统计参数分析（共10篇）
统计参数分析 篇1
1 工程概况
成都地铁2号线土建22标主体工程包括1个盾构始发井和2个盾构区间,其中经干院站-东部副中心站区间长约1.2km,东部副中心站-东洪路站区间长约0.8km。隧道内径5 400mm,外径6 000mm,管片厚300mm。
工程采用2台海瑞克6 250型土压平衡盾构施工。刀盘为辐条式,刀盘开口率为28%,刀具采用中心齿刀+外周滚刀布置,滚刀轨迹间距100mm。刀盘的配置情况:6把中心刀,14把双刃滚刀,64把小刮刀,左内、左外、右内、右外边缘刮刀各8把,1把超挖刀。盾构最大推力31 667k N,刀盘最大转速6.1rpm,最大工作扭矩4 500k Nm,脱困扭矩5 300k Nm。
根据地质详勘报告,经干院站-东部副中心站区间穿越的地层主要有<4-7-2>含粘土卵石、<4-7-1>含卵石粘土、<5-1>全风化泥岩、<4-2>粘土、<5-2>强风化泥岩等地层。其中穿越的<4-7-2>粘土卵石和<4-7-1>含卵石粘土地层长约800m。该2种地层卵石含量大、粒径大、强度大(以下统一简称为粘土卵石地层),<4-7-1>含卵石粘土地层含20%~40%的弱-强风化卵石及岩屑,卵石粒径20~50mm为主。<4-7-2>含卵石粘土地层卵石含量65%~75%,粒径以20~80mm为主,成分主要为岩浆岩、变质岩和砂岩等硬质岩。
2 掘进参数分析
根据经干院站-东部副中心站区间地层剖面图,粘土卵石和卵石粘土地层主要在第130~610环范围,因此对左线前610环管片掘进参数进行了统计分析,具体情况如下。
2.1 刀盘转速
该区间左线隧道在1~610环盾构施工中刀盘转速实际统计情况如图1所示。
由于第130~610环隧道范围主要为粘土卵石,土体自稳性较差,而且该区段隧道上覆地层较薄,又处在驿都大道正下方,因此为了减少刀盘对前方土体的扰动,控制地面沉降,应将刀盘转速控制在较小的状态,并保持较均衡的速度。另一方面该地层土体含有大颗粒卵石,如果刀盘高速旋转容易损坏刀具,为了保护刀盘及刀具,刀盘转速也不宜过快。
从上图数据分析可以看出:当盾构进入粘土卵石地层(第130环)后,刀盘转速维持相对稳定,波动幅度相对较小,刀盘转速平均在1.4rpm左右(正常为1.8~3.5rpm),刀盘转速控制非常到位,对地面沉降控制起了重要作用。
2.2 刀盘扭矩
该区间左线隧道在1~610环盾构施工中刀盘扭矩实际统计情况如图2所示。
从上图数据统计分析:第130~610环刀盘扭矩平均值为2.05MNm,相对于以中风化岩地层为主的前130环刀盘平均扭矩2.93MNm来说较小,说明在粘土卵石层对刀盘扭矩的要求相对较小。第130~380环刀盘扭矩变化幅度较大,根据我们总结分析认为,此段地层含大量<4-2>粘土,盾构停机较长,粘性渣土易失水固结住刀盘,所以出现刀盘扭矩值波动较大的情况。另外,在第325~345环范围为了保证管线及秀水河的安全,加大了盾构推力,所以该段盾构刀盘扭矩也有明显增大。
2.3 总推力
该区间左线隧道在1~610环盾构施工中盾构掘进总推力实际统计情况如图3所示。
从数据统计可以得出第130~610环盾构掘进总推力平均值约为9 400k N,说明粘土卵石地层中盾构掘进所需推力较小。上图可以看出部分隧道段出现了推力突变的情况,如在230~335环区间推力值较大,平均值分别为10 031k N,因第230~335环隧道上方覆土较薄,且埋设有大量的管线及1条贯穿隧道上方的秀水河,为了减小沉降造成管线及秀水河的损坏,故加大盾构推力,以增加推进速度;而第500~610环间掘进推力有所上升,平均值为11 857k N,因在该区段适当增加盾构的掘进推力,以提高掘进速度。
2.4 推进速度
该区间左线隧道在1~610环盾构施工中盾构推进速度实际统计情况如图4所示。
从数据统计分析可以得出第130~610环盾构掘进速度平均值约为56mm/min。第455~590环掘进速度明显变大,掘进速度平均值约为69mm/min,因该区段上覆地层已逐渐变厚,卵石较小且含量较少,掘进控制和地面沉降控制较容易,所以掘进速度较快。而第591~611环盾构掘进速度明显较小,平均值约为32mm/min,因在该段地层卵石颗粒比较大,经常出现卡螺旋机的情况,严重影响了盾构掘进。
2.5 注浆量
该区间左线隧道在1~610环盾构施工中实际注浆量统计情况如图5所示,以下注浆量单位为冲程,每个冲程折合体积单位约为12L(扣除损耗,90个冲程约为1m3)。
从数据统计可以得出:本区间盾构施工中实际注浆量平均值为375冲程/环(即4.17m3/环),比预计的6m3/环要小得多。第215~263环之间注浆量出现增大,平均值约为447冲程/环(4.97m3/环),因在此区段有4根污水管,为了保护污水管,防止滞后沉降对污水管造成损坏,所以加大了此区段的注浆量。
2.6 螺旋机转速
该区间左线隧道在1~610环盾构施工中盾构螺旋机转速实际统计情况如图6所示。
从数据统计可以得出第130~610环的盾构掘进螺旋机平均转速约为8.1rpm,并且螺旋机转速的变化大体上与掘进速度变化相对应,其产生变化的原因亦与掘进速度产生变化的原因相同。
2.7 泡沫注入量
该区间左线隧道在1~610环盾构施工中泡沫与水混合液注入量实际统计情况如图7所示,此混合液为泡沫以3%的比例添加到水中混合而成。
从数据统计可以得出第130~610环的泡沫混合液用量比较均衡,平均用量约为1 600L/环,即泡沫用量为48L/环。根据掘进情况分析,该配比和用量在粘土卵石地层中实施效果非常好,掘进中未出现结泥饼现象,成本费用也相对较低。
3 结论
成都地铁一、二号线施工过程中,卵石地层不仅造成了盾构刀具严重磨损,而且极大地影响了工程进度,地面后续沉降较大,总体来说卵石地层施工的安全、进度和成本等方面均不理想。而本项目由于掘进措施得当,不仅提前了1个月完工,而且穿越800m粘土卵石地层未换刀具、未结泥饼,取得了圆满成功。因此以上对工程实际掘进参数进行的统计均数可为类似工程提供指导,其中的异常分析也为相似工程提示了应当注意的问题。
摘要：粘土卵石地层的盾构施工实例在国内比较少,相关的经验和可借鉴的资料也较少,因此对这种地层的盾构掘进参数进行统计分析具有十分重要的意义。本文介绍了海瑞克6250型土压平衡盾构在成都地铁粘土卵石地层中掘进参数,供同行参考。
关键词：粘土卵石,盾构,掘进参数
统计参数分析 篇2
当今经济研究领域，运用传统的参数统计进行实证分析非常广泛。然而，在现实生活中，传统参数统计方法对总体分布的假定常常难以满足，比如数据并非来自所假定的分布，或者数据根本不是来自一个总体，又或者数据因为种种原因被严重污染等。这样，假定总体分布的情况下进行推断的做法就可能产生错误的结论，影响决策。为此，人们希望在不假定总体分布的情况下，尽量从数据本身来获得所需要的信息，这就是非参数统计的宗旨。
二、实证分析
以小白鼠为对象研究正常肝核糖核酸（RNA）对癌细胞的生物作用，试验分别为对照组（生理盐水），水层RNA组和酚层RNA组，分别用此3种不同处理方法诱导肝癌细胞的果糖二磷酸酯（FDP酶）活力，数据如表1所示.3种不同处理的诱导结果
处理方法诱导结果
对照组2.792.693.113.471.772.442.832.52
水层RNA组3.833.154.703.972.032.873.655.09
酚层RNA组5.413.474.924.072.183.133.774.26
从上表可以看出，对照组的诱导的平均FDP酶活力最小，水层RNA组次之，酚层RNA组的最大。因此可以初步认为，3种诱导作用的效果有显著差异。
（二）、正态性检验
对样本做假设检验则首先必须知道总体服从的分布，本文针对3个总体分别进行正态性检验，原假设为H0：样本所来自的总体分布服从正态分布，备择假设为H1：样本所来自的总体分布不服从正态分布。具体检验结果如下：
显然，通过Kolmogorov-Smirnov检验可知，在给定的显著性水平0.05的条件之下，在3个总体所得P值均小于α，故拒绝原假设，可以认为出这3个总体均不服从正态分布。且从现阶段所知的分布来看，无法断定其到底属于何种分布，故采用非参数方法对该问题进行统计分析。
（三）、尺度参数检验
本文中尺度参数的检验采取Mood检验。原假设X和Y同分布，即H0：b=1，备择假设H1：b≠1。通过R软件检验结果如下：
Z检验统计量的值P值
对照组与水层RNA组-1.39560.1628
对照组与酚层RNA组-1.43490.1513
水层RNA组与酚层RNA组-0.410.6818
表4
结果显示，对于分布函数形状的检验，在给定的显著性水平0.05的条件之下，对照组与水层RNA组、对照组与酚层RNA组和水层RNA组与酚层RNA组的尺度参数检验均全部通过，接受原假设。即3个总体的分布函数（以及密度函数）的形状完全相同，若有不同仅有可能的是位置参数不同。
（四）、位置参数检验
1、Kruskal-Wallis检验
由于本文样本为3个独立同分布的总体，因此对于位置参数的检验采取Kruskal-Wallis检验。根据题意有，原假设H0：试验中3种诱导作用的效果无显著差异，备择假设H1：试验中3种诱导作用的效果有显著差异。结果显示p=0.01895，故在给定的显著性水平α=0.05条件之下，拒绝原假设。
2、Wilcoxon秩和检验
为了进一步检验3中诱导作用中产生显著性差异的是哪一种，本文对其进行两两的Wilcoxon秩和检验。其中，原假设H0：试验中某两种诱导作用的效果无显著差异，备择假设H1：试验中某两种诱导作用的效果有显著差异。通过R软件编程检验，结果如表5所示。
W秩和检验统计量的值P值
对照组与水层RNA组100.02067
对照组与酚层RNA组8.50.01564
水层RNA组与酚层RNA组270.6454
结果显示，在给定的显著性水平0.05的条件之下，对照组与水层RNA组、对照组与酚层RNA组的位置参数检验没有通过，因此拒绝原假设，认为对照组与水层RNA组、对照组与酚层RNA组的诱导作用效果有显著性差异。但是水层RNA组与酚层RNA组的Wilcoxon检验结果显示，在给定的显著性水平0.05的条件之下，不能拒绝原假设，即没有证据表明水层RNA组与酚层RNA组的诱导作用效果之间存在显著性差异。
三、结论
通过本文可以看出，在生物医学领域，非参数统计具有非常广泛的应用前景。非参数统计方法不仅可以像参数统计方法一样用于处理定距、定比数据，更适合处理定类、定序数据。参数方法对数据要求较多，而非参数统计方法则不同，研究的出发点是假定研究总体的理论分布是未知的，是一个待检验的假设，实际应用中这种问题是非常普遍的。非参数统计方法减少了实际应用中对假设条件的依赖，进而使得对多样本问题的研究更加客观，不受样本分布形式限制的，应用范围、发生模型错误的可能性较小，有较大的稳定性，同时方法简便易行，直观性强，易于接受和理解。此外，在本文的实证研究中，所有检验均为应用R软件编程运算，因此R软件具有实现比较非参数统计分析的强大功能。
统计参数分析 篇3
在记录多选题调查结果时，为了便于定量分析，采用多重二分法（Multiple Dichotomy Method）的编码方法，即将多项选择题的每一个选项视为一个“处理”，每一份问卷看作一个“区组”，并用“0”表示没有被选中、“1”表示被选中。这样，多项选择题的数据可以表示为二元完全区组数據。
一、问题的提出
本文的例证数据采用以下多选题的调查数据：请问您日常饮用下列哪种水？（多选）A 自来水，B井水，C 家用净水器处理后的水，D 桶装水或瓶装水。
选取调查结果中的25份问卷，其调查结果以多重二分法编码如下：
二、关于随机性的游程检验
（一）模型建立
游程检验是用于检验取值“1”概率为p的Bernoulli试验中的“1”和“0”是否随机出现的方法。其原理是，将连在一起的“0”或“1”作为一个游程，当已知出现了多少个“1”和“0”时，游程个数R服从固定的分布。
其假设为：H0：有随机性;H1：无随机性（有聚类倾向）
统计量及其分布为：R=游程数～Y（m ，n）
其中m为“0”的个数，n为“1”的个数，Y代表游程分布。
其具体计算是通过累加概率求得P值：
（二）模型求解
编写R程序实现这一检验方法，得到4个选项检验的p值分别为：（α=0.05）
可见，均不能拒绝原假设，即认为源数据的随机性良好，符合问卷调查的随机抽样原则。也就是说，这部分问卷在填写时并没有出现较为严重的相互抄袭或人为编造等影响问卷质量的现象，因此，该数据适合进行进一步分析。
三、关于单对选项差异的McNemar检验
（一）模型建立
McNemar检验是用于检验配对二元取值数据中取“1”的比例是否相等的检验方法，对于本例，则是选择某选项的比例，该方法首先将数据写成列联表形式：
分别为处理1和处理2的取“1”的比例，则检验的假设为：
统计量和近似分布为：
其p值即是统计量在分布中的双边概率值。
（二）模型求解
编写R程序实现这一检验方法，得到AD、DC、CB三对检验的p值分别为：（α=0.05）
可见，A>D>C>B中的A>D，D>C，C>B这三个关系都不是显著的。也就是说，目前没有足够的理由认为饮用“自来水”的人数多于“桶装水或瓶装水”，饮用“桶装水或瓶装水”的人数多于“家用净水器处理后的水”，饮用“家用净水器处理后的水”的人数多于“井水”。
那么，如果跨步检验，即A>C，D>B，甚至直接检验A>B，大于关系是否显著呢？检验结果为：
可见，结果发生了巨大变化，全部都非常显著。
四、关于全部选项差异的Cochran检验
（一）模型建立
Cochran检验是对二元响应的完全区组数据中不同处理的位置参数是否相同的检验。位置参数表征四个选项在受访者眼中的排序。假设为第i个选项的位置参数，则检验的假设为：不全相等
统计量及其分布为：
其中，b为区组数，即问卷数;k为处理数，即选项数;Ni为第i个选项1出现的个数;Lj为第j个问卷中选1的个数;N为1出现的总个数。
（二）模型求解
编写R程序实现这一检验方法，得到检验的p值为：
可见，显著性是非常强的。也就是说，对于“自来水”“井水”“家用净水器处理后的水”“桶装水或瓶装水”这几种饮用水方式，人们对其选择的比例差异是非常大的。这也说明，该问卷中该多项选择题的设置是十分有意义的，收回问卷后得到的数据也是十分有比较价值的。
五、结论
通过各个模型的建立、实际问题的求解，以及对二元数据的新的处理方法的效果讨论，可以从实际问题和研究方法两方面得出结论。
对于本文所示的多项选择题来说，其调查所得数据的随机性是良好的;在4个选项之间的两两大小关系的比较中，只有3个跨步大小关系是显著的，因此A>D>C>B不是显著成立的，只能确信A>C，D>B，A>B这三种关系。作为多选题整体来看，该题的整体选项差异是显著的，因此用本例来进行调查是有意义的。
对于研究方法来说，游程检验能够很好地判断调查问卷所得数据是否具有随机性，即是否是完全随机抽样;McNemar检验能够很好地比较两个选项的差异性，即选一种选项的人数是否显著大于另一种;Cochran检验能够很好地判断多选题整体的各个选项是否具有差异性，即从整体判断多选题调查的效果;而加入随机变量后的Friedman检验方法也在本例中达到了比较好的效果，能够以较高的准确率判断多选题整体差异性是否显著。
参考文献：
[1]李灿.调查问卷中多项选择题的处理方法[J].统计与决策，2006（06）.
[2]吴喜之，赵博娟.非参数统计[M].中国统计出版社，2013.
[3]赵江涛.多项选择模型的参数估计[J].网络财富，2009（15）.
[4]罗明奎.配对资料McNemar检验法的适用范围[J].中国卫生统计，1993（03）.
统计参数分析 篇4
关键词：泥炭土,剪切波速,动剪切模量比,阻尼比,统计分析
0 引言
土动力学参数包括剪切波速、动剪切模量比和阻尼比,它们是表征土动力特性的重要指标,是进行地震响应分析与地震安全评价的前提和基础,为此,各国学者完成了大量的现场动力测试和室内动力试验研究工作
泥炭土(包括泥炭、泥炭质土)是由已分解的腐殖质、尚未完全分解的植物残体及矿物质组成的特殊土,具有孔隙比大、含水量高、压缩性高、有机质含量高、天然密度小、呈多级团粒结构等特征,泥炭土的含水量可高达600%,孔隙比甚至可达7.0及以上。泥炭土主要分布在加拿大、俄罗斯、美国、印尼及中国等国家,我国的泥炭土主要分布在东北和西南地区。我国的云南省特别是昆明盆地就广泛分布着泥炭土,并且具有比其他地区泥炭土更高的含水量、孔隙比以及地区区域性强等特点,由于其工程性质差,给工程建设带来了诸多问题,越来越受到工程界的重视和关注
目前,世界各地对泥炭土的动力特性开展了一些研究工作,从已有的文献报道看,基本是由美国学者针对当地泥炭土开展的,如Seed和Idriss、Kramer、Boulanger、Wehling、kishida、Reinert等人的工作
然而,目前尚未有针对泥炭土这类特殊土的动力参数统计分析的相关文献报道。针对土动力学参数不全的情况,国内研究分析时大都是利用《工程场地地震安全性评价工作规范》中的各类土的动力参数推荐值,但规范中的推荐值并没有涵盖泥炭土。对于广泛分布在云南特别是昆明地区的泥炭土,已成为该地区工程建设的主要地质问题,随着我国高烈度地震区泥炭土层基础设施日益增多,开展泥炭土动参数的统计分析并建立相应的计算模型日益重要和迫切。另外,由于不同土类及相同土类但不同区域土的动力特性均有明显差异,在开展土的动力特性分析及动力学参数试验时,需要针对不同土类并考虑区域性,这样才能获得更合理和实用的结果。鉴于此,本文在收集国内外泥炭土动力测试数据基础上,统计分析了昆明泥炭土的剪切波速随土层深度及物理指标的关系、昆明及美国加州泥炭土的动剪切模量和阻尼比随剪应变的变化规律,并建立了各自的动参数计算模型,进一步与黏性土的动参数模型进行了对比分析。
1 剪切波速的统计分析
本次统计主要收集了昆明地区泥炭土的146个剪切波速测点数据,其中一部分数据来自文献[13],其余数据来自昆明轨道交通工程勘察资料,分布范围基本覆盖了整个昆明地区,深度2~97m。所得到的剪切波速均是基于单孔检层法(即测井法)测试结果。
1.1 剪切波速与土层深度的相关关系
根据昆明地区泥炭土剪切波速的测试数据,得到剪切波速随土层深度变化曲线(如图1所示)。通过对泥炭土剪切波速与土层深度之间采用线性、多项式和幂函数三种函数进行回归分析,其结果见表1。
图1 剪切波速与土层深度的关系曲线Fig.1 Relationship between shear wave velocity and depth for peat and peaty soils
表1 泥炭土剪切波速与土层深度的回归分析结果Table 1 Regression model between shear wave velocity and depth for peat and peaty soils
由图1及表1结果并根据相关系数的显著性检验可知:泥炭土的剪切波速与土层深度呈显著相关,剪切波速随着土层深度的增加而增大。说明埋深越大(也即有效围压越大),泥炭土相对越密实,故其剪切波速越大。对比三种回归方程的拟合效果,线性拟合和多项式拟合方式要优于指数拟合方式。从剪切波速大小看,昆明地区泥炭土的剪切波速范围在117~400m/s之间,文献
