книги / Статистика и анализ геологических данных
..pdfФиг. 5.22. Сравнение двух нечисловых последовательностей с помощью метода взаимосвязей.
Две последовательности изображены в положении максимума сходства.
|
|
|
|
|
Т а б л и ц а |
5.20 |
|
|
Число наблюдений каждого из литологических |
|
|||||
|
состояний в двух стратиграфических |
|
|||||
|
|
последовательностях |
|
|
|||
|
Категория |
Цепь |
I |
Цепь |
II |
х 1к х 2к |
|
1. Песчаник |
2 |
|
3 |
|
6 |
|
|
2. Сланец |
5 |
|
5 |
|
25 |
|
|
3. Известняк |
1 |
|
2 |
|
2 |
|
|
4. |
Уголь |
1 |
|
0 |
|
0 |
|
5. |
Алевролит |
3 |
|
2 |
|
6 |
|
|
|
|
|
|
m |
|
|
Сумма |
ni = |
12 |
П2 = 12 |
2 |
X lk X2k = |
39 |
|
|
|
|
|
|
k = |
1*18 |
|
Последний столбец таблицы содержит произведение числа наб людений в каждой категории, а последняя строка — соответст вующие суммы по столбцам. Вероятность появления совпадений
18 Заказ № 455
в любых положениях при сравнении двух случайных последова тельностей применительно к нашим разрезам равна
Рг = |
39 |
= 0,27. |
12 • 12 |
||
Вероятность отсутствия совпадений .равна 1,00 — 0,27 = 0,73. |
||
Мы вычислили вероятность |
получения совпадений в двух |
цепях со случайно расположенными элементами, соответствую щих одному и тому же распределению наблюдений, как и в рас смотренных нами двух последовательностях. Среднее значение числа совпадений для интервала перекрытия определяется 'как произведение величины Рг на число сравнений. Аналогично среднее число несовпадений равно произведению (1 — Рг) на число сравнений. Предположим, что две последовательности в нашем примере полностью перекрываются, в результате чего получается 12 позиций для сравнения. Среднее число совпаде
ний в |
последовательности |
равно |
12x0,27 = 3,2, |
а среднее число |
|||
несовпадений равно |
12x0,73 = 8,8. Используя |
эти |
величины, |
||||
построим %2-статистику |
|
|
|
|
|
||
|
, |
( О - Е ) 2 . |
(O ' — Е ')2 |
|
|
(5.50) |
|
|
а- |
Е |
Е' |
|
|
||
|
|
|
|
||||
где О — наблюдаемое число совпадений, |
О' — наблюдаемое |
||||||
число |
несовпадений, |
Е — среднее |
число совпадений, |
Е' — сред |
|||
нее число несовпадений. |
|
|
|
|
|
||
Эта |
статистика |
имеет |
х2"РаспРеДеление |
с |
одной степенью |
свободы. Если среднее число совпадений мало, как в случае сов падений вблизи концов цепей, то критерий можно улучшить, используя поправку Уэйта (см. [9]). Она сводится к вычитанию 72 из абсолютного значения разности наблюдаемого и среднего значений:
2 |
( о _ е - |
1/2)2 , |
( 0 ' - Е' - 1/2)2 |
(5.51) |
|
а - ■“ |
Е |
“г |
|
Е' |
|
|
|
||||
Число степеней |
свободы |
при |
этом |
остается неизмененным, |
|
v = 1. |
|
|
|
|
|
В нашем примере |
|
|
|
|
|
|
0 = |
2, |
0 ' = |
10, |
|
|
Е = |
3,2, |
Е' = |
8,8, |
|
поэтому значение критерия %2 равно
„а |
( 2 - 3 ,2 )2 |
" г |
(1 0 - 8 ,8 )2 |
= 0,61, |
L ~~ |
3.2 |
8.8 |
|
но это незначимая величина. Можно сделать вывод, что наблю даемое число совпадений между двумя последовательностями
в данной позиции сравнения не больше, чем среднее значение для двух случайных последовательностей с аналогичной струк турой. Поправка Уэйта для малых выборок не изменяет этого вывода.
Так как мы имели дело с дискретным рядом событий (сов падение или несовпадение), то распределение частот совпадений подчиняется биномиальному закону. Среднее число возможных совпадений для двух случайных последовательностей, которые сравниваются при п* перекрещивающихся позициях, равно
|
|
Ё = Р г(п *). |
(5.52) |
Расстояние |
наблюдаемого |
числа совпадений от этого |
среднего |
в единицах |
стандартного |
отклонения выражается по |
формуле |
|
|
О - |
(5.53) |
|
|
Е (I — Рг) |
|
|
|
|
К сожалению, мы не можем вычислить вероятность получения наблюдения, имеющего столь большое отклонение от среднего значения биномиального распределения, если не будем иметь в распоряжении подробных таблиц биномиального распределе ния. Последние не вполне пригодны при больших значениях п, которые как раз и нужны в задачах изучения взаимосвязей. Однако мы можем использовать нормальное приближение к би номиальному распределению, выражаемое формулой (5.54), и найти вероятность появления заданного значения отклонения от среднего. С этой целью можно использовать таблицы стан дартного нормального распределения, аналогичные табл. 3.8:
Z = J/rn* (2arcsin j/O /n* —2 arcsin ]/Рг)- |
(5.54) |
Подставляя требуемые значения для двух последовательностей в формулу (5.54), получим
Z = У 12 (2 arcsin ]/2/12 —2 arcsin 1/0,27)
или
Z = 3,46 (2 arcsin 0,41 —2 arcsin 0,53) = —0,97.
Сравнивая две случайные последовательности, мы можем ожи дать три совпадения, а наблюдаем два, что на одно стандарт ное отклонение отличается от ожидаемого числа совпадений. Наблюдаемое число совпадений в этой позиции вполне может быть случайным.
Последовательность операций при составлении программы для изучения взаимосвязей вполне аналогична программе вы числения коэффициентов взаимной корреляции CROSCR (про грамма 5.9). Различие состоит в том, что первоначально производится изучение двух последовательностей с целью
c |
PROGRAM |
5 - Г О |
|
|
|
|
|
|
|
|
|
|
|
||
С |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
С |
R O U T IN E |
XAS SOC |
|
|
|
|
|
|
|
|
|
|
|||
С |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
С |
PROGRAM |
ТО PERFORM |
CROSSASSOCJ д н о м |
BETWEEN |
TWO SEQUENCES OF |
|
|||||||||
C |
N O M IN A L D A T A . |
|
|
|
|
|
|
|
|
|
|
|
|||
C |
TH E |
F O L L O W IN G |
V A R I A B L E S |
ARE |
USED |
I N |
C O M PU T IN G TH E |
C H I |
SQUARE |
T E S T |
|||||
C |
S T A T I S T I C A T EACH |
MATCH P O S I T I O N . |
|
|
|
|
|
|
|||||||
С |
0 = OBSERVED NUMBER OF M ATC HES - |
|
|
|
|
|
|
||||||||
C |
OP |
= |
OBS ERVED |
NUMBER O F M IS M A T C H ES |
|
|
|
|
|
||||||
С |
E |
= |
E XPECTED |
NUMBER O F |
MATCHES |
|
|
|
|
|
|
||||
С |
EP |
= EXP E C T ED |
NUMBER OF M IS M A T C H ES |
|
|
|
|
|
|||||||
C |
C H I |
= |
T H E S T A T I S T I C COMPUTED I N |
E Q U A T IO N 5 . 5 1 |
|
|
|
||||||||
C |
C H I Y |
|
= THE |
S T A T I S T I C COMPUTED I N |
E QU A T IO N |
5 . 5 2 |
|
|
|
||||||
C. |
S |
= |
STANDARD |
D E V I A T I O N |
FROM |
MEAN |
NUMBER OF |
MATCHES |
|
|
|||||
C |
T H E |
S U B R O U T IN E S |
R E Q U IR ED |
ARE |
READM, |
P R I N T M , |
AND T S P L O T |
|
|
||||||
C |
|
|
|||||||||||||
C |
D I M E N S I O N X I N 1 ( 2 5 0 ) , X I N 2 ( 2 5 0 ) , X d U T ( 5 0 0 ) |
|
|
|
|
||||||||||
C |
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
C |
READ |
I N |
TH E TWO |
SEQUENCES OF |
D A T A , |
P R I N T THEM O U T, |
AND |
P LO T |
T H E M . |
||||||
C |
C A L L R E A D M ( X I N I , N I N I , N 1 , 2 5 0 , 1 ) |
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|||||||||
|
C A L L P R I N T M ( X I N I , N I N I , N 1 , 2 5 0 , 1 ) |
|
|
|
|
|
|
||||||||
|
W R IT E ( 6 . 2 0 0 3 ) |
|
|
|
|
|
|
|
|
|
|
||||
|
C A L L T S P L O T ( X I N I , N I N I , 2 ) |
|
|
|
|
|
|
|
|
||||||
|
W R IT E ( 6 , 2 0 0 4 ) |
|
|
|
|
|
|
|
|
|
|
||||
|
C A L L R E A D M ( X I N 2 , N I N 2 , N 1 , 2 5 0 , I ) |
|
|
|
|
|
|
||||||||
|
C A L L P R I N T M ( X I N 2 , N I N 2 , N I , 2 5 0 , I ) |
|
|
|
|
|
|
||||||||
|
W R IT E ( 6 , 2 0 0 5 ) |
|
|
|
|
|
|
|
|
|
|
||||
|
C A L L T S P L O T ( X I N 2 , N I N 2 , 2 ) |
|
|
|
|
|
|
|
|
||||||
|
W R IT E ( 6 , 2 0 0 6 ) • |
|
|
|
|
|
|
|
|
|
|||||
|
N 1 = 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
N 2 = 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P R = 0 . 0 |
|
|
|
|
|
|
|
|
|
|
|
|
||
|
X = 0 . 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 XIK=*0.0 |
|
|
|
|
|
|
|
|
|
|
|
|
|||
C |
X 2 K = 0 . 0 |
|
|
|
|
|
|
|
|
|
|
|
|
||
F I N D |
TH E |
SUM OF |
TH E PRODUCTS OF EACH |
OF TH E |
C A T E G O R IE S |
I N TH E |
|
||||||||
C |
|
||||||||||||||
C |
TNO |
C H A I N S X I N I |
AND |
X I N 2 . |
|
|
|
|
|
|
|
|
|||
C |
DO 1 0 0 I а* I , N I N I |
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|||||
|
I F |
( X - X I N 1 < I ) ) |
I 0 0 , 2 , I 0 0 |
|
|
|
|
|
|
|
|
||||
2 |
N I =N I +1 |
|
|
|
|
|
|
|
|
|
|
|
|
||
I 0 0 |
X 1 K = X I K + I . 0 |
|
|
|
|
|
|
|
|
|
|
|
|||
C O N T IN U E |
|
|
|
|
|
|
|
|
|
|
|
||||
|
DO |
101 I=sl * N I N 2 |
1 0 1 , 3 , 1 0 1 |
|
|
|
|
|
|
|
|
||||
|
I F ( X - X I N 2 U ) ) |
|
|
|
|
|
|
|
|
|
|||||
3 |
N 2 = N 2 + I |
|
|
|
|
|
|
|
|
|
|
|
|
||
|
X 2 K = X 2 K + I . 0 |
|
|
|
|
|
|
|
|
|
|
|
101C O N T IN U E
P R = P R + X I K * X 2 K
|
X = X + I |
. 0 |
|
|
|
|
|
|
|
|
|
|
|
||
|
I F |
( N I - N l N I ) 4 , 5 , 5 |
|
|
|
|
|
|
|
|
|
||||
4 I F ( N 2 - N I N 2 ) |
1 , 5 , 5 |
|
|
|
|
|
|
|
|
|
|||||
C |
F I N D |
TH E |
P R O B A B I L I T Y T H A T |
A GIVEN |
SEQUENCE |
W I L L |
M A T C H . |
||||||||
C |
|||||||||||||||
C |
PR=PR/FL0AT(NINI*NIN2) |
|
|
|
|
|
|
|
|
||||||
5 |
|
|
|
|
|
|
|
|
|||||||
|
WRITE |
( 6 ,2 0 0 0 ) PR |
|
|
|
|
|
|
|
|
|
||||
C |
Z 2 = A T A N ( S O R T ( P R ) / S O R T ( I . O - P R ) ) |
|
|
|
|
|
|
||||||||
L E N 3 |
I S USED TO D E T E R M IN E |
TH E I N I T I A L |
VALUE |
OF |
L E N I , |
T H E LEN GTH |
|||||||||
C |
|||||||||||||||
C |
OF |
C H A IN |
1* |
I E L E N I |
I S |
TOO |
SMAL L |
I N |
TH E |
I N I T I A L |
MATCH |
P O S I T I O N S |
|||
C |
TH E |
E XPECTED |
NUMBER |
OF |
M ATCHES, |
E , |
W I L L BE ZERO |
AND TH E R O U T IN E |
C |
WOULD ATTEMPT TO DIVIDE |
BY ZERO IN COMPUTING CHI. |
||||
C |
LEN3 |
= |
3 |
|
|
|
|
|
|
||||
|
IF(LEN3 |
.LT. 3) LEN3=3 |
|
|||
|
NOT-NINI+NIN2-(LEN3+LEN3-J) |
|||||
|
IB1 = 1 |
|
|
|
|
|
|
IE I=LEN3 |
|
|
|||
|
IB2=NIN2-LEN3+I |
|
|
|||
|
IE2=NIN2 |
|
|
|||
|
LEN1=LEN3 |
|
|
|||
|
WRITE |
(6 ,2 0 0 2 ) |
|
|
||
|
DO |
103 1 = 1 ,NOT |
|
|
||
|
AL=LENI |
|
|
|
||
|
M=0 |
104 |
J=I,LENI |
|
|
|
|
DO |
|
|
|||
|
J 1 = IB I+ J - I |
|
|
|||
|
J2 =IB 2 +J -I |
|
|
|||
7 |
IF |
(X IN I< J I) - X IN 2 (J2 )) |
1 0 4 ,7 ,1 0 4 |
|||
M=M+I |
|
|
|
|
||
104 |
CONTINUE |
|
|
|||
C |
|
|
|
|
|
|
C |
COUNT OBSERVED MATCHES |
|
||||
c |
0=M |
|
|
|
|
|
|
|
|
|
|
||
|
OP=LENI-M |
|
|
|||
|
П = |
PR*AL |
|
|
||
|
EP |
= |
FLOAT(LEH1) - |
E |
|
|
C |
COMPUTE CHI-SQUARE |
STATISTICS |
||||
C |
||||||
c |
|
|
|
|
|
|
C H I=((0 -E )* * 2 )/E + ((O P -E P )* * 2 )/E P
C H IY = ((0 -E - 0 .5 )* * 2 )/E + ( (OP-EP-O.5 ) **2)/EP
S = ( 0 - E ) / ( E * ( I . O - P R ) ) • XOUT(I)=S A=SQRT(0/AL)
C
C NORMAL APPROXIMATION OF BINOMIAL PROBABILITY C
ZI=ATAN(A/SORT(I. 0-A*A)) Z=s2. 0*SQRT(AL)*(Z I - Z 2 ) PER=0*I00.0/AL
WRITE ( 6 , 2 0 0 1 ) I , IB I , I E l , IB 2, 1E2,PER,S,CHI,CHIY,Z IEI =1 El +1
IF (I E I - N I N I) 12,12,1 I
11I B l s l B I + l I E I * N I N I
12IB2 - IB2 - I
IF (IB2) 1 3 ,1 3 ,1 4
13182=I IH2=IE2-1
14LEN1 = I E I - I B I +1 LEN2=IE2-IB2+I
IF(LENI-LEN2) 1 5 ,1 0 3 ,1 6
15I Ь I= I IE2=IE2-I GO TO 14
16Ibl=IBI+1
IE2=NIN2
GO TO 14
103 CONTINUE
c
C PLOT STANDARD DEVIATIONS FROM EXPECTED NUMBER OF MATCHES
C
CALL TSPLOT( XOUT, NOT,2)
WRITE |
(6 ,2 0 0 7 ) |
CALL E X I T
2 0 0 0 |
FORMAT |
( 6 H 1 P R = |
, F I 5 . 6 > |
|
||
|
F Q R M A T ( / / 4 x ! ' M A T C H % 3 X * ' T E R M S ^ I N ' ' T E R M S I N ' , 5 X , ' P E R C E N T ' |
|||||
|
1 , 9 X , ' S T A N D A R D ' , 7 X , ' U N C O R R E C T E D ' , 1 1 X , ' Y A T E S ' , 1 3 X , ' Z ' , / , 2 X , |
|||||
|
2 ' P 0 S 1 T I 0 N ' , 3 X , ' C H A I N . l ' « 4 X , ' C H A I N 2 ' , 6 X , ' M A T C H E S ' , I O X, |
|||||
|
3 ' D E V I A T I O N ' , 6 X , ' C H I S Q U A R E ' , I O X , ' C H I S Q U A R E ' , 8 X , ' V A L U E ' / / ) |
|||||
2 0 0 3 |
FORMAT |
( / ' |
F I R S T |
DATA S E Q U E N C E ') |
||
2 0 0 4 |
FORMAT |
( / ' |
P LO T |
OF F I R S T DATA |
S E T ' ) |
|
2 0 0 5 |
F O R M A T ! / ' |
SECOND |
DATA S E T ' ) |
S E T ' ) |
||
2 0 0 6 |
F O R M A T ! / ' |
PLO T |
OF |
SECOND DATA |
||
2 0 0 7 |
F O R M A T ! / ' |
P LO T |
OF |
STANDA RD D E V I A T I O N S ' ) |
END
Программа 5.10. XASSOC
определения числа наблюдений в каждом классе, которые затем используются для вычисления значения Рг. Затем обе после довательности сдвигаются относительно друг друга и на каждом шаге вычисляются величины О, O', Е и Е', а результаты хра нятся в памяти машины. После того как массивы данных сфор мированы, можно вычислить для каждого положения отноше ние, число совпадений и стандартное отклонение. Эти значе ния можно напечатать или представить графически с помощью подпрограммы TSPLOT (программа 5.7). Программа 5.10 XASSOC предназначена для вычисления характеристик взаимо связей между двумя последовательностями целых чисел, в ко торых каждое целое число представляет соответствующую кате горию наблюдений. По структуре эта программа напоминает программу ALGOL, опубликованную Сэкином, Снитом и Мэрриэмом [21].
Примечание. Для вычисления нормального приближения требуется на хождение арксинусов двух чисел. Функция arcsin отсутствует в большинстве компиляторов ФОРТРАНа, однако ее можно вычислить с помощью неко торого преобразования, используя подпрограмму ARCTAN, имеющуюся в ФОРТРАНе. Арксинус числа есть угол (или число), синус которого равен X. Мы обозначим этот угол (или число) через 0. Таким образом,
X = sin 0.
Используя следующие тригонометрические соотношения:
cos2 6 + sin2 0 = 1,
cos 0 = У'"1 — sin2 0,
получим
0 = arctg sin 0 cos 0
Используя определение sin 0 и представив cos 0 через sin 0, имеем
X
0 = arctg
Y 1 — sin2 0 ’
Подставляя значение sin 0, получаем
fl = arctg- VI — Х2
Эту последовательность операций на языке ФОРТРАН можно выразить пред ложением
A SX = ATAN (X/SQRT (1.0 - X ** 2)),
что и дает обратную функцию.
