thạch đã được tìm tại giao của 2bể. Dòng to có diện tích là
18 km2, dòng nhỏ là 10 km2.Thêm nữa, theo báo cáo của các nhà địa chất thì
35% của đá Cretaceous tại bể to và 80% của bể nhỏ có nguồn gốc biển. Bài
toán được đặt ra là các nhà cổ sinh nên bắt đầu tìm từ bể to hay bể nhỏ trước ?
3§2. Đại lượng ngẫu nhiên
Vì các thiết bị quan sát trường trong ĐVL là các thiết bị số nên kết quả đo
được là những con số. Ở một điểm quan sát bất kỳ, kết quả quan sát trường
ĐVL chứa nhiễu và sai số của phép đo nên có thể là đại lượng này hay đại
lượng khác mà người đo không dự đoán trước được. Vì vậy để mô tả các
giá trị (bằng số) của trường ĐVL đo được người ta sử dụng khái niệm đại
lượng ngẫu nhiên. Đại lượng X được gọi là ngẫu nhiên nếu trong mỗi
phép đo sẽ xuất hiện một trong những giá trị có thể x1, x2, x3,...xn
của đại lượng này với xác suất tương ứng p1, p2,...pn.
Tất cả các giá trị có thể của X sẽ tạo thành nhóm đủ, vì bao giờ trong kết
quả của một phép đo cũng sẽ xuất hiện một giá trị xi (i=1÷n) nào đó, có
nghĩa
1
1
=∑
=
n
i
ip
§2. Đại lượng ngẫu nhiên
Để mô tả các đại lượng ngẫu nhiên người ta sử dụng các công cụ
toán học xác suất,
1. Hàm phân bố xác suất F(x) (probability contribution)
2. Hàm mật độ xác suất f(x)(probability density)
3. Kỳ vọng toán học (mean) MX
4. Mode: M0
5. Median Me
6. Phương sai (covariance) :DX
7. Độ lệch trung bình bình phương (standard deviation) σ
§2. Đại lượng ngẫu nhiên §2. Đại lượng ngẫu nhiên
§2. Đại lượng ngẫu nhiên
1. Hàm phân bố xác suất F(x) (probability contribution) là đặc trưng tổng quát
mô tả đầy đủ nhất đại lượng ngẫu nhiên
Hàm F(x) là hàm phân bố xác suất, mô tả xác suất để đại lượng ngẫu nhiên X
nhận các giá trị nhỏ hơn giá trị x nào đó cho trước : F(x)=P(X<x)
Hàm F(x) có các tính chất sau :
=−∞→ )(lim xFx
=∞→ )(lim xFx
F(x2)≥F(x1) khi x2>x1
P(x1<x<x2)=F(x2)- F(x1)
§2. Đại lượng ngẫu nhiên
Hàm mật độ xác suất :f(x)(probability density)
Theo công thức (8.3) ta có :
)()()( xFxxFxxXxP −∆+=∆+<<
[ ]
)(
)()(
lim 0 xFx
xFxxF
x ′=∆
−∆+
→∆
f (x)=F’(x)- được gọi là hàm mật độ xác suất. Nó mô tả xác suất tại giá trị cụ thể x
nào đó của đại lượng ngẫu nhiên X. Hàm mật độ có tính chất sau :
0)(lim =±∞→ xfx
∫
∞
∞−
= 1)( dxxf
∫=<<
2
1
)()( 21
x
x
dxxfxXxP
∫
∞−
=
1
)()( 1
x
dxxfxF
4§2. Đại lượng ngẫu nhiên
3. Kỳ vọng toán học (mean)
i
n
i
i xpxMX ∑
=
==
1
4. Mode: M0 là giá trị ở đó mật độ phân bố f(x)=max
5. Median Me là giá trị của X mà tại đó P(XMe)=F(Me)=0.5
6. Phương sai (covariance) : đặc trưng cho sự phân tán xung quanh
kỳ vọng toán học (mean) : ∑
=
−=−=
n
i
ii pMXxMXXMDX
1
22 )()(
7. Độ lệch trung bình bình phương (standard deviation)
DX±=σ
§2. Đại lượng ngẫu nhiên
§2. Đại lượng ngẫu nhiên
1. Nếu a là hằng số
2. Nếu Y=aX
3. Nếu ∑
=
=
n
i
iXY
1
4. Nếu ∏
=
=
n
i
iXY
1
5. Nếu 0
1
aXaY
n
i
ii +=∑
=
Kỳ vọng và phương sai là các đặc trưng thống kê quan trọng của
các đại lượng ngẫu nhiên. Chúng có các tính chất sau
§3. Một số hàm phân bố lý thuyết
[ ]22 2/)(exp
2
1
)( σ
σπ
xxxf −−=
[ ]∫
∞−
−−
=
x
dtxt
xF
22 2/)(exp2
1
)(
σσπ
1.Phân bố chuẩn:
Khi =0; σ=1 thì hàm phân bố
chuẩn dược gọi là hàm phân
bố 0,1 và ký hiệu Φ(x):
2/2
2
1
)( xexf −=
σπ
dttxxF
x
)2/exp(
2
1
)()( 2−=Φ= ∫
∞−π
Hàm phân bố chuẩn 0,1
Trong ĐVL, phân bố các giá trị
vận tốc và mật độ đất đá tuân
theo qui luật phân bố chuẩn
§3. Một số hàm phân bố lý thuyết
1.Phân bố chuẩn:
5§3. Một số hàm phân bố lý thuyết
phân bố sử dụng luật loga chuẩn
Tuân theo quy luật phân bố loga
chuẩn bao gồm điện trở suất, độ từ
cảm của đất đá, hay hàm lượng
các nguyên tố hóa học trong đá
§3. Một số hàm phân bố lý thuyết
Phân bố Poisson:
!
)(
k
e
P
k
m
λλ
λ
−
=
[ ]
∑
∞
=
−
=
0 !
)exp(
m
k
m k
F
λλ
Quy luật phân bố Poisson dùng để
phân tích kết quả đo với 1 số lượng lớn
khả năng xảy ra, nhưng số lần để xảy
ra những khả năng này thì lại ít. Thí dụ
như sự phân rã hạt nhân của nguyên
tử.
Trong trường hợp tính sự phân rã của
chất phóng xạ xảy ra trong một khoảng
thời gian t nào đó thì λ=at với a là hệ số
phân rã của chất phóng xạ.
Tương tự luật Poisson có thể sử dụng để
tính xác suất xuất hiện số xung địa chấn
ở điểm quan sát trong một khoảng thời
gian t nào đó.
§4. Hệ thống các đại lượng ngẫu nhiên
r=1
r=2
r=3
r=4
r=5
r=1
r=2
r=3
r=4
r=5
Phân bố Pearson (chi-square):
∑
=
=
r
i
iX
1
22χ
[ ]
[ ] 1
0
=
=
i
i
XD
XM
[ ]∑
=
−=
r
i
ii DYMYY
1
22 /)(χ
rM r =
2χ
rD r 2
2 =χ
§4. Hệ thống các đại lượng ngẫu nhiên
r=1
r=2
r=3
r=4
r=5
Phân bố Student (hay còn gọi là t-phân bố)
r
X
rX
X
t
r
i
i
/
/
2
2 χ
=
=
∑
Ở đây, Xi là phân bố chuẩn có kỳ vọng MXi=0 và
phương sai DXi=1; Mt=0(khi r>1) và Dt=r/(r-2)
(với r>2)
Nếu Xi là đại lượng ngẫu nhiên phân bố chuẩn
độc lập bất kì thì đại lượng
∑
=
−−
=
r
i i
ii
DX
MXX
rDX
MXX
t
1
2
1
)(1
/
cũng phân
bố theo luật Student.
Khi r tăng lên thì phân bố Student này tiệm cận
đến phân bố chuẩn.
§4. Hệ thống các đại lượng ngẫu nhiên
∑ ∑
= =
=
m
i
n
i
iinm Yn
X
m
F
1 1
22
,
1
/
1
Với Xi và Yj các đại lượng ngẫu nhiên
phân bố chuẩn độc lập nhau có kỳ
vọng
M[Xi]=M[Yj]=0;
m,n bậc tự do của phân bố Fisher
Kỳ vọng và phương sai của phân bố
Fisher bằng:
M[Fm,n]=n/(n-2) khi n>2
)4()2(
)2(2
2
2
, −−
−+
=
nnm
nmn
DF nm khi n>4
Phân bố Fisher
M=d1,n=d2
B(m)=5.9 B(m)=-2.3
6§4. Hệ thống các đại lượng ngẫu nhiên
Đại lượng ngẫu nhiên X và Y được gọi là độc lập với nhau
nếu hàm mật độ xác suất của nó thỏa mãn )()(),( yfxfyxf = .
