Программа курса «Математические методы обработки геологической информации»
| скачать Программа курса «Математические методы обработки геологической информации» 1. Организационно-методический раздел.
Основной целью освоения дисциплины является получение студентами знаний о математических методах обработки наблюдений и построении эмпирических моделей исследуемого явления. Для достижения поставленной цели выделяются задачи курса: ознакомление с методами представления данных; ознакомление с методами анализа данных; ознакомление с методами теории статистических выводов; ознакомление с методами теории статистических решений.
По окончании изучения курса студент должен:
строить простейшие эмпирические модели.
Итоговый контроль: экзамен. Текущий контроль: в течение семестра каждым студентом выполняется 4 задания; кроме того, по 4 темам готовятся индивидуальные сообщения.
2.1 Новизна курса. Фундаментальные и прикладные исследования по геологии нефти и газа требуют обширных знаний по методам обработки данных. Без их изучения невозможно построение эмпирических моделей широко используемых в геологии нефти и газа, оценка рисков при разработке программ геолого-разведочных работ. Именно поэтому курс является одним из необходимых при подготовке специалистов в области геологии нефти и газа. Новизна курса заключается в том, что в процессе обучения студенты получают не только традиционные теоретические знания в области математической статистики, но и имеют возможность познакомиться с современными научными достижениями в этой области. 2.2 Тематический план курса. Лекции – 48 часов Практические занятия – 24 часа Самостоятельная работа – 30 часов Всего – 102 часа 2.3 Содержание отдельных разделов и тем.
Математические модели в эмпирических исследованиях, предмет курса, классификация методов обработки результатов наблюдений, математическое образование студента-геолога, цели и задачи курса.
Источники данных, стохастический характер наблюдений, понятие об энтропии и информации.Измерения, шкалы измерений, физическая размерность, погрешности измерений. Представление данных.
Описание многомерной структуры, сильная шкала – мера взаимосвязи, дисперсионный и ковариационный анализ, порядковая шкала, шкала наименований. Преобразование данных, главные компоненты, канонические корреляции. Сокращение размерности признакового пространства, метод главных компонент, факторный анализ, нелинейное преобразование признаков, экстремальная группировка признаков, многомерное шкалирование. Сокращение размерности пространства наблюдений, методы кластерного анализа.
Общая схема статистических выводов. Точечное оценивание, критерии оценки, метод максимального правдоподобия, метод моментов, метод наименьших квадратов, оценка параметров распределений, оценка параметров регрессии, оценивание вероятностных распределений, слабая шкала, оценка параметров временных рядов. Интервальное оценивание, оценивание параметров распределений, оценивание параметров регрессии. Проверка статистических гипотез, принципы проверки статистических гипотез, проверка гипотез о параметрах раcпределений, проверка гипотез в регрессионном анализе, критерии согласия, слабая шкала.
Байесовское оценивание, байесовская теория проверки гипотез, теория распознавания образов, дискриминантный анализ. 2.4^ : Элементарные статистические характеристики. Методы кластерного анализа. Корреляционный и регрессионный анализ. Критерии согласия. ^ 3.1 Темы индивидуальных сообщений: Методы имитационного моделирования. Факторный анализ. Меры связи для слабых шкал. Временные ряды. 3.2 Образцы вопросов для подготовки к экзамену. 3.3 Список основной и дополнительной литературы.
Программу составил, к.г.-м.н., доцент Лившиц В.Р. Новосибирск, 2009
|
Ваша оценка этого документа будет первой.
Ваша оценка: Разместите кнопку на своём сайте или блоге: