تشخيص داده هاي پرت در روش منشايابي رسوب

Detection of outliers in the sediment fingerprinting method

چكيده 1 اولين و مهم ترين مرحله روش منشايابي رسوب ، انتخاب تركيب مناسبي از ردياب ها است كه قادر به جداسازي منابع رسوب باشند . انتخاب تركيب ياد شده با استفاده از تجزيه تابع تشخيص انجام مي شود. وجود داده هاي پرت بر انتخاب تركيب مناسبي از متغيرها اثر گذاشته و ممكن است مانع انتخاب متغيرهاي مهم ش ده و توان جداسازي يا درصد طبقه بندي صحيح تجزيه تابع تشخيص را كاهش دهد . بنابراين داده هاي ياد شده بايد شناسايي ، و در صورت وجود شواهد كافي دال بر پرت بودن، نسبت به تصحيح يا حذف آنها اقدام شود. در اين پژوهش، وجود داده هاي پرت به روش هاي مختلف در بين عناصر ژيوشيميايي ، آلي و راديواكتيو نمونه هاي خاك جمع آوري شده از حوضه قره آغاج واقع در شهرستان ماكو بررسي شد. براساس 4 روش تشخيص يك متغيره داده هاي پرت، هيچ نمونه اي از نظر زيادي از عناصر پرت نيستند. روش هاي ميانه به اضافه يا منفي ميانه انحراف هاي تمام داده ها از ميانه و نمودار جعبه اي كارايي بهتري نسبت به روش هاي آزمون گراب و ميانگين به اضافه يا منهاي 3 برابر انحراف معيار در تشخيص داده هاي پرت نشان دادند . روش هاي چند متغيره تشخيص داده هاي پرت يعني مربع فاصله ماهالانوبيس ، نمودارهاي جعبه اي مربع فاصله ماهالانوبيس به تفكيك منابع رسوب ، نمودار چندك - چندك مربع فاصله ماهالانوبيس در مقابل توزيع مربع كاي و روش تجزيه به م ولفه هاي اصلي نيز نشان دادند كه هيچ نمونه اي پرت محسوب نمي شوند. بنابراين براساس هر دو گروه روش، شواهد و دلايل كافي مبني بر پرت بودن هيچ نمونه اي وجود ندارد. مزاياي رويكرد اتخاذ شده در اين پژوهش سادگي و قابل انجام بودن روش هاي مورد استفاده با نرم افزارهاي آماري موجود و بهره گيري از روش هاي مختلف مي باشند و داده اي پرت محسوب مي شود كه از نظر چند روش تاييد شده باشد. واژه هاي كليدي : تشخيص داده هاي پرت، حوضه قره آغاج، نمودار جعبه اي، فاصله ماهالانوبيس، ردياب ها

Abstract1 Selection of the suite subset of tracers, capable of discriminating sediment sources, is the first and the most important step in the sediment fingerprinting method. Selection of the suite subset is carried out by Discriminant function analysis. The presence of outliers affects the suite subset selection and prevents entering the important tracers into the model, hence reducing accurate classification percent of Discriminant function analysis. Therefore, the outliers must be detected and corrected or omitted, if enough evidences were present. In this study, different univariate and multivariate outlier detection methods were used to assess the presence of outliers in geochemical and organic elements and radionuclides of soil samples collected from Ghara aghaj watershed, Makoo township. According to four univariate outlier detection methods, no observations (samples) were outlier on a sufficient number of tracers. The [Median ± 3MAD] and box plot procedures showed better performance in outlier identification than the [Mean ± 3S] and Grubbsʹ test methods. Also, based on multivariate outlier detection methods, namely squared Mahalanobis distance, separate box plots of squared Mahalanobis distance for each of sediment sources, principal component analysis and plot of the squared Mahalanobis distances against the quantiles of the chi-square distribution, no observations were detected as outlier. From perspectives of each of the two group methods, there was no sufficient information and demonstrable proof about true outlierness of any observation. The advantages of the approach adopted in this study are the simplicity and computability of the selected outlier detection methods with commonly used statistical softwares, and the condition that an observation is regarded as outlier if its uniqueness is confirmed with several methods. Keywords: Outlier detection, Gharaghaj watershed, Mahalanobis distance, Box plot, Tracers