Nếu không thì 2 đại lượng X và Y phụ thuộc lẫn nhau. Khi
đó người ta đánh giá mức độ phụ thuộc của chúng qua
moment liên kết
)( YXMKXY &&= với MXXX −=& và MYYY −=&
Nếu X, Y là hàm rời rạc ta có:
ijj
i j
iXY pMYyMXxK ))(( −−=∑∑ với pij=P[ X=xi ; Y=yj] xác
suất mà hệ (X,Y) nhận giá trị (xi,yj)
Ngoài moment liên kết người ta còn sử dụng hệ số liên kết rxy
yx
xy
xy
K
r
σσ
=
§4. Hệ thống các đại lượng ngẫu nhiên
nnnn
n
n
ij
KKK
KKK
KKK
K
...
............
...
...
21
22221
11211
=
1...
............
...1
...1
21
221
112
nn
n
n
ij
rr
rr
rr
r =
n
XX
XXXXXXSP
n
i
n
i
ikij
ik
n
i
ijkik
n
i
jijjk
∑ ∑
∑∑ = =
==
−=−−= 1 1
11
)())((
)1(1
)/(
1
)( 1 1 11 1 1
−
−
=
−
−
=
−
=
∑ ∑ ∑∑ ∑ ∑
= = == = =
nn
XXXXn
n
nXXXX
n
SP
mB
n
i
n
i
n
i
ikijikij
n
i
n
i
n
i
ikijikij
ij
1
/)(
1
2
1
2
2
−
−
==
∑∑
==
n
nXX
sSS
n
i
i
n
i
i
1Phan Thiên Hương-2013
CƠ SỞ LÝ THUYẾT HÀM NGẪU NHIÊN
§1- Khái niệm hàm ngẫu nhiên
§2. Các đặc trưng của hàm ngẫu nhiên
§3. Hàm tự tương quan và ứng dụng của hàm
§4. Hàm tương quan lẫn nhau (cross covariance function)
Phan Thiên Hương-2013
hàm ngẫu nhiên và đặc trưng của hàm
hiện thực hóa (thể hiện) của quá trình ngẫu nhiên (realization)
• Kỳ vọng toán học của quá trình ngẫu nhiên là một hàm không ngẫu nhiên M[X(t)],
M[X(t)]= mX(t)
• Phương sai của quá trình ngẫu nhiên DX(t),
DX(t)=D[X(t)]
• Hàm tương quan (ACV)-autocovariance function
Phan Thiên Hương-2013
với và là đại lượng ngẫu nhiên trung tâm hóa, với
[ ])(~)(~),( jijiX tXtXMttR =
)(
~
itX )(
~
jtX
)()()(
~
iii tMXtXtX −=
)()()(
~
jjj tMXtXtX −=
Hàm tương quan (ACV) là hàm không ngẫu nhiên R
X
(titj) của 2 biến ti và tj,
nó được tính theo các giá trị của thiết diện tương ứng của quá trình ngẫu nhiên:
hàm ngẫu nhiên và đặc trưng của hàm
Phan Thiên Hương-2013
1. Là hàm chẵn đối xứng qua trục tung
),(),( ijXjiX ttRttR =
2. Khi ti=tj thì )(),( tDttR XjiX =
3. Khi cộng một hàm không ngẫu nhiên ϕ(t) vào quá trình
ngẫu nhiên thì hàm tự tương quan (ACV) của quá trình
ngẫu nhiên không thay đổi.
4. Khi nhân một hàm không ngẫu nhiên ϕ(t) vào quá trình
ngẫu nhiên thì hàm tự tương quan (ACV) của quá trình
ngẫu nhiên nhân với tích ϕ(ti) ϕ(tj). Trong trường hợp
ϕ(t)=C-hằng số thì ACV nhân với C2.
hàm ngẫu nhiên và đặc trưng của hàm
Phan Thiên Hương-2013
Quá trình ngẫu nhiên dừng là quá trình ngẫu nhiên mà các đặc trưng số của nó
(kỳ vọng toán học, phương sai và ACV) không phụ thuộc vào vị trí điểm gốc
tính t. Nghiã là:
[ ] [ ]
+=
=
=
),(),(
)()(
)()(
τkjXkiX
ji
ji
ttRttR
tDXtDX
tXMtXM
với tj=ti+τ
τ là khoảng đổi mốc tính bất kỳ. ACV chỉ phụ thuộc vào khoảng cách giữa ti và
tk. Nói cách khác là quá trình ngẫu nhiên dừng chỉ phụ thuộc vào một biến τ.
hàm ngẫu nhiên và đặc trưng của hàm
Phan Thiên Hương-2013
hàm ngẫu nhiên và đặc trưng của hàm
2Phan Thiên Hương-2013
hàm ngẫu nhiên và đặc trưng của hàm
Quá trình ngẫu nhiên dừng được gọi là ergodic nếu như giá
trị trung bình của đặc trưng số của nó xác định trong một
khoảng thời gian đủ dài bằng giá trị trung bình cũng trong
khoảng thời gian đó của một tập hợp các hiện thực hóa của
quá trình ngẫu nhiên đó. Nói cách khác là giá trị trung bình
của một tập hợp các hiện thực hóa của quá trình ngẫu nhiên
bằng giá trị trung bình theo thời gian của bất kỳ một hiện
thực hóa đủ dài. Có nghĩa là nếu quá trình ngẫu nhiên là
dừng và ergodic thì một thể hiện duy nhất của nó hoàn toàn
đủ đại diện cho quá trình này.
Phan Thiên Hương-2013
hàm ngẫu nhiên và đặc trưng của hàm
1. Kỳ vọng toán học được tính theo công thức:
[ ] ∑
=
===
n
i
iF f
n
fFMtm
1
1
)( (10.2)
2. Phương sai được tính theo công thức:
[ ] ∑
=
−==
n
i
iF
ff
n
FDtD
1
2)(
1
)( (10.3)
3. ACV được tính theo công thức:
))((
1
)(
1
ffff
n
R i
n
i
i −−−
= +
−
=
∑ τ
τ
τ
τ (10.4)
Với τ là hiệu giữa 2 đối số: ji tt −=τ và nhận các giá trị sau: 0;
±1∆; ±2∆;.biểu diễn bước rời rạc hóa ∆ của trường quan sát giữa
các giá trị fi và fj.
Phan Thiên Hương-2013
hàm ngẫu nhiên và đặc trưng của hàm
4. Hàm tương quan lẫn nhau (cross covariance
CCV) dùng để đánh giá mối tương quan lẫn nhau
giữa 2 quá trình ngẫu nhiên F1 và F2
))((
1
)( 221
1
1 ffff
n
B i
n
i
i −−−
= +
−
=
∑ τ
τ
τ
τ
Phan Thiên Hương-2013
Hàm tự tương quan và ứng dụng của hàm
mi
mn
i
i ff
mn
mR +
−
=
∑−= 1
1
)(
Với fi giá trị của trường ĐVL tại điểm i(của tuyến, của giếng khoan); i=1,2,,n;
n-số điểm trên tuyến; m-khoảng cách giữa 2 đối số (tại đó hàm nhận giá trị fi và
fi+m) nhận các giá trị sau 0; ±1∆; ±2∆;;±M∆ (M<<n).Vì hàm ACV là hàm chẵn
nên R(m)=R(-m),vì vậy tính R(m) chỉ cần tính với m≥0.
Dễ dàng thấy rằng khi m=0 ta có: Dfn
R
n
i
i == ∑
=1
21)0( (10.7)
Khi m=1 thì ACV biểu diễn mối tương quan của trương của các điểm cạnh nhau
( )nn ffffff
n
R 13221 ...1
1
)1( −+++−
= (10.8)
Khi m=2 thì ACV biểu diễn mối tương quan giữa 2 điểm cách nhau 1 điểm:
( )nn ffffff
n
R 24231 ...1
1
)2( −+++−
=
Phan Thiên Hương-2013
Hàm tự tương quan và ứng dụng của hàm
Phan Thiên Hương-2013
Hàm tự tương quan và ứng dụng của hàm
Ngoài hàm tự tương quan, người ta sử dụng khái niệm hàm
tương quan chuẩn hóa Rch(m) hay )(mR và được xác định
như sau:
D
mR
R
mR
mRch
)(
)0(
)(
)( ==
3Phan Thiên Hương-2013
Hàm tự tương quan và ứng dụng của hàm
1. Hàm delta:
≠
=
=
0,0
0,1
)(
m
m
mRch
Hình 10.4a: ACV và phổ của hàm delta
Hàm này thường được dùng để đặc trưng cho nhiễu phông trắng
(white noise) và sai số trong phép đo
Phan Thiên Hương-2013
Hàm tự tương quan và ứng dụng của hàm
>
≤−
=
0
00
,0
,/1
)(
rm
rmrm
mRch
Hàm tam giác
Hàm này được dùng để tính sai số xuất hiện trong việc
đo vận tốc của địa chấn và sự tiếp xúc tối ưu trong trọng lực.
Phan Thiên Hương-2013
Hàm tự tương quan và ứng dụng của hàm
Rch(m) S(ω)
)exp()( mmRch α−=
Với hệ số mũ giảm dần đặc trưng cho sự tương quan dọc theo tuyến.
Hàm này thường được dùng để đánh giá sự ảnh hưởng tương quan trong việc
phân tích XLSL giữa các phương pháp khác nhau.
Hàm Markov
Phan Thiên Hương-2013
Hàm tự tương quan và ứng dụng của hàm
Hàm Gaussian
Rch(m) S(ω)
)/exp()( 22 rmmRch −=
Hàm này thường được dùng trong việc tính mối tương quan của dị thường trọng lực.
Phan Thiên Hương-2013
Hàm tự tương quan và ứng dụng của hàm
mmmRch βα cos)exp()( −=
Với α-hệ số tắt dần, β-chu kỳ của dao động quan sát.
Hàm này thường được ứng dụng trong địa chấn cũng như tính sai số trong trọng lực
Phan Thiên Hương-2013
Hàm tự tương quan và ứng dụng của hàm
1. Đánh giá mối tương quan của tín hiệu có ích(dị thường) và
nhiễu. Gọi tín hiệu nhận được là iii nsf += ta có ACV có
thể tính bằng tổng của 4 ACV thành phần:
( )∑ ∑ ∑ ∑∑ +++++
−
=
+++
−
=
−
= miimiimiimiimi
mn
i
i snnsnnss
mn
ff
mn
mR
11
)(
1
2. Sử dụng R(m) để tính hàm trọng số hay đặc trưng tần số của
các bộ lọc.
3. Sự biến dạng của trường quan sát
4. Chia trường quan sát thành những phần trường có đặc tính
thống kê đồng nhất. Thí dụ như phân chia trường thành các
lớp liên quan với các nhóm đối tượng địa chất khác nhau
4Phan Thiên Hương-2013
Hàm tự tương quan và ứng dụng của hàm
5. Đánh giá sơ bộ chiều sâu của nguồn dị thường trong từ
và trọng lực theo bán kính liên kết r. Nếu dị thường
dương (>0) ta có thể tính độ sâu của dị thường theo
công thức:
π/rh ≤ dmmRr ch∫
∞
=
0
)(
1
π
(10.17)
Nếu dị thường đổi dấu thì hrh π23.1 ≤≤
Bước khảo sát với bán kính liên kết và độ sâu có mối
quan hệ : ∆x≤1.36h=0.43r
Phan Thiên Hương-2013
Hàm tự tương quan và ứng dụng của hàm
6. Xác định tính dừng của hàm theo mối quan hệ của
phương sai và ACV:
∑
∑
−
++
==
1
max
1
0
2
2
1max
1
2
2
2
1
)(
)(
)(
)12(
m
ch
m
m
ch
mR
mR
mm
mn
H
σ
σ
(10.18)
Nếu H1 thì hàm không
phải là hàm dừng.
Phan Thiên Hương-2013
Hàm tự tương quan và ứng dụng của hàm
7. Xác định độ phân giải của đường ghi địa chấn. Với mục đích này người ta
tính tỷ số:
)(/)(
max1
0
2
0
2 mRmRP
m
ch
m
ch ∑∑= (10.19)
Với m1= (1÷2) chu kỳ dao động; mmax=(5÷10) chu kỳ dao động.
Nếu P≈1 đường ghi có độ phân giải tốt, nếu P<0.5 độ phân giải của đường
ghi kém.
Phan Thiên Hương-2013
Hàm tương quan lẫn nhau (cross covariance function)
))((
1
)( 221
1
1 ffff
mn
mB mi
mn
i
i −−−
= +
−
=
∑
nff i /11 ∑= nff i /22 ∑=Nếu
021 == ff
∑
−
=
+−
=
mn
i
mii ff
mn
mB
1
21
1
)(
Phan Thiên Hương-2013
( )nni
n
i
i ffffff
n
ff
n
B 21221221112
1
1 ...
11
)0( +++== ∑
=
( )nni
n
i
i ffffffff
n
ff
n
B 21124132312221112
1
1
1 ...1
1
1
1
)1( −+
−
=
++++
−
=
−
= ∑
( )12123142213211212
1
1
1 ...1
1
1
1
)1( −−
−
=
++++
−
=
−
=− ∑ nni
n
i
i ffffffff
n
ff
n
B
Nếu m=0
Nếu m=1
Nếu m=-1
21
)(
)(
σσ
mB
mB =
Hàm tương quan chuẩn hóa )(mB
Hàm tương quan lẫn nhau và ứng dụng của hàm
Phan Thiên Hương-2013
Hàm tương quan lẫn nhau và ứng dụng của hàm
1. Đánh giá độ liên kết của các tín hiệu (dị thường giữa các tuyến): Nếu
nhiễu giữa các tuyến là không liên kết còn tín hiệu có hình dạng ít thay
đổi thì (10.21) được viết lại với 3 số hạng cuối =0 như sau:
)(
1
)(
1
))((
1
)(
21
21212121
2211
mRss
mn
nnsnnsss
mn
nsns
mn
mB
Smii
miimiimiimii
mimiii
=
−
=
=+++
−
=
=++
−
=
+
++++
++
∑
∑∑∑∑
∑
5Phan Thiên Hương-2013
2
.
X
á
c
đ
ịn
h
đ
ư
ờ
ng
ph
ư
ơ
n
g
củ
a
d
ịt
h
ư
ờ
n
g
Hàm tương quan lẫn nhau và ứng dụng của hàm
Phan Thiên Hương-2013
Hàm tương quan lẫn nhau và ứng dụng của hàm
3. Đánh giá tỷ số tín hiệu và nhiễu (s/n)
Nếu tín hiệu được xác định là quá trình ngẫu nhiên dọc theo tuyến, và được viết dưới
dạng )()(
1
i
m
i xxsaxA −=∑ (10.26)
(s(x)-dạng của tín hiệu, ai – biên độ của tín hiệu) thì theo định lý Cambela kỳ vọng
toán học của quá trình này bằng :
)()( xsanxMA = (10.27)
n- số lượng dị thường trên một đơn vị chiều dài tuyến
a - biên độ trung bình của quá trình
Nếu nhiễu không liên kết trên tuyến thì chúng ta sẽ nhận được hàm tự tương quan của
quá trình ngẫu nhiên:
22)0( σ+= anR khi m=0
)()( 2 mRanmR S= khi m≠0
Tương tự nếu nhiễu giữa các tuyến không liên kết nhau còn tín hiệu f1, f2 ít thay đổi
giữa các tuyến thì hàm tương quan lẫn nhau của quá trình có dạng )()( 2 mBanmB s=
Từ các mối liên hệ trên người ta tính được phương sai
2
maxmax )(1)()( σ=−=− mBmBmR chchch (10.28)
Trong việc tính CCV, chấp nhận
222
21
σσσ == ff đồng thời
2
max )( amBch = , do đó:
2
2
max
max
max
max
)(1
)(
)()0(
)(
σ
a
mB
mB
mBR
mB
ch
ch =
−
=
−
Phan Thiên Hương-2013
§4. Hệ thống các đại lượng ngẫu nhiên
Đại lượng ngẫu nhiên X và Y được gọi là độc lập với nhau
nếu hàm mật độ xác suất của nó thỏa mãn )()(),( yfxfyxf = .
