摘 要：已有近百年历史的沉积物粒度分析‚从五、六十年代 的应用高峰之后开始走下坡路。由于多解性而难以将其作 为相分析的“证据”‚使得沉积学家对粒度相标志的兴趣日益 减弱。30年来‚粒度测试技术和计算机技术得到了长足的 发展‚但地质学对粒度数据的表征和应用方法仍停留在60 年代水平‚落后的图解参数仍在沿用；理论上存在错误的粒 度概率图仍在我国广泛流传。事实证明‚粒度相标志的多解 性‚很大程度上是由于粗糙的乃至错误的粒度数据表征方法 造成的。 本文从统计学中样本和母体分布的区别入手‚通过正演 实验‚证明了以往对粒度概率图解释的错误所在；借助于人 工神经网络‚对比了样本和母体分布在判别沉积环境上的差 异；基于“混合模型”的“子体分离技术”‚给出了一种更加科 学的单样品粒度分布表征方法－－－粒度母体分解图；借助于 人工神经网络模式识别技术‚开发出一个基于粒度母体沉积 环境识别系统。 

关键词：粒度分析；数据表征；子体分离；神经网络；模式识 别；沉积环境