В качестве примера применения этого корреляционного ме тода рассмотрим задачу сопоставления множеств наблюдений в разрезах угольного бассейна центральной Англии. Хорошие обнажения пород здесь редки, а электрокаротаж не дает какойлибо информации, поэтому большая часть данных о стратигра фической последовательности получена в карьерах и шахтах. Закодируем литологические разности пород следующим обра зом: 1 — песчаник; 2 — алевролит; 3 — сланец, не содержащий фауны; 4 — подстилающая глина; 5 — уголь; 6 — сланец, содер жащий фауну; 7 — известняк. Первый разрез изучался в затоп ленной угольной шахте. Второй, менее мощный разрез обнажен в стене открытого угольного карьера в 6 милях от первого. Найдите положения наилучшего совпадения короткой и длин ной последовательностей. Данные приведены в табл. 5.21.
Т а б л и ц а 5.21 Два закодированных стратиграфических разреза в центральной Англии
|
Основание |
|
|
|
|
|
|
|
|
|
|
|||
Разрез шахты |
2 |
4 |
5 |
6 |
3 |
4 |
5 |
3 |
1 |
4 |
5 |
3 |
4 |
5 |
|
3 |
4 |
5 |
4 |
5 |
3 |
2 |
4 |
5 |
3 |
4 |
5 |
3 |
1 |
|
4 |
5 |
4 |
5 |
6 |
3 |
4 |
5 |
6 |
3 |
4 |
5 |
2 |
1 |
|
3 |
4 |
5 |
3 |
5 |
3 |
2 |
4 |
5 |
3 |
5 |
2 |
|
|
|
Основание |
|
|
|
|
|
|
|
|
|
|
|||
Разрез карьера |
4 |
5 |
3 |
4 |
5 |
4 |
5 |
3 |
2 |
1 |
2 |
4 |
5 |
3 |
П римечание. 1 песчаник, 2 — алевролит, 3 — сланец, не содержащий фауны, 4 — подстилающая глина, 5 — уголь, 6 — сланец, содержащий фауну, 7 — известняк.
Из предыдущего примера ясно, что метод изучения взаимо связей не является качественным эквивалентом взаимной кор реляции. Имея дело с временными рядами, мы должны пред полагать, что наблюдения располагаются в точках вдоль некоторой прямой; это ограничение отсутствует в анализе взаи мосвязей. Наши данные могут просто состоять из последователь ности состояний, перечисленных в том порядке, в котором
они встречаются. Как в только что приведенных стратиграфиче ских разрезах, расстояния между последовательными точками в этом случае несущественны.
Программу для исследования ассоциаций (автоассоциаций) для цепей 1 и 2 можно использовать при изучении периодич ностей в порядке следования состояния. Именно так она и была
широко применена |
при изучении |
циклотем (Сэкин и Мэр- |
риэм [20]). |
сравниваются |
не две последовательности, |
В этом случае |
а одна последовательность сама с собой. Укажем вероятность совпадения в этом случае. Биномиальная вероятность получения данного числа совпадений в случайной последовательности при сравнении ее самой с собой составит
m |
|
|
2 |
Х * - п |
|
Р г = ^ |
п г — |
(5.55) |
Мы предполагаем, что последовательность представляет со бой случайное размещение m состояний или классов, причем каждое состояние встречается Хк раз. Общее число наблюдений
m
равно ^ Хк = п. Эту вероятность надо прямо подставлять в (5.52) к-1
и использовать при вычислении /^распределения и стандартного отклонения. Критерий предназначен для проверки нулевой ги потезы, заключающейся в том, что число совпадений не отли чается от ожидаемого числа совпадений для случайной последо вательности при сравнении ее с самой собой.
Для иллюстрации применения метода автоассоциаций можно использовать данные из разреза шахты (табл. 5.21). Сделайте необходимые изменения в программе 5.9 так, чтобы в ней для вычисления вероятностей использовалась формула (5.55). Это изменение можно осуществить оптимальным образом, т. е. ис пользовать оператор IF, в котором управление передается пред ложению с номером, который считывается до ввода данных. Тогда программа 5.10 может использоваться для изучения как автоассоциаций, так и взаимосвязей.