Nếu không thì 2 đại lượng X và Y phụ thuộc lẫn nhau. Khi
đó người ta đánh giá mức độ phụ thuộc của chúng qua
moment liên kết
)( YXMKXY &&= với MXXX −=& và MYYY −=&
Nếu X, Y là hàm rời rạc ta có:
ijj
i j
iXY pMYyMXxK ))(( −−=∑∑ với pij=P[ X=xi ; Y=yj] xác
suất mà hệ (X,Y) nhận giá trị (xi,yj)
Ngoài moment liên kết người ta còn sử dụng hệ số liên kết rxy
yx
xy
xy
K
r
σσ
=
Phan Thiên Hương-2013
§4. Hệ thống các đại lượng ngẫu nhiên
nnnn
n
n
ij
KKK
KKK
KKK
K
...
............
...
...
21
22221
11211
=
1...
............
...1
...1
21
221
112
nn
n
n
ij
rr
rr
rr
r =
1Phan Thiên Hương-2013
CHỈ TIÊU ĐỊNH NGHIỆM THỐNG KÊ
• Vai trò của định nghiệm thống kê
• Chỉ tiêu để tiếp nhận định nghiệm thống kê
1. Chỉ tiêu cực tiểu hóa trung bình
2. Chỉ tiêu quan sát lý tưởng
3. Chỉ tiêu tương thích tối đa
4. Chỉ tiêu minmax
5. Chỉ tiêu Neyman –Peason
6. Chỉ tiêu Vald
Phan Thiên Hương-2013
•Vai trò của định nghiệm thống kê
Phan Thiên Hương-2013
Chỉ tiêu để tiếp nhận định nghiệm thống kê
iii nsf +=
ii nf =
1) thuyết tồn tại tín hiệu: khi trường quan sát có tín hiệu, ký hiệu
2) thuyết không có tín hiệu:
⇒ H0
⇒ H1
• Sai lầm loại 1
∫ ∫
∞
==
1
)/()/( 00
S h
dFHFPdFHFPα
• Sai lầm loại 2
dFHFPdFHFP
S
h
)/()/(
0
11∫ ∫
∞−
==β
Phan Thiên Hương-2013
Chỉ tiêu để tiếp nhận định nghiệm thống kê
• Sai lầm loại 1
∫ ∫
∞
==
1
)/()/( 00
S h
dFHFPdFHFPα (11.1)
• Sai lầm loại 2
dFHFPdFHFP
S
h
)/()/(
0
11∫ ∫
∞−
==β
• Sai lầm phát hiện tín hiệu giả và bỏ qua tín hiệu.
βα 10 ppq +=
xác suất tiên nghiệm của giả thiết H0 và H1p0 và p1
(11.2)
(11.3)
Phan Thiên Hương-2013
Chỉ tiêu để tiếp nhận định nghiệm thống kê
Đại lượng βγ −= 1 là xác suất phát hiện đúng là có tín
hiệu hay là độ tin cậy phát hiện (đúng) tín hiệu (dị
thường)
Còn đại lượng αϕ −=1 là xác suất phát hiện đúng là
không có tín hiệu.
Phan Thiên Hương-2013
Chỉ tiêu để tiếp nhận định nghiệm thống kê
Để đánh giá mức độ sai lầm khái niệm giá phải trả cho sai
lầm được đề ra, ký hiệu là cα và cβ. Trong đó cα giá phải
trả khi phát hiện tín hiệu giả, còn cβ giá phải trả khi bỏ
qua tín hiệu.
Tích cαα và cββ được gọi là độ rủi ro hay mức thua thiệt
khi đánh giá không đúng sự có mặt của tín hiệu. cαα được
gọi là độ rủi ro theo thuyết H0, cββ được gọi là độ rủi ro
theo thuyết H1.
βα βα cpcphr o 1)( +=
mức thua thiệt trung bình:
(11.4)
2Phan Thiên Hương-2013
Chỉ tiêu để tiếp nhận định nghiệm thống kê
∫
∫∫∫
−
++=
1
110
)/(
)/()/()/()(
11
110011
S
SSS
dFHFPcp
dFHFPcpdFHFPcpdFHFPcphr
β
βαβ
βα βα cpcphr o 1)( +=
(11.5)
[ ]dFHFPcpHFPcpdFHFPcphr
SSS
∫∫ −+=
+ 110
)/()/()/()( 110011 βαβ
[ ] 0)/()/(
1
1100 <−∫ dFHFPcpHFPcp
S
βα
)/()/( 1100 HFPcpHFPcp βα <
Phan Thiên Hương-2013
Chỉ tiêu để tiếp nhận định nghiệm thống kê
h
cp
cp
HFP
HFP
=>
β
α
1
0
0
1
)/(
)/(
λ=
)/(
)/(
0
1
HFP
HFP
(11.10)
Với λ- hệ số tương thích
Phan Thiên Hương-2013
Như vậy chỉ tiêu cực tiểu hóa trung bình đòi hỏi h>λ
hay hệ số tưong thích phải vượt ngưỡng h. Như vậy ta phải
biết sai lầm lọai 1, sai lầm loại 2 cα, cβ và xác suất tiên
nghiệm p0, p1. Để biết được cα, cβ đòi hỏi phải phân tích một
số lượng lớn số liệu thống kê trong một vùng đã được
nghiên cứu kỹ điạ chất – địa vật lý.
Chỉ tiêu để tiếp nhận định nghiệm thống kê
chỉ tiêu cực tiểu hóa trung bình h
cp
cp
HFP
HFP
=>
β
α
1
0
0
1
)/(
)/(
Phan Thiên Hương-2013
Chỉ tiêu để tiếp nhận định nghiệm thống kê
Nếu giả sử cα= cβ, nghĩa là việc làm thất thoát tín hiệu và nhân tín
hiệu giả ngang nhau ta có
hpp => 10 /λ
h
cp
cp
HFP
HFP
=>
β
α
1
0
0
1
)/(
)/(
(11.11)
định luật Cotenicốp (chỉ tiêu quan sát lý tưởng).
Dựa vào công thức Beies và biết trước xác suất tiên nghiệm p0, p1,
tiêu chí Cotenicốp cho phép ta xác định xác suất xuất hiện tín hiệu:
1)/(
)/(
)/()/(
)/(
)/(
01
01
0011
11
1 +
=
+
=
λ
λ
pp
pp
HFPpHFPp
HFPp
FHp
(11.12)
Phan Thiên Hương-2013
h
cp
cp
HFP
HFP
=>
β
α
1
0
0
1
)/(
)/(
Chỉ tiêu để tiếp nhận định nghiệm thống kê
chỉ tiêu tương thích tối đa
hpp ==> 1/ 10λ
Khi po=p1
Phan Thiên Hương-2013
• Chỉ tiêu min max:
Dựa trên nguyên tắc cực tiểu hóa mức thua thiệt cực đại có thể (rủi ro lớn nhất gặp phải).
Như vậy chỉ tiêu minmax này là chỉ tiêu tính đến trường hợp xấu nhất và đưa ra luật định
nghiệm thận trọng nhất. Bởi vì r(h) phụ thuộc vào p0 ,p1 nên rủi ro lớn nhất khi
*
00 pp =
nào đó và *1
*
0 1 pp −= ≠ 0 và 1 bởi vì nếu p1→1 và p0 →0thì r→0 rủi ro không tồn tại.
Nếu ta chọn p*1 và xác định ngưỡng *
1
*
0*
pc
pc
h
β
α= (11.14)
Trong trường hợp này mức thua thiệt ứng với p1 bất kỳ sẽ khác với mức thua thiệt tính
cho *1p và sẽ không vượt quá mức thua thiệt tính cho trường hợp h=h*.
Giá trị *1p dựa vào điều kiện cực tiểu hóa hàm r(h) hay .0/ 1 =∂∂ pr
Lấy đạo hàm (11.3) :
( )[ ]
( )[ ] 0)(
1)(
)(
1
1
11
1
10
11
=−−=−−
∂
∂
=
+−
∂
∂
=+
∂
∂
=
∂
∂
βαβαα
βαβα
βαβαα
βαβα
ccccpc
p
cpcp
p
cpcp
pp
hr
(11.15)
⇔ βα βα cc = (11.16)
Chỉ tiêu để tiếp nhận định nghiệm thống kê
3Phan Thiên Hương-2013
Chỉ tiêu để tiếp nhận định nghiệm thống kê
• Chỉ tiêu Neyman-Peason:
Chỉ tiêu này cực tiểu hóa xác suất bỏ sót dị thường β với điều kiện bảo đảm phát hiện dị
thường giả ở mức cho phép nhất định. Nghĩa là minβ với 0αα = .
Nếu biết được hàm P(F/H0) và α0 thì từ công thức (11.1) ta có thể tìm được ngưỡng h.
Trong trường hợp này không khó khăn khi chuyển đổi từ trường F với m biến (f1,f2,
f3,fm) về trường 1 biến là hệ số tương thích λ
λλ dHPdFHFP )/()/( 11 = ; λλ dHPdFHFP )/()/( 00 =
Bên phải và trái của đẳng thức biểu diễn xác suất có điều kiện khi có và không có tín
hiệu. S0 và S1 sự biểu diễn trung gian giữa biến F và λ. Tại h=λ0 được gọi là ngưỡng. Khi
đó: ∫
∞
=
0
)/( 0
λ
λλα dHP (11.17)
∫
∞−
=
0
)/( 1
λ
λλβ dHP (11.18)
Trong chỉ tiêu Neyman-Peason thì 0αα = nên λ0 hoàn toàn xác định.
Phan Thiên Hương-2013
Chỉ tiêu để tiếp nhận định nghiệm thống kê
Các chỉ tiêu và phương pháp định nghiệm trình bày ở trên
được xét cho trường hợp khi khối lượng quan trắc của vectơ
trường F
r
là cố định nghĩa là khi vectơ F
r
là vectơ m chiều (m
giá trị quan sát) cố định. Với vecto số liệu này, có thể
không đủ để quyết định nghiệm; để quyết định nghiệm đòi
hỏi các quan trắc bổ sung, khác đi buộc phải từ chối quyết
định nghiệm. Thí dụ khi cần phải giả quyết đến vấn đề liên
quan đến trữ lượng, người ta cần phải khoan thêm giếng
khoan. Trong tường hợp đó người ta sủ dụng phương pháp
phân tích liên tiếp- phương pháp Vald để quyết định
nghiệm.
Trong phương pháp phân tích liên tiếp kích thước m của tập
mẫu không biết trước và là đại lượng ngẫu nhiên. Ngoài ra
các số lượng không phân thành 2 miền mà thành 3 miền,
ngoài S0, S1 còn tồn tại miền trung gian St – nên ngưỡng λ
nằm giữa λ1 và λ2.
Phan Thiên Hương-2013
Trong phương pháp này, nếu ta có m giá trị quan sát thì giả thuyết H0 được chấp nhận
nếu:
211
1
),...(
1
λ
α
β
λ
α
β
λ =
−
<<
−
= kff (11.19)
k=1,2,,m-1;
1
1
),...,( 21 <−
≤
α
β
λ mfff
Và giả thuyế H1được chấp nhận nếu:
1
1
),...,( 21 >−
≥
α
β
λ mfff
Như vậy chỉ tiêu Vald tiến hành so sánh hệ số tương thích λ với các ngưỡng λ1 và λ2 thay
đổi phụ thuộc vào các mức xác suất sai lầm loại 1 và loại 2 (α, β) đặt ra. Chỉ tiêu này cho
phép xác định khối lượng trung bình m của các giá trị quan sát đảm bảo đủ để quyết định
sự tồn tại các giả thuyết H0. Khố lượng m được tính bằng công thức:
λ
α
β
α
β
β
ln
1
ln
1
ln)1(
−
+
−
−
=m (11.20)
Ở đây λ - gía trị trung bình của hệ số tương thích.
Chỉ tiêu để tiếp nhận định nghiệm thống kê
1Phan Thiên Hương-2013
ĐỘ TIN CẬY PHÁT HIỆN TÍN HIỆU
Phan Thiên Hương-2013
Chỉ tiêu để tiếp nhận định nghiệm thống kê
Phan Thiên Hương-2013
ĐỘ TIN CẬY PHÁT HIỆN TÍN HIỆU
βγ −= 1
Độ tin cậy phát hiện tín hiệu (dị thường) là xác suất phát hiện đúng (có) tín hiệu
β-xác suất bỏ qua tín hiệu
cho phép đánh giá chất lượng quá trình xử lý
Phan Thiên Hương-2013
( )
−=
−
−
−=
∑
=
m
i
i
m
m
m
f
fff
HFP
1
2
2
2
2
2
2
2
2
2
1
0
2
exp
2
1
2
exp
2
1
...
2
exp
2
1
2
exp
2
1
)/(
σσπ
σσπσσπσσπ
( )
−
−=
−
−
−
−
−
−=
∑
=
m
i
ii
m
m
mm sfsf
sfsf
HFP
1
2
2
2
2
2
2
22
2
2
11
1
2
)(
2
1
2
)(
exp
2
1
...
2
)(
exp
2
1
2
)(
exp
2
1
)/(
σσπσσπ
σσπσσπ
ĐỘ TIN CẬY PHÁT HIỆN TÍN HIỆU
các hàm tương thích
Phan Thiên Hương-2013
ĐỘ TIN CẬY PHÁT HIỆN TÍN HIỆU
+−==
∑∑
==
2
1
2
1
2
2
1
2
exp
)/(
)/(
σσ
λ
m
i
ii
m
i
i sfs
HFP
HFP
hệ số tương thích λ
Từ các hệ số chỉ tiêu định nghiệm đã xét, nghiệm để tồn tại tín hiệu
là khi ta có h=> 0λλ
hay 02
1
2
1
2
2
exp λ
σσ
λ >
+−=
∑∑
==
m
i
ii
m
i
i sfs
Phan Thiên Hương-2013
ĐỘ TIN CẬY PHÁT HIỆN TÍN HIỆU
Thực hiện phép logarit hóa biểu thức trên ta được:
2/ln
1
0
1
2
ρλ
σ
+>∑
=
i
m
i
isf
2222 // σσρ smsi ==∑
Đặt i
m
i
isf∑
=
=
1
2
1
σ
ϕ
Khi không có tín hiệu thì ii nf =
2Phan Thiên Hương-2013
ĐỘ TIN CẬY PHÁT HIỆN TÍN HIỆU
+
−=−=
ρ
ρλ
πρ
ρϕ
πρ
ϕ
2
)2/(ln
exp
2
1
)2/exp(
2
1
)/(
2
02
0HP
nhiễu ni phân bố chuẩn có trung bình =0 nên kỳ vọng và phương sai của ϕ
cũng phân bố chuẩn và thỏa mãn: 0=ϕM và ρσϕ ==∑ 22 /isD
Suy ra mật độ phân bố của ϕ khi không có dị thường là:
∫ ∫
∞ ∞
+
+
Φ−===
* 2/ln
0
00
0
2/ln
1)/()/(
ϕ ρλ ρ
ρλ
ϕϕϕϕα dHPdHP
Do đó xác suất sai lầm loại 1 (sai lầm phát hiện tín hiệu giả) được tính như sau:
:
2/ln
1
0
1
2
ρλ
σ
ϕ +>= ∑
=
i
m
i
i sn
Phan Thiên Hương-2013
ĐỘ TIN CẬY PHÁT HIỆN TÍN HIỆU
sai lầm loại 2: sai lầm bỏ sót tín hiệu β, xác suất mà tại đó ϕ nhỏ hơn ngưỡng
λ0 mặc dù tại đó có tín hiệu fi=ni+si
2/ln)(
1
0
1
2
ρλ
σ
ϕ +<+= ∑
=
i
m
i
ii sns
Hay 2/ln
1
0
1
2
ρλ
σ
ϕ −<= ∑
=
i
m
i
i sn
Khi ρϕϕ == DM và tín hiệu có ích tồn tại thì hàm mật độ phân bố được tính
như sau:
( )[ ] ( )
−
=−−=
ρ
ρλ
πρ
ρρϕ
πϕ
ϕ
2
2/ln
exp
2
1
2/2/exp
2
1
)/(
2
02
1HP
Do đó xác suất sai lầm loại 2
∫ ∫
∞−
−
∞−
−
Φ===
* 2/ln
0
11
0 2/ln
)/()/(
ϕ ρλ
ρ
ρλ
ϕϕϕϕβ dHPdHP
Phan Thiên Hương-2013
ĐỘ TIN CẬY PHÁT HIỆN TÍN HIỆU
Vì độ tin cậy phát hiện tín hiệu đúng bằng xác suất phát hiện đúng
tín hiệu nên
−
Φ−=−=
ρ
ρλ
βγ
2/ln
11 0
• Chỉ tiêu Neyman-Peason:
Chỉ tiêu này cực tiểu hóa xác suất bỏ sót dị thường β với điều kiện bảo đảm
phát hiện dị thường giả ở mức cho phép nhất định. Nghĩa là minβ với
0αα = .