1.2 剪切波速与物理指标的相关关系
为建立昆明地区泥炭土的剪切波速和物理指标之间的相关关系,选择了24组剪切波速测点并有相应物理指标的数据资料,将剪切波速与天然密度、含水量、孔隙比、液性指数的相关性进行线性拟合及显著性检验后发现,泥炭土的剪切波速与天然密度、孔隙比没有呈现明显相关性,离散性较大。而剪切波速与含水量、液性指数的显著性检验结果表明它们之间呈显著相关,其相关性高于其他物理指标。这是由于剪切波速、含水量和液性指数都在一定程度上都反映了土的软硬状态。图2列出了剪切波速与含水量、液性指数的相关关系散点图及线性拟合结果。
图2 剪切波速与物理指标的关系曲线Fig.2 Relationship between shear wave velocity and physical indices of peat and peaty soils
总体而言,剪切波速与单个物理指标之间的相关系数都较低。一方面是剪切波速受多因素影响,十分复杂;另一方面,统计样本数量偏少,需要开展更广泛的测试及分析,以获得能合理描述泥炭土剪切波速与物理指标之间关系的计算模型。
2 动剪切模量比和阻尼比统计分析
土的动剪切模量比G/Gmax和阻尼比λ是土动力学特性中的两个重要参数。动剪切模量是土在动荷载下表现出来的弹性性能参数,其数值越大,表明弹性承载性能越好。阻尼比可用来表示振幅衰减的快慢,阻尼比越大,振幅衰减越快。虽然国内外众多学者针对各类土的动力学参数进行了广泛研究,取得了许多有益成果,但目前尚没有泥炭土的G/Gmax和λ随剪应变γ递变的规范值或推荐值。
2.1 动剪切模量比随剪应变的变化规律
本文收集了美国加州及我国昆明地区泥炭土动力特性试验的数据
图3 泥炭土的动剪切模量比随剪应变的变化关系Fig.3 Relationship of dynamic shear modulus ratio and strain for peat and peaty soils
由图3可知:不同地区的泥炭土,其剪切模量比有所差异,有一定的区域性。相对我国昆明地区泥炭土的动剪切模量比而言,在较小动剪应变下(γ<0.1%),美国加州泥炭土动剪切模量比偏小,而在较高剪应变下(γ>0.1%),其动剪切模量比偏大。
国内外常用的动剪切模量比计算模型主要有Hardin-Drnevich模型、Davidenkov模型和RambergOsgood模型
式中:A、B、γ0为土的试验参数。
通过采用Davidenkov模型对两个地区泥炭土动剪切模量比分别进行拟合,得到其拟合参数及标准差(详见表2)。
表2 泥炭土动剪切模量比的拟合参数Table 2 Fitting parameters of dynamic shear modulus ratio for peat and peaty soils
从表2可看出,拟合结果的标准差较小,采用Davidenkov模型能较好地描述泥炭土的动剪切模量比随剪应变的变化规律。从拟合参数看,两个地区泥炭土拟合参数相差较大,也从侧面反映了泥炭土动力特性的区域差异性。
2.2 阻尼比随剪应变的变化规律
两个地区泥炭土阻尼比随剪应变变化的散点图及拟合曲线见图4。图中结果表明:不同地区泥炭土的阻尼比差异较明显。相比美国加州的泥炭土,我国昆明泥炭土的阻尼比在低剪应变下相对偏大,而在高剪应变下相对偏小。需要说明的是,受动三轴仪限制,在对昆明地区泥炭土进行动参数试验时,主要测试的应变率范围为10-4~10-2,对于小于10-4应变下的数据尚有欠缺,有待结合共振柱试验进一步完善。
图4 泥炭土的阻尼比随剪应变的变化关系Fig.4 Relationship of damping ratio and strain for peat and peaty soils
国内外常用的阻尼比计算模型如H-D模型、Ishibashi和Zhang模型、Borden模型、Zhang和Andrus模型、陈国兴模型等
式中:K1、K2、K3为拟合参数。
采用式(2)对两个地区泥炭土阻尼比进行拟合,得到其拟合参数及标准差见表3。
表3 泥炭土阻尼比的拟合参数Table 3 Fitting parameters of damping ratio for peaty soil
从表3可看出,泥炭土阻尼比计算模型的拟合效果较好,所用模型能较好地描述泥炭土的阻尼比随剪应变的变化规律。
2.3 与黏性土的比较
将两个地区泥炭土动剪切模量比和阻尼比的拟合结果与一般黏性土
图5 泥炭土与黏性土的动剪切模量比变化曲线Fig.5 Relationship of dynamic shear modulus ratio and strain for peaty and clay soils
图6 泥炭土与黏性土的阻尼比变化曲线Fig.6 Relationship of damping ratio and strain for peaty and clay soils
从图5~图6可知:泥炭土的动剪切模量比和阻尼比变化曲线与黏土的曲线形态明显不同,表现为动剪切模量比明显偏大,阻尼比明显偏小,说明泥炭土的弹性性能较黏土好,但在动载作用下振幅衰减慢。
3 结论与建议
(1)统计分析了昆明泥炭土的剪切波速与土层深度及物理指标的相关性,采用三种拟合方式建立了剪切波速与土层深度的回归方程,总体拟合效果较好,比较而言,线性拟合和多项式拟合要优于指数拟合。泥炭土的剪切波速与单个物理指标之间没有呈现明显相关性,离散性较大。
(2)不同地区泥炭土剪切模量比和阻尼比有所差异,相对而言,阻尼比的差异更明显。与美国加州地区泥炭土相比,在较小剪应变下,我国昆明地区泥炭土的动剪切模量比相对偏大,在较高剪应变下,相对偏小。而阻尼比也表现出类似的变化规律。运用选取的计算模型拟合了泥炭土的动剪切模量比和阻尼比变化曲线,从拟合结果的标准差看,所用模型能较好地描述泥炭土的模量比和阻尼比随剪应变的变化规律。
(3)泥炭土的动力学参数曲线分布形态与黏土明显不同,表现为动剪切模量比明显偏大,阻尼比明显偏小,泥炭土的弹性性能较黏土好,但在动载作用下振幅衰减慢。若将泥炭土作为一般软黏土来对待,会引起较大误差甚至导致工程误判。
统计参数分析 篇5
用两个次序统计量确定Weibull分布形状参数的置信下限
从两个次序统计量出发,给出了二参数Weibull分布的形状参数的`置信下限.在实际数据的缺失、删失、截尾等情况下,为可靠性试验的数据处理提供了一种有效的估计方法.
作 者：刘玉霜 LIU Yu-shuang 作者单位：青岛科技大学,青岛,266061刊 名：科学技术与工程 ISTIC英文刊名：SCIENCE TECHNOLOGY AND ENGINEERING年，卷(期)：9(20)分类号：O213.2关键词：两参数Weibull分布 次序统计量 参数估计
统计参数分析 篇6
正确认识和评价大学生学习成绩的影响因素,是制定和执行合理的教学计划、教学大纲、教学方法,提高学生学习成绩的主要依据。而学生的学习成绩是一个系统因素集成的必然结果。系统因素的一个主要组成部分是主观因素,它是影响学习成绩的主要原因,即学生自身因素——包括学习能力、学科知识与能力、综合素质、心理素质、身体素质等。
和主观因素相对的因素是客观因素。对大学生而言,学生主观努力程度是影响其学习成绩好坏的主要因素。除此之外,我们也应注意到性别、地区性质、寝室环境等客观因素对大学生学习的影响。
在对学习成绩进行评估时,目前常用的有综合指数法、测试法、评分法、层次分析法和概率统计法。这些方法大部分需要一些数据附加信息或者先验知识,而这些知识又不容易得到;指标体系过于繁琐,很多数据难以收集,对我们来说不易理解和应用。
因此我们决定结合所学的统计分析方法来进行研究,通过问卷或当面咨询方式取得原始数据,运用相应检验初步探讨了性别、地区性质、寝室环境等因素对大学生学习成绩的影响结果。由于不满足t检验关于均值、方差和分布的假设,在下文中我们用一些非参数的检验方法来判断性别因素和地区因素对大学生成绩的影响。
一、研究方法
Wilcoxon-Mann-Whithey秩和检验
当X和Y中有相同数值时,此时排序有相同的数据则采用平均秩。
Kruskal-Wallis检验
当样本数据取自完全随机设计并且存在3个或更多组时,我们先把多个样本混合起来求秩,再按样本组求秩和。这种Kruskal-Wallis方法也称为H检验。
二、实证分析
(一)研究对象
在本次研究中,我们以湖北省武汉市中南财经政法大学统数学院11级统计学在读本科生为调查对象,以该院11级本科生的成绩差异影响因素为研究对象,在中南财经政法大学南湖校区共抽取40名大学生了解其绩点和地区、寝室成员等信息,其中男生16人,占40%,女生24人,占60%。
(二)研究内容1.性别因素
为了分析性别这一客观因素的影响,我们从教务部获取并整理研究对象的绩点。
首先运用R软件画出原始数据的箱线图如下:
从图1可以很直观地看出,男女生的绩点存在很明显的差别。女生的绩点普遍要比男生高,虽然绩点很高的男生和绩点很低的女生在图中反应为离群值,但其现实中存在也是正常状况所以不足为奇。
以上分析可以看出,性别对学生成绩的影响是比较大的,而且女生的平均绩点大于男生的平均绩点。通过深入调查,我们了解到男生比女生成绩差的原因是自制力不强,沉迷于桌游和网游,而女生们学习则相对较认真,坚持上自习,按时完成作业。
地区因素
因此,地区性质的差异对学生成绩没有显著性的影响。这也从另一方面体现出,随着经济的发展和社会的进步,较之以前农村的教育水平有了很大的提升,来自农村还是城市并不能成为判断学生成绩好坏的显著因素,只能说是在某方面造成了些许影响。
寝室环境因素
寝室氛围在大学生活中扮演着十分重要的角色,一个好的寝室环境能营造好的学习氛围,学习效果也会有所差异。因此我们将男女生各寝室的平均绩点进行了对比分析,如表1所示。
统计分析:
分析结果可知,寝室因素对学生的学业成绩影响显著,并不是因为不同的房子对学生的成绩有影响,而是由寝室内部学生造成的。这种影响主要表现为:大学生平时的学习和生活主要以室友为单位,不同的学习氛围极易导致不同的学习行为,所以也就不难理解这一检验结果。因此我们也可以建议高等学校应加强学生宿舍管理,把寝室作为学风建设的重要环节。
统计参数分析 篇7
在许多现实问题中,传统的经典参数统计对总体分布的假定常常不能满足,比如在新问题中总体分布的不确定性,采集数据时的失真等,而非参数统计由于不需要事先考虑总体的分布,运用起来就显得更为方便快捷,处理数据获取结论,更好的为人们服务。有学者认为非参数统计是21世纪统计理论发展的三大方向之一,而且近年来非参数统计在医疗卫生统计和质量评估以及市场调研方面都取得了显著的成就[1]。
本文以消费者对同一品牌手机不同款式的偏好是否相关为问题的出发点,结合SPSS软件,对非参数统计中的列联表分析法进行介绍。
一、列联表分析法
列联表是由两个及两个以上的变量进行交叉分类的频数分布表。例如,有n个个体按照两个属性A和B进行分类,属性A有r类:A1,A2,,Ar,属性B有c类:B1,B2,,Bc。n个个体中既属于iA类又属于Bj类的有nij个。则得到的r×c列联表如下所示:
列联表分析法的主要任务是通过表1中的数据判断两个属性A和B是否独立,即两个属性是否具有相关性。
处理步骤可分为以下四步:
1.建立原假设和备择假设。H0:两个属性A和B相互独立,即两个属性之间没有相关性;H1:两个属性A和B不相互独立,即两个属性之间存在相关性。
2.构造统计量。按照列联表分析法的基本思想,在原假设成立时,实际频数nij和理论频数pij之差较小。构造统计量:
在原假设成立时,统计量χ2服从自由度为(r-1)(c-1)的卡方分布。
4.计算统计量的值和做出统计决策。根据统计量χ2和显著性水平α的值,判断χ2值是否落在否定域中,从而拒绝或接受原假设。
二、实例分析
为了加大统计学在教学中运用,我们采取了以下调查:在某公司的工业设计部门为了检验目标市场对三种设计好的手机款式的偏好是否相同,随机从目标市场中抽取36名消费者进行调研,得到他们对三种手机款式的偏好数据如下表2所示:
试对不同手机款式的消费者偏好度是否相同做出评价。
结合SPSS软件,对此问题进行处理如下所示:
1.在SPSS中输入表2中数据,如下图1所示:
其中,“ks”表示款式,“ph”表示偏好,“data”表示数据。
2.按照“分析”菜单→描述统计→交叉表顺序选中相应的计算模块,如下图2所示:
3.将“ks”送入到行中,“ph”送入到列中,在“统计量”复选框内,选中“卡方”和“相依系数”,如下图3所示:
在图4中,卡方值为8.021,相伴概率为0.091,大于显著性水平0.05,因此,接受原假设,即消费者对不同款式的手机偏好不存在差异。
三、结论
在信息量骤增的大数据时代中,统计学将会扮演越来越重要的角色。同时,统计方法与计算机软件的结合,不仅给统计教学提供了更广阔的演示平台,也为统计学开展应用提供了模拟训练的平台。
通过以上对列联表分析法的介绍和相应的SPSS软件操作,不难看出,非参数统计方法对总体分布无需做假定,有广泛的适用性,同时,结合计算机软件技术,更彰显了其方便快捷的特点,对实际问题有着较好的处理分析能力。
参考文献
[1]黄敏,尤梅芳.非参数统计方法在房地产价格研究中的应用[J].中国物价,2010,01:45-47.
[2]刘岩,贾丽洁.非参数统计中两样本比较方法研究[J].燕山大学学报,2006,30(5):392-394.
[3]范大付,李春红.大学生数学焦虑产生因素的非参数统计分析[J].重庆理工大学学报(自然科学),2012,26(7):94-99.
统计参数分析 篇8
1随机—模糊处理的具体方法
设地质岩组力学指标的样本值为a1, a2, a3, …, an, 利用随机—模糊处理方法计算样本方差与均值, 具体计算如下所示:
样本均值 () 计算方法。设论域为M, 则M={a1, a2, a3, …, an} , M内含有模糊子集, 设其为Q, M中的元素设为ai, 其中i的取值范围为1, 2, 3, …, n。Q隶属度是MQ ( ai) , 求Q核的公式如下所示:
如果式中的x珋可以用= f ( a1) 表示, 则x珋= f ( a1) 便是地质岩组在次力学指标下的统计特征。基于上述问题所具备的性质, 例数函数具体表达式如下所示:
其中Di1代表的是ai与Q核电之间的马氏距离, 表达式如下:
其中Ri所表示的是权重, 通常情况下, 多以常数表示, 具体公式如下:
通过上式可知, ai与Q核点之间的Di1越小, 其隶属Q的范围越大, 核点隶属度的值最大不能超过1, 基于实际样本值在Q的隶属度为最大的要求标准, 可以计算x珋的统计特征, 具体目标函数如下所示:
将R01设为常数, 并将其代入上式, 可得以下公式:
参考相关实验数据可知, P01的取值会在一定程度上影响最终计算结果。其取值形式可以通过以下公式进行计算:
不过, 这些公式实在假设R01为常数推演出来的, 其不会随着的变化而变化, 因此, 在应用迭代计算方式计算时, 应保证R01值具有稳定性, 这样便会在很大程度上提升R01取值的难度系数, 要想对此问题进行合理有效的解决, 在计算过程中, 可以择取两步迭算法。
首先, 计算D1 i= ( ai- aR) 2, aR值取随机获取的平均值, 通过计算可得R01, 将其代入上述计算公式, 通过迭代计算法, 计算, 在计算过程中, 不更改aR值, 直至所求符合相关要求。其次, 改变aR值, 重复进行上一步的计算流程, 获取一个全新且符合相关要求的。最后, 对上一步计算方法进行重复执行, 当所得与aR值之间不存在明显差异后, 最终所得即为地质岩土样本的均值。
2模糊方差
设随机变量为Y, 模糊事件为U, 则U上Y的模糊方差可以用以下公式进行表述:
择取第一部分处理均值的方式处理方差, 可以有效提高其准确性。具体计算公式为:
进而便可获取计算该岩土样本模糊方差的公式:
该公式的形式表现为隐函数, 因此, 在求解过程中, 与均值一致, 需要应用迭代计算法。
3标准值、修正系数、变异系数以及标准差计算
通过前两部分的计算, 可以获取岩石样本的均值与方差, 要想计算岩石的标准值、修正系数、变异系数以及标准差, 则需要按照以下方式进行计算。要想求取岩石样本的标准差, 只需要对求取方差的公式进行开平方处理即可。变异系数的表达式为:
关于修正系数的计算方式, 很多规范上均有记录, 不过, 受到人们普遍应用的, 则是以下公式:
标准值的计算公式如下:
其中, fm表示的是岩土样本的参数平均值, 即x珋。应用Fortran75版本的程序计算随机模糊均值、标准值、修正系数、变异系数、方差以及标准差。
4实际应用案例
以我国某工厂的岩石为例, 共采集了四种样本, 设为样本1, 样本2, 样本3, 样本4。其中样本1的取样区域具有裂隙不发育、层内错动性小以及岩体新鲜完整的特点; 样本2的取样区域为岩层内错动带, 裂缝发育程度较大, 每10厘米存有3条左右的裂缝, 但其厚度较小, 最大值不超过9厘米, 主要组分有岩屑、角砾以及压碎岩, 压实性较强。不存在地下水; 样本3的取样区域具有结构呈现镶嵌状、短小裂隙发育程度较大以及层内错动性较强的特点; 样本4取样区域具有层间错动性小、裂隙不发育、断层切割不明显以及岩体新鲜完整的特点。
岩石样本1中, 只有一组不存在裂隙现象, 其他样本中的裂隙存在方向、角度上的差异, 不过裂隙角度最大值不超过45°。第二组与第三组所存在的裂隙不会对岩石强度造成较大的影响, 不过, 第四组具有的裂隙, 会给岩石的强度带来一定程度的不良影响, 降低岩石的软化系数。样本2中, 有两组岩石呈现为灰色, 其余均为紫红色。各组岩石内部含有一定量的杏仁, 但并不呈均匀分布状。样本3中, 在加载方向方面, 与两组岩石与岩层相平行, 其余组的则是与岩层方面相垂直。不过这并不会影响样本的力学参数。样本3中, 四组岩石之所以存在强度方面的差异, 主要取决于其裂隙程度。四组岩石裂隙虽然方向、大小不一, 但均具有高角度特征, 其中1、2组的样本岩石裂隙角度最大值约为70°, 在很大程度上降低了岩石的强度。样本4中只含有少量的斑晶, 属于隐晶质, 裂隙多被矿物填补, 难以有效辨认。
5结论
综上所述, 利用随机—模糊统计方法计算岩土特征参数, 不仅可以有效减少计算量, 还能提高计算结果与实际的贴合度, 值得大力推广。
摘要：在岩土工程中, 人们普遍应用统计方法计算岩土的物理力学参数。统计学方法在对离散岩土的实验数据进行处理时, 将与中值差异性较大的数据称之为孤值, 并认为其代表性较差, 对其忽略不计, 取剩余数据平均值为岩土特征值。应用这种方法处理数据结果, 剔除孤值会导致结果存在人为偏差现象, 不剔除孤值又会导致结果出现系统误差。基于此类问题的干扰, 相关学者逐渐应用数学理论分析岩土特征, 随机模糊统计方法应运而生。
关键词：随机—模糊统计方法,岩土特征,参数指标,统计应用
参考文献
[1]雍睿, 唐辉明, 胡新丽, 等.结构面抗剪强度参数线性拟合方法适用性研究[J].岩土力学, 2012 (S2) .
