تاثیر الگوریتم های تخمینگر بیضی‌وار با کمترین حجم بر مقاوم‌سازی روش مولفه‌های اصلی در تحلیل داده‌های ژئوشیمیایی

وجود داده های خارج از ردیف در یک مجموعه داده ی ژئوشیمیایی باعث اریب شدن بردار میانگین و تورم ماتریس واریانس-کواریانس می-شود که در نتایج تحلیل های آمار چندمتغیره خطا ایجاد می‌کند. استفاده از تخمینگرهای مقاوم از جمله روش تخمینگر بیضی وار با کمترین حجم این مشکل را با به کارگیری بخشی از داده ها یا وزن دار کردن داده ها برطرف می کند. در این مقاله ضمن معرفی سه الگوریتم متفاوت از این تخمینگر یعنی mvevol، mvee و mvce، تاثیر آنها بر روی تحلیل مولفه های اصلی بررسی شده است. برای این منظور نتایج تجزیه شیمیایی 25 عنصر حاصل از 493 نمونه ی ژئوشیمیایی رسوبات آبراهه ای در ورقه 1:100000 مهرود در استان خراسان جنوبی به کار رفته است. نتایج نشان می دهند که مولفه ی اصلی اول با کانی سازی در سنگ های اولترابازیک تا بازیک، مولفه های اصلی دوم و سوم با کانی سازی در سنگ های رسوبی کربناته، مولفه ی اصلی چهارم با لیتولوژی منطقه مورد مطالعه و مولفه ی اصلی پنجم با کانی سازی گرمابی مرتبط‌اند. همچنین مقاوم سازی بردار میانگین و ماتریس واریانس-کواریانس باعث (1) افزایش پوشش تغییرپذیری داده ها با مولفه های اصلی، (2) قرارگیری بهتر عناصر هم پاراژنز و همبسته در یک مولفه ی اصلی، (3) مطابقت بهتر نقشه های کنتوری امتیازهای مولفه های اصلی با شرایط زمین شناسی، (4) کاهش مساحت محدوده های آنومالی های ژئوشیمیایی مرکب و تعیین دقیق تر موقعیت محدوده های کانی سازی و (5) امکان تفسیر متفاوت یک مولفه در یک الگوریتم مقاوم سازی با الگوریتم دیگر شده است. در محدوده مورد مطالعه، بهترین نتایج نیز با الگوریتم mvcvol به دست آمد. بنابراین، استفاده از تخمینگرهای مقاوم قبل از تحلیل داده-های ژئوشیمیایی با روش های آماری چندمتغیره توصیه می‌شود.