• chỉ tiêu tương thích tối đa
hpp ==> 1/ 10λ
Khi po=p1
Phan Thiên Hương-2013
ĐỘ TIN CẬY PHÁT HIỆN TÍN HIỆU
Độ tin cậy phát hiện tín hiệu, 1-theo chỉ tiêu tương thích tối đa;
2- theo chỉ tiêu Neyman Peason
Phan Thiên Hương-2013
Khi phát hiện tín hiệu trên nhiều tuyến đo thì tỷ số ρ bằng:
∑
=
∑ =
N
k
k
1
ρρ , với ρk tỷ số tín hiệu và nhiễu (S/N) tại tuyến thứ k .
Cá biệt khi ρρρρ ==== N....21 hay ρρ N=∑ , khi đó độ tin cậy phát
hiện tín hiệu yếu theo chỉ tiêu tương thích tối đa : ( )2/ργ NΦ= .
Nếu dạng của tín hiệu không được biết trước, khi đó tỷ số năng lượng S/N
có thể được tính theo hàm tự tương quan của tín hiệu liên kết từ tuyến này
sang tuyến khác: [ ](max)1/(max)/ 22 HH BBs −=σ
Với BH(max) là giá trị cực đại của hàm tự tương quan chuẩn hóa.
Chiều dài M của tínhiệu có thể được tính theo bán kính kiên kết của hàm tự
tương quan )(mR và bước rời rạc ∆ bằng công thức : ∆
=
∫
∞
0
)( dmmR
M
ĐỘ TIN CẬY PHÁT HIỆN TÍN HIỆU
Phan Thiên Hương-2013
ĐỘ TIN CẬY PHÁT HIỆN TÍN HIỆU
dị thường địa vật lý tin cậy: liên quan đến ρ và γ
dị thường địa vật lý tin cậy thường được cho là tập hợp ít
nhất 3 điểm có giá trị trường lớn hơn giá trị trung bình bình
phương của sai số quan sát σ.
Dị thường địa vật lý phụ thuộc vào: số điểm quan sát và tỷ số
năng lượng S/N
3Phan Thiên Hương-2013
3 điểm quan sát (m=3), với tỷ số si/σ≥3. Có nghĩa 27≥ρ
2222 // σσρ smsi ==∑
σ=a 27 điểm
ĐỘ TIN CẬY PHÁT HIỆN TÍN HIỆU
a=1/2σ thì 27*4=108 điểm, a=1/4σ thì 27*42=432 điểm Phan Thiên Hương-2013
ĐỘ TIN CẬY PHÁT HIỆN TÍN HIỆU
dị thường địa vật lý tin cậy còn phụ thuộc vào tỷ lệ giữa năng lượng với công suất
của nhiễu σ2
Phan Thiên Hương-2013
ĐỘ TIN CẬY PHÁT HIỆN TÍN HIỆU
Một trong những ứng dụng khác từ việc phát hiện tín hiệu
theo chỉ tiêu tương thích tối đa là chọn tham số cho khảo
sát thực địa. ta có:
)()/2(/ 1 γσ −Φ= ms
Từ công thức (12.24) ta có thể suy ra bước khảo sát
(khoảng cách giữa các điểm đo) dựa vào tỷ số σ/s cho
trước.
Phan Thiên Hương-2013
• Cuối cùng, theo độ tin cậy phát hiện tín hiệu còn
có thể đánh giá độ sâu tối đa mà phương pháp
ĐVL nghiên cứu được. Độ sâu của đối tượng là
một tham số phụ thuộc vào tọa độ và năng
lượng dị thường. Bởi vậy nếu kết hợp bài toán
thuận cho mô hình biết trước và kết quả đo
phương sai của nhiễu theo trường quan sát, có
thể tính được sự phụ thuộc của tỷ số của năng
lượng của S/N với độ sâu của đối tượng ĐVL.
Có nghĩa . Biết ngưỡng của ρ ta có thể
tính được giới hạn độ sâu của đối tượng nghiên
cứu.
)(hf=ρ
Phan Thiên Hương-2013
CÁC THUẬT TOÁN LỌC THỐNG KÊ
1. Phương pháp xác suất ngược
2. Phương pháp liên kết giữa các tuyến
Phan Thiên Hương-2013
PHƯƠNG PHÁP XÁC SUẤT NGƯỢC
1. Mô hình trường và xác lập bài toán
2. Đánh giá dạng của tín hiệu và những tính chất tương quan của nhiễu
3. Sự lựa chọn tiêu chuẩn để chấp nhận nghiệm
4. Xây dựng thuật toán phát hiện tín hiệu.
Phương pháp xác suất ngược được dùng để xác định dị thường có hình
dạng biết trước theo các số liệu dọc tuyến nhất định. Phương pháp này
sử dụng ngưỡng (λ0) và xác suất ngược của dị thường theo công thức
Beies.
4Phan Thiên Hương-2013
1. Mô hình trường và xác lập bài toán. Giả sử kết quả đo dọc
theo tuyến là tổng của tín hiệu si và nhiễu ni: iii nsf += . Nhiễu
được cho là quá trình dừng, ergodic, không liên kết và phân
bố chuẩn với giá trị trung bình =0 và phương sai 2σ . Bài toán
đặt ra là, nếu tín hiệu đo được ),...,( 21 mfffF = với xác suất xác
định là tổng của tín hiệu có ích và nhiễu
iii
nsf += hay chỉ là
nhiễu
ii
nf = . Xự xác lập bài toán này tương tự như so sánh
giữa 2 thuyết thống kê H1 (tồn tại dị thường) và H0 (không
tồn tại dị thường)
PHƯƠNG PHÁP XÁC SUẤT NGƯỢC
Phan Thiên Hương-2013
PHƯƠNG PHÁP XÁC SUẤT NGƯỢC
1.Đánh giá dạng của tín hiệu và những tính chất tương
quan của nhiễu. Dạng của tín hiệu có ích (dị thường)
s0 có thể biết được qua
• bài toán thuận (dựng mô hình địa chất-địa vật lý)
• hoặc đơn giản thông qua tín hiệu quan sát tại
tuyến lân cận, tương đồng theo đối tượng ĐVL
,(có điều kiện địa chất –ĐVL tương tự)
• hoặc cũng có thể bằng hàm tự tương quan hay
hàm tương quan liên kết.
Phan Thiên Hương-2013
PHƯƠNG PHÁP XÁC SUẤT NGƯỢC
Sự lựa chọn tiêu chuẩn để chấp nhận nghiệm
)1()/()/(
)/(
)/()()/()(
)/()(
)/(
1
00011
11
0011
11
1
λ
λ
+
=
+
=
+
=
p
pHFPpHFPp
HFPp
HFPHPHFPHP
HFPHP
FHP
1
)/(
)/(
2
1 >=
HFP
HFP
λ
Phan Thiên Hương-2013
+−= ∑ ∑
= =
m
i
m
i
iii sfs
1 1
2
2
2
1
2
1
exp
σσ
λ
chúng ta phải lần lượt dịch tín hiệu dọc tuyến và tính các giá
trị λj ở các vị trí khác nhau. thuật toán tính λj có dạng:
+−= ∑ ∑
= =
−
m
i
m
i
ijiij fss
1 1
2
2
2
1
2
1
exp
σσ
λ
Tuân theo chỉ tiêu tương thích tối đa chỉ tại những điểm 1>jλ mới
tồn tại dị thường. Theo công thức Beies thì nghiệm có tín hiệu
hay không phụ thuộc vào xác suất hậu nghịêm:
5.0)/( 1 >FHp j
Với )1/()/( 1 += jjj FHp λλ
PHƯƠNG PHÁP XÁC SUẤT NGƯỢC
Phan Thiên Hương-2013
PHƯƠNG PHÁP LIÊN KẾT GIỮA CÁC TUYẾN
Phương pháp xác suất ngược chỉ có hiệu quả khi chiều rộng của dị thường
đủ lớn. Thí dụ để đảm bảo độ tin cậy phát hiện dị thường %85=γ theo chỉ
tiêu tương thích tối đa thì 10=ρ , nếu 1/ 22 =ns thì số điểm dị thường phải
bằng 10.
Trên thực tế, thường các dị thường có chiều rộng giới hạn nên để tăng tỷ số
ρ đòi hỏi phải suy nghĩ đến việc xử lý số liệu trên nhiều tuyến (trên diện
tích). Với mục đích trên thì phương pháp LKGCT ra đời. Phương pháp này
không những cho phép tăng tỷ số S/N mà còn cho phép tách được các dị
thường có các đường phương khác nhau nằm sát nhau, tạo thành các dị
thường có các giao thoa phức tạp.
Phan Thiên Hương-2013
PHƯƠNG PHÁP LIÊN KẾT GIỮA CÁC TUYẾN
Cần phát hiện và tách các dị thường có đường phương ổn định
trên diện tích theo máng số liệu MNF
r
gồm N tuyến; trên mỗi tuyến
gồm m điểm. Bài toán được đặt ra với các giả thiết sau:
• Biết trước hình dạng si của tín hiệu
• Cho rằng tínhiệu có hình dạng ổn định trên các tuyến
• Đường phương của các tín hiệu ít thay đổi
• Nhiễu được xem là ngẫu nhiên, phân bố chuẩn có trung bình
0 và phương sai trên các tuyến như nhau và đều bằng σ2.
5Phan Thiên Hương-2013
PHƯƠNG PHÁP LIÊN KẾT GIỮA CÁC TUYẾN
hàm N chiều: )/( 1,...,2,1 HFP N
r
và )/( 0,...,2,1 HFP N
r
Vì đối với giả thiết H1 vecto kikiki nsfF +==
r
nên hàm tương
thích có dạng:
)/().../()/()/( 112111,...,2,1 HFPHFPHFPHFP NN =
r
(13.7)
Vì đối với giả thiết H0 vecto kiki nfF ==
r
nên hàm tương thích
có dạng
)/().../()/()/( 002010,...,2,1 HFPHFPHFPHFP NN =
r
−−= ∑∑
k i
kikimNmNN
sfHFP 2
22/1,...2,1
)(
2
1
exp
)2(
1
)/(
σπσ
−= ∑∑
k i
kimNmNN
fHFP
2
22/0,...2,1 2
1
exp
)2(
1
)/(
σπσ
Phan Thiên Hương-2013
PHƯƠNG PHÁP LIÊN KẾT GIỮA CÁC TUYẾN
+−= ∑ ∑∑∑
= ===
m
i
m
i
kiki
N
k
ki
N
k
fss
1 11
2
2
1
2
1
2
1
exp
σσ
λ
+−= ∑∑ ∑∑
= =
−−
k i
N
k
m
i
ijkpkikipj fss
1 1
,2
2
2
1
2
1
exp
σσ
λ
)(
2
)1(
2
kNl
m
njkl
m
−≤≤−+
2/)1(2/)1( −−≤≤+ NMpN
Phan Thiên Hương-2013
PHƯƠNG PHÁP LIÊN KẾT GIỮA CÁC TUYẾN
Sau khi tính được λpj, giống như phương pháp xác suất ngược, trên
cơ sở công thức Beies chúng ta tính xác suất hậu nghiệm về sự tồn tại
của tín hiệu:
1
)/( ,...2,11 +
=
λ
λ
NFHP
Bước 1: Tính hàm tự tương quan chuẩn cho từng cặp tuyến cạnh nhau
Bước 2: xác định hướng cộng l.
Bước 3: Chọn đáy cộng – số lựợng tuyến N
Bước 4: Tiến hành cộng cột số liệu fik dọc hướng cộng
Bước 5: Tách dị thường theo trường tổng
Phan Thiên Hương-2013
PHƯƠNG PHÁP LIÊN KẾT GIỮA CÁC TUYẾN
Bước 1: Tính hàm tự tương quan chuẩn cho từng cặp tuyến cạnh nhau trong cửa
sổ cộng )(lB
ch
. Maxima của l: lmax trong việc tính hàm tự tương quan cần phải
tương ứng với khả năng dịch chuyển của dị thường từ tuyến này sang tuyến khác.
Thường lmax không nhỏ hơn 5 và không lớn hơn 15.
Phan Thiên Hương-2013
PHƯƠNG PHÁP LIÊN KẾT GIỮA CÁC TUYẾN
Bước 2: xác định hướng cộng l.
Hướng cộng l được xác định dựa vào vị trí m=mmax ứng với cực đại của hàm tương quan.
Trên thực tế thì hàm tương quan được tính với các bước dịch m=±∆x, ±2∆x,nên l chỉ
có thể xác định chính xác đến ∆x. Ngoài ra độ chính xác của việc xác định l= mmax còn
phụ thuộc vào mức độ thể hiện rõ các cực đại của hàm tương quan. Cực đại của hàm này
sẽ thể hiện rõ khi các dị thường có cùng đường phương hoặc khi tồn tại các dị thường
mạnh. Ngược lại khi các dị thường có đường phương khác nhau và khi các dị thường có
độ rộng lớn thì các hàm tương quan tính được không thể hiện rõ các cực đại. Trong việc
này ngoài tính hàm tương quan giữa các tuyến sát nhau người ta còn tính hàm tương quan
cách tuyến. Như vậy trong thực tế hướng cộng l chọnđược bao giờ cũng chịu một sai số
σ1 nào đó:
l=mmax±σl (13.18)
Thường sai số σl không lớn hơn 1 bước ∆x nên có thể xác định l như sau:
l=mmax±∆x (13.19)
Công thức trên chỉ ra rằng độ phân tán của mmax trong giới hạn một ∆x không cần lưu ý. Phan Thiên Hương-2013
Bước 3: Chọn đáy cộng – số lựợng tuyến N
Số lượng tuyến cộng N, chắn chắn cần chọn để tỷ số ρ đủ lớn,
đảm bảo việc phát hiện dị thường với độ tin cậy γ cho trước:
Vì 2
2
σ
ρ
s
N=
(13.20)
Nên để xác định tỷ số này ta cần xác định giá trị 2
2
σ
s
. Tỷ số này
có thể xác định nhờ vào kết quả tính hàm tự tương quan chuẩn
hóa )(mBch :
)(1
)(
max
max
2
2
mB
mBs
−
=
σ
PHƯƠNG PHÁP LIÊN KẾT GIỮA CÁC TUYẾN
6Phan Thiên Hương-2013
PHƯƠNG PHÁP LIÊN KẾT GIỮA CÁC TUYẾN
Bước 4: Tiến hành cộng cột số liệu fik dọc hướng cộng, kết quả
nhận được sẽ ghi cho vị trí thứ j nằm ở trung tâm đáy cộng. Để
không thay đổi biên độ của dị thường trước và sau khi cộng, các
kết quả cộng được chia cho N.
Bước 5: Tách dị thường theo trường tổng . Trong bước này dựa
vào các kết quả cộng trường người ta tiến hành liên kết để phát
hiện các dị thường có đường phương cố định. Các dị thường chỉ
được xem là có nếu chúng được theo dõi trên nhiều tuyến; số
lượng tuyến theo dõi được dị thường phải lớn hơn số tuyến N của
đáy cộng.
Phan Thiên Hương-2013
8,47,46,45,44,43,42,41,4
8,37,36,35,34,33,32,31,3
8,27,26,25,24,23,22,21,2
8,17,16,15,14,13,12,11,1
ffffffff
ffffffff
ffffffff
ffffffff
2,23,12,11,1 Σ=++ ffff
PHƯƠNG PHÁP LIÊN KẾT GIỮA CÁC TUYẾN
Phan Thiên Hương-2013
PHƯƠNG PHÁP LIÊN KẾT GIỮA CÁC TUYẾN
Phan Thiên Hương-2013
Hình vẽ 13.3 : bản đồ địa chất với kết quả xử lý thống kê
1- đứt gãy, 2- ranh giới giữa cá loại đá; 3÷8: các loại đá; 9-trục dị thường địa
chất được phân chia theo kết quả xử lý.
PHƯƠNG PHÁP LIÊN KẾT GIỮA CÁC TUYẾN
Phan Thiên Hương-2013
CÁC PHƯƠNG PHÁP KHÔNG THÔNG SỐ XỬ LÝ SỐ LIỆU ĐỊA
VẬT LÝ
§1. Khái niệm thống kê dấu, thống kê cấp, thống kê dấu+ cấp
§2 Các thuật toán không thông số phát hiện tín hiệu biết trước hình
dạng.
PHƯƠNG PHÁP LỌC THÍCH NGHI (TỰ ĐIỀU CHỈNH)
§3 Các thuậttoán không thông số phát hiện tín hiệu không biết trước
hình dạng
Phan Thiên Hương-2013
• mảng số liệu quan trắc trên diện
PHƯƠNG PHÁP LỌC THÍCH NGHI (TỰ ĐIỀU CHỈNH)
kifF =
r
kikiki nsf +=
ski –tín hiệu thường trực có đường phương khác nhau, có kỳ vọng
≠0 và có hình dạng không biết trước.
nki- nhiễu ngẫu nhiên không liên kế, phân bố chuẩn có kỳ vọng =0.