Если в разрезе шахты будет содержаться много повторяю щихся элементов, то это приведет к необыкновенно высоким зна чениям отношений, характеризующих совпадения, и к значи тельным отклонениям от ожидаемого среднего числа совпаде ний. Интерпретация графиков, характеризующих взаимосвязи, проводится аналогично интерпретации коррелограмм. Однако ко эффициент взаимосвязи вычисляется на основании номинальных данных, и в силу этого информация, содержащаяся в последо вательности, значительно беднее, чем в эквивалентном времен
ном ряду последовательности измерений. Так как мы исполь зуем качественные данные, то не можем ожидать того же результата, который можно было бы получить при анализе настоя щих временных рядов. Этот фактор необходимо учитывать при интерпретации результатов по взаимосвязям и автоассоциациям.
Ряды Фурье
Прежде чем подробно излагать теорию рядов Фурье, мы дол жны определить ряд терминов, используемых при циклическом повторении данных, упорядоченных на прямой. Большинство этих терминов взято из электротехники и используется при ана лизе электрических сигналов. Хотя электрический сигнал пред ставляет собой изменение энергии волны с течением времени, инженеры любят представлять себе его «замороженным» в осцил лографе. При изложении теории рядов Фурье инженеры всегда предполагают, что сигнал изменяется со временем, однако тот факт, что они исследуют сигнал как пространственное явление на экране осциллографа,'указывает, что время и пространство считаются равноправными. Несомненно, математически это кор ректно, и та неосознанная легкость, с которой инженеры поль зуются таким допущением, может убедить нас в том, что эти два понятия, как правило, взаимозаменяемы. Поэтому наше из ложение терминологически несколько отличается от большинства работ по анализу сигналов.
На фиг. 5.23 изображен повторяющийся сигнал, который мо жно описать чистой синусоидальной волной. Расстояние от одной точки волны до эквивалентной точки на следующей волне на зывается длиной волны X. Частота f — характеристика, обрат
ная длине волны, т. е. f = ~ — число волн, укладывающихся
в единицу длины или времени. В большинстве инженерных рас четов сигнал характеризуется частотой. В геологических задачах интереснее иметь дело с длиной волны. Время, требуемое для того, чтобы правильный сигнал повторился, называется его пе риодом. Термин период является эквивалентом длины волны, но период измеряется в единицах времени, например в милли секундах, а не в единицах расстояния, т. е. в сантиметрах. При описании таких явлений, как морские волны, удобно пользо ваться как длиной волны, так и периодом. Длина волны в этом случае измеряется как расстояние между гребнями соседних волн, период — как время, требуемое для того, чтобы две после довательные волны прошли фиксированную точку отсчета, как, например, конец волнореза. Это временной промежуток между моментом появления одной волны и моментом появления другой.
А
X
Фиг. 5.23. Регулярное повторение синусоидальной волны.
А, — длина волны; а — амплитуда.
(Возникновение термина периодический обязано слову период, которое означает сигнал, повторяющийся с правильными интер валами). Половина расстояния от впадины волны до гребня на зывается амплитудой (а).
На фиг. 5.24 изображены две одинаковые синусоидальные кривые, смещенные относительно друг друга. Соответствующие им амплитуды и длины волн одинаковы. Разность между значе ниями Yi и Y2 при данном значении X определяется различием в фазе между двумя волнами. Это различие можно описать с по мощью фазового угла ср, а его определение уяснить себе с по мощью фиг. 5.25. Простое механическое приспособление для по лучения синусоидальной волны состоит из диска радиуса г, вращающегося с постоянной скоростью. Карандаш, закреплен ный на стержне, присоединенном к краю диска, вычерчивает линию на бумаге, двигающейся с постоянной скоростью под кон цом стержня. Эта линия является синусоидальной волной, имею щей амплитуду а = г и длину волны, представляющую собой
Фиг. 5.24. Две синусоидальные волны, одинаковые по форме.
Различие между Yt и Ya для заданного значения X обусловлено различием фаз.