Fitting Mixtures of Kent Distributions to Aid in Joint Set Identification
拟合 Kent 分布混合模型以辅助识别岩体节理组AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于岩体方向数据的混合分布建模，未直接涉及所列经济计量细分方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
拟合 Kent 分布混合模型以辅助识别岩体节理组
- 研究问题
- 如何利用岩体露头上测得的裂隙面方向，识别方向数据中的异质性和不同节理组，同时处理观测中存在的噪声？
- 方法与思路
- 作者采用期望最大化算法拟合由 Kent 分布组成的混合模型，并额外加入均匀分布成分，以容纳裂隙方向数据中的噪声。
- 材料陈述的贡献
- 摘要提出将 Kent 混合分布用于辅助节理组识别，并以均匀成分处理噪声，但没有陈述识别准确率或其他定量比较结果。
- 阅读关注点
- 应核对方向数据的表示、混合成分数量的选择、均匀成分的作用，以及 EM 初始化和节理组解释对拟合结果的影响。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明版本。摘要未说明模型可识别性、算法收敛、成分选择或应用精度，不能据此判断节理组识别是否可靠。
原文摘要
When examining a rock mass, joint sets and their orientations can play a significant role with regard to how the rock mass will behave. To identify joint sets present in the rock mass, the orientation of individual fracture planes can be measured on exposed rock faces and the resulting data can be examined for heterogeneity. In this article, the expectation–maximization algorithm is used to fit mixtures of Kent component distributions to the fracture data to aid in the identification of joint sets. An additional uniform component is also included in the model to accommodate the noise present in the data.