θθ
θθθ
)1(,)1(1,
,22,21,2
,12,11,1
........
................
....
....
−+++−+++
+++++++++
++++++
NmiNkNiNk
mikikik
mikikik
ff
fff
fff
21 θθθ <<
7Phan Thiên Hương-2013
Nhiệm vụ đặt ra của bài toán là xây dựng thuật tóan xử lý bảo đảm:
•Trong cửa sổ cộng có dị thường hay không có dị thường
• Nếu có dị thường thì độ tin cậy phát hiện của dị thường là bao nhiêu
•Các đường phương chủ đạo của dị thường nằm theo hướng nào?
PHƯƠNG PHÁP LỌC THÍCH NGHI (TỰ ĐIỀU CHỈNH)
Phan Thiên Hương-2013
Không làm giảm tính tổng quát, ta xét trường hợp i=k=1, θ=0,
khi đó cửa sổ là ma trận chữ nhật có dạng:
==
NmNN
m
m
fff
fff
fff
mNF
....
.................
....
....
)0,,(
21
22221
11211
θ (14.1)
Dki ==
22 σσ
Nfff ,..., 21
ID 2σ=
),....,( 1 NmNN fff =
r ( )Df N ,
PHƯƠNG PHÁP LỌC THÍCH NGHI (TỰ ĐIỀU CHỈNH)
Phan Thiên Hương-2013
a) Trường hợp tồn tại giả thuyết H0- trong cửa sổ không có dị
thường. Chắc chắn trong trường hợp này :
0....21 ==== Nfff
kf là các phân bố chuẩn với tham số (0, D)
b) Trường hợp tồn tại giả thuyết H1:
Nfff ≠≠≠ ....21
vecto dòng kf là các phân bố chuẩn không trung tâm với các
tham số ( )Df k , . hướng dị thường không trùng với hướng nghiêng
của cửa sổ.
PHƯƠNG PHÁP LỌC THÍCH NGHI (TỰ ĐIỀU CHỈNH)
Phan Thiên Hương-2013
c) Trường hợp tồn tại giả thuyết á H0 (H*):
ffff N ==== ...21
Tồn tại dị thường và hướng của nó trùng với hướng của
cửa sổ, kf phân bố chuẩn với các tham số ( )Df , .
PHƯƠNG PHÁP LỌC THÍCH NGHI (TỰ ĐIỀU CHỈNH)
Nếu tham số tính được là (0, D) thì giả thuyết H0 sẽ
được chấp nhận, còn nếu tham số tính được là ( )Df , thì
giả thuyết H0* sẽ được chấp nhận.
Phan Thiên Hương-2013
PHƯƠNG PHÁP LỌC THÍCH NGHI (TỰ ĐIỀU CHỈNH)
Để kiểm tra giả thuyết H0, trong lý thuyết thống kê
người ta sử dụng chỉ tiêu Hotteling T2:
fRfNT
rr
12 −′= ,
với ),....,( 1 mfff =
r
là ước lượng của vecto kỳ vọng
toán học dọc các cột trong đó: ∑
=
=
N
k
kii f
N
f
1
1
1≤ i≤ m (14.2)
R-1 ma trận nghịch đảo của nhiễu
( )2
)1(
12 ∑∑ −−=== k i iki
ff
Nm
IDR σ (14.3)
Phan Thiên Hương-2013
PHƯƠNG PHÁP LỌC THÍCH NGHI (TỰ ĐIỀU CHỈNH)
∑∑
∑
= =
=
−
−
=
N
k
m
i
iki
m
i
i
ff
Nm
fN
T
1 1
2
1
2
2
)(
)1(
1
(14.4)
Giả thuyết H0 sẽ được chấp nhận nếu
22
αTT < (
2
αT - ngưỡng chấp nhận
nghiệm ứng với sai lầm loại 1) và ngược lại nếu
22
αTT > thì giả thuyết
H1 sẽ được chấp nhận.
8Phan Thiên Hương-2013
PHƯƠNG PHÁP LỌC THÍCH NGHI (TỰ ĐIỀU CHỈNH)
∑∑ ∑
∑ ∑
= = =
= =
−
−
=
N
k
m
i
N
k
kiki
m
i
N
k
ki
f
N
f
Nm
f
Nm
N
1 1
2
1
1
2
1
1
)1(
1
1
ω
• giả thuyết H0 (không tồn tại dị thường trong phần cửa sổ): ω có
phân bố trungtâm dạng F(0, q1,q2) với q1=m và q2=m(N-1) là
bậc tự do.
• giả thuyết H1 (tồn tại dị thường trong phần cửa sổ) ω có phân
bố trung tâm dạng F(b, q1,q2) và tham số không trung tâm:
22 /σ∑= isNb với ∑
=
=
N
k
kii s
N
s
1
1
(14.6)
Phan Thiên Hương-2013
PHƯƠNG PHÁP LỌC THÍCH NGHI (TỰ ĐIỀU CHỈNH)
∑∑ ∑
∑ ∑
= = =
= =
−
−
=
N
k
m
i
N
k
kiki
m
i
N
k
ki
f
N
f
Nm
f
Nm
N
1 1
2
1
1
2
1
1
)1(
1
1
ω
µω N=
2
2
σ
µ
s
=Nếu
Phan Thiên Hương-2013
∑∑ ∑
∑ ∑
= = =
= =
−
−
=
N
k
m
i
N
k
kiki
m
i
N
k
ki
f
N
f
Nm
f
nm
1 1
2
1
1
2
1
1
)1(
1
11
µ
Đại lượng µ là phân bố không trung tâm F(b,q1,q2) với tham số không trung
tâm bằng : µNmb =
Nếu
N
d
ng => µµ (14.10) thì giả thiết H1 tồn tại.
Ngược lại khi N
d
ng =< µµ thì giả thiết H0 được chấp nhận.
d được xác định dựa vào chỉ tiêu định nghiệm
∫
∞
=
d
qqF dxxP )(),,0( 21α
PHƯƠNG PHÁP LỌC THÍCH NGHI (TỰ ĐIỀU CHỈNH)
Phan Thiên Hương-2013
PHƯƠNG PHÁP LỌC THÍCH NGHI (TỰ ĐIỀU CHỈNH)
Phan Thiên Hương-2013
βγ −= 1
đặc trưng của việc phát hiện tín hiệu bằng lọc thích nghi
a)α=5%; b)α=1%; giá trị m: 1)5,2)7
PHƯƠNG PHÁP LỌC THÍCH NGHI (TỰ ĐIỀU CHỈNH)
Phan Thiên Hương-2013
PHƯƠNG PHÁP LỌC THÍCH NGHI (TỰ ĐIỀU CHỈNH)
Hình 14.2: a- giá trị trường, b- kết quả xử lý theo bộ lọc thích nghi. 1- tổng
của tín hiệu và nhiễu; 2- dạng của dị thường và vị trí của nó; 3- dương; 4-âm.
9Phan Thiên Hương-2013
PHƯƠNG PHÁP LỌC THÍCH NGHI (TỰ ĐIỀU CHỈNH)
3534333231
2524232221
1514131211
fffff
fffff
fffff
( );
3
1
3121111 fffs ++=
( );
3
1
3222122 fffs ++=
( );
3
1
3323133 fffs ++=
( );
3
1
3424144 fffs ++=
( );
3
1
3525155 fffs ++=
Phan Thiên Hương-2013
PHƯƠNG PHÁP LỌC THÍCH NGHI (TỰ ĐIỀU CHỈNH)
∑=
5
1
22
5
1
iss
Để tính phương sai của nhiễu, chúng ta cần tìm hiệu:
535434333232131
525424323222121
515414313212111
sfsfsfsfsf
sfsfsfsfsf
sfsfsfsfsf
−−−−−
−−−−−
−−−−−
Khi này phương sai của nhiễu được tính theo công thức sau:
2
1 1
2 )(
)1(
1
i
N
k
m
i
ki sf
mN
−
−
= ∑∑
= =
σ µ23
Phan Thiên Hương-2013
PHƯƠNG PHÁP LỌC THÍCH NGHI (TỰ ĐIỀU CHỈNH)
Phan Thiên Hương-2013
PHƯƠNG PHÁP LỌC THÍCH NGHI (TỰ ĐIỀU CHỈNH)
Các file đính kèm theo tài liệu này:
- untitled_7964.pdf