[2]马建, 孙守增, 杨琦, 等.中国桥梁工程学术研究综述·2014[J].中国公路学报, 2014 (5) .
[3]杨勇, 姜桂春, 文君, 等.岩土参数统计方法及简化计算式的探讨和应用[J].煤田地质与勘探, 2013 (2) .
统计参数与JRC的定量关系研究 篇9
为定量确定JRC值, 统计参数法[4—8]、分形分析法[9—13]等各种定量化方法被用于分析10条典型剖面线, 并得到了统计参数、分形参数等与JRC值函数关系式。
目前, 在所有的定量化参数中, 统计参数与JRC的相关性是研究得较多的, 主要为坡度均方根Z2、结构函数SF和粗糙度指数Rs与JRC的关系。相关公式如表1。
Lee等[9,10]基于分形几何理论建立了一系列分维数D与JRC之间的关系式, 虽然也能达到较高的相关性, 然而对节理分维特征的认识因人而异, 据此建立的表达式各有不同, 至今也未得到统一的结论。有学者[11,12]将经典统计学对节理表面形态的描述参数分成高差参数和纹理参数两大类, 用以定量地描述典型剖面。Bahat[13]引进了14个参数来描述节理形态, 几乎涉及了节理几何形态的方方面面, 但描述表面形态特征的参数并非越多越好, 当描述表面形态的指标体系中的参数多到一定程度时, 对表面几何特征描述的精确性反而因指标体系的复杂化而下降, 故其结论并未得到推广。Tse等[4]研究得到了节理表面的8个统计参数与JRC之间存在的对应关系, 发现坡度均方根Z2和结构函数SF与JRC关系式中回归系数较高, 分别为0.986和0.984;Maerz等[5]则发现粗糙度指数Rs与JRC间也有很强的对应关系, 回归系数为0.984。这种基于经典统计参数求JRC的方法相对客观, 可以达到较高的精度, 得到大量学者认可。然而, 不同学者基于同一参数却提出了不同的函数关系表达式, 这在一定程度上影响到参数的选择和应用, 因此继续开展JRC取值的定量化研究是非常必要的, 本文将结合最新的图像分析技术展开客观确定JRC值的研究。
1 JRC剖面线的数字化
自1980年以来, 多位学者采用统计参数确定与10条典型节理剖面线的JRC值的函数关系, 并将此函数用于描述真实节理的粗糙程度。由于所采用的JRC剖面线统计参数的量化精度差异, 得到的函数关系不尽相同, 例如采用针梳法, 取样针本身具有一定的宽度, 取值也就有上下界之分, 得到结果主观性很强。随图像处理技术的进步, 在JRC典型剖面线上进行精确采样成为可能, 这为进行后续研究提供了可靠的前提条件。
采用每厘米600点 (dpi) 的分辨率对10条典型剖面进行采样。首先对将要进行采样的剖面线逐段局部放大, 按照一定的采样间距在典型剖面线的中线位置取采样点。然后将同一剖面线的各取样段精确拼接得到整条剖面线的取样图。最后将得到的带有取样点的图像转换成位图图像文件并导入Matlab软件进行图像处理, 从而得到各采样点的坐标数据。分别选取采样间距为0.5、1.0、2.0和4.0 mm时进行数据统计。
2 统计参数
根据经验选取与JRC相关系数较高的坡度均方根Z2、结构函数SF和粗糙度指数Rs作为计算参数, 在给定的采样间距下, Z2、SF和Rs的计算公式分别为:
式中:yi为节理剖面xi的高度, Δx是xi+1与xi之间的距离, L为节理剖面的水平长度, 如图2所示。
在不同采样间距下, 将采集到的坐标数据代入式 (1) ~式 (3) 计算Z2、SF和Rs。
3 相关性分析
3.1 数据结果的可靠性分析
为确保图像处理技术结果的可靠性, 首先选择采样间距为0.5 mm和1.0 mm时的统计参数值与以往学者研究的数据对比 (大多数学者选取这两个取样间距进行研究) , 图3, 图4为本文利用图像处理技术计算得到的结果与Tse[4]及Yu[6]和Tatone[7]利用其他方法得到的计算结果的比较 (以Z2值为例) 。
由上图可以看出, 通过图像处理技术得到的参数与之前学者的研究数据均有较高的相似度, 绝大多数相对差值在10%之内。随着研究技术的进步, 越是最近的成果与本文得到的数据越吻合。与Tatone[7]的计算结果对比, 除JRC为16—18剖面线外 (差值为15%) , 其余九组差值均在0.4%~1.6%之间。这说明通过三个经典统计参数Z2、SF和Rs获得与节理粗糙度系数JRC的关系是客观的, 如果采取相同的精度就会得到误差允许范围内的回归函数。同时也表明利用图像处理技术采样并获得数据的方法是完全可行的, 具有较高的精度, 其完全数字化的技术加快了处理速度, 有较高的应用价值。
3.2 采样效应
采用不同采样间距计算上述统计参数, 列于表2~表4。可以看出, 采样间距对参数计算有明显的影响, 但对Z2和SF、Rs是不相同的, 原因可能在于Z2、SF和Rs反映了节理粗糙特性的不同方面, 如坡度均方根Z2反映了平均起伏度的影响, 而结构函数主要反映剖面线上采样点的相关性。
由上表可以看出, Z2的计算值随采样间距的增加而变小, SF、Rs的计算值随采样间距的增加而增大, 如图5所示。10条典型剖面线的统计参数随采样间距变化的敏感度也不相同:4号和9号剖面线的坡度均方根采样效应最明显, 对于结构函数则是6号和8号剖面线受采样效应影响最大。
3.3 函数关系
通常认为采样间距为0.5 mm时即可充分表达10条典型剖面线的形态特征。在此采样间距下, 利用不同的函数关系分析统计参数与JRC值的函数关系, 其中以对数函数得到的相关性最好, 见式 (4) ~式 (6) 。
当采样间距分别为1 mm、2 mm及4 mm时, 分析表明并没有某一确定的函数类型有最好的相关性:采样间距为1.0、2.0和4.0 mm时, 线性函数最适合表达JRC与Z2的关系, 而对数函数更适合描述JRC与SF、Rs的关系。下面为采样间距为1.0、2.0和4.0 mm时JRC与Z2采用线性与对数函数拟合时的对比。
4 结论
(1) 采样间距对Z2和SF、Rs的影响是不相同的, Z2的计算值随采样间距的增加而变小, SF、Rs的计算值随采样间距的增加而增大。不同典型剖面线的统计参数对采样间距变化的敏感度也不相同。
(2) 采样间距为0.5 mm时, 对数函数适合用于描述JRC与Z2、SF和Rs的关系;而采样间距为1.0、2.0和4.0 mm时, 线性函数最适合表达JRC与Z2的关系, 指数函数最适合表达JRC与SF、Rs的关系。
统计参数分析 篇10
1 正常脑功能性别、年龄差异
徐卫平等[2]应用SPM评价了306 例健康人大脑PET显像结果, 探讨健康成年人大脑葡萄糖代谢水平的性别差异。结果显示:女性左侧扣带后回、右侧颞叶中央后回、左侧额叶中央前回、右侧额叶上回的脑葡萄糖代谢率较男性组增高。男性组右侧额叶旁中央小叶的脑葡萄糖代谢率较女性组增高。Kawachi等[3]采用SPM研究44 例健康志愿者在安静状态下的脑葡萄糖代谢的性别差异。结果表明男女性之间存在明显的差异, 男性右侧岛叶、颞中回和额中回局部脑葡萄糖代谢率较女性明显增高, 女性下丘脑的局部脑葡萄糖代谢率较男性明显增高。但也有文献报道脑葡萄糖代谢不存在明显的性别差异[4]。
司明珏等[5]应用SPM评价了252 例健康人大脑PET显像, 分析了随年龄增长的趋势性表现。结果显示:以21 ~ 30 岁年龄段作参照, 每10 岁为1 组, 其中31 ~ 40 岁、41 ~ 50 岁及51 ~ 60 岁3 个年龄段脑代谢无明显减低; > 60 岁年龄段脑代谢减低进程显著加快, 主要涉及双侧额叶、颞叶、岛叶、前扣带回及小脑, 以右侧半球代谢减低明显。
2 癫痫及网络成瘾
陆东燕等[6]应用SPM评价颞叶内侧癫痫PET显像, 研究发现SPM具有较高定侧准确性。对比ROI方法, SPM更容易发现双侧颞叶和颞叶外侧的异常代谢区域。有学者分析38 例额叶癫痫患者低代谢病灶, 并对视觉分析、ROI、SPM三种分析方法进行比较, 发现SPM的分析结果与视频脑电图的结果一致性最好[7]。
陶然等[8]应用SPM对网络成瘾者PET图像进行分析, 发现枕叶和中央后回等视空间网络代谢减低可能是网络成瘾者沉迷游戏的原因。
3 不同类型痴呆
18F-FDG PET显像在不同类型痴呆中表现为不同的皮质代谢特征[9], 对于痴呆的鉴别诊断是一种良好的辅助检查手段。阿尔茨海默病和额颞叶痴呆早期易混淆。崔瑞雪等[10]应用SPM评价不同类型痴呆脑代谢改变图型。阿尔茨海默病患者18F-FDG分布减低区域为双侧颞顶叶皮质、部分额叶皮质, 后者降低程度小于前者, 双侧基本感觉运动皮质、视皮质、基底节和丘脑代谢活性基本保留。额颞叶痴呆组患者低代谢区域分布在双侧额颞叶皮质且双侧明显不对称, 双侧尾状核头代谢呈不对称性降低。据相关文献报道, 18F-FDG PET可以提高二者鉴别诊断的准确性[11,12,13], 两种痴呆类型代谢改变图型明显不同, 阿尔茨海默病患者代谢降低区域以颞顶叶最为明显, 且表现为双侧基本对称受累;额颞叶痴呆患者则以额颞叶皮质代谢降低为主, 且双侧明显不对称。
路易体痴呆患者组双侧顶枕叶皮质、颞上回前部代谢明显降低, 前扣带回、中央沟邻近皮质代谢呈局灶性轻度降低。路易体痴呆的特征性表现是枕叶视皮质代谢降低, 可能与此类患者多出现幻视有关[14]。另有学者认为[15], 颞叶内侧海马区代谢相对增高。以上结果表明, SPM在揭示脑功能定位与认知关系研究中显示出重要作用。
4 应用SPM软件注意事项
应用SPM软件研究需要注意下列事项: (1) 受检者在准备过程中和检查时的环境与心理状态可能导致假阳性结果。 (2) SPM是针对图像体素的统计分析, 目前国内的SPM研究多局限于PET图像间的组间或配对分析, 较少涉及矩阵分析, 国外的研究往往涉及功能图像和临床指标的相关回归分析、多因素分析等[16], 因此有必要扩大SPM分析的统计角度; (3) 要客观了解SPM的优势和不足, 由于SPM软件分析PET图像数据时需要使用相应显像剂的特定模板, 目前已有的是脑血流灌注及葡萄糖代谢的模板, 因此在受体显像研究中, 需强调受体标准脑模板的建立, 才能得到相对客观、准确的试验结果。 (4) SPM使用未校正的多重比较检验, 具有灵敏性高的优点, 也导致了一定的假阳性率。在以后的研究中, 可以进一步开展经校正的统计方法, 并与未校正的结果进行对比, 以期根据临床的不同需要确定相应的统计方法。 (5) SPM是基于整个大脑平均激活效果的分析方法, 没有考虑多个脑区间的功能性联络关系, 而相关疾病模式概念的提出, 比如帕金森病相关模式[17]可对病变脑整体代谢模式进行评估, 有助于临床的诊断、治疗及预后评价, 并能深入了解精神与神经疾病的功能异常联系。 (6) 明确图像的配准定位, 特别是头部在图像采集中的移位以及部分容积效应。
综上所述, 对于生理及病理状态下的脑功能成像, SPM具有明确的价值, 有助于揭示各种精神与神经活动的基本规律。脑功能成像精细、动态定位与定量分析技术, 必将在未来脑科学研究中占据重要地位。
【统计参数分析】推荐阅读：
非参数统计分析方法08-21
非参数分析08-27
几何参数仿真分析06-17
多参数联合分析07-31
血气分析仪招标参数10-20
馈线参数变化原因分析08-14
电子商务数据分析参数10-03
简支波纹钢腹板箱梁桥腹板几何参数优化分析05-14
小波变换在二维瞬时参数分析中的应用10-24
统计和分析10-16