克里金插值(kriging)讲解.ppt

CI(h;z)为指示协方差， 为指示变差函数 是拉格朗日乘数 有多少个门限值z，就有多少个IK方程组 IK方程组： 从IK方程组中解出 i*(x;z) = 求出i(x;z)的估计值 i*(x;z)实际上是I(x;z)的条件数学期望E[I(x;z)|(n)]的估计值。 E[I(x;z)|(n)] = 0×P[I(x;z)=0|(n)]+1×P[I(x;z)=1|(n)] = P[I(x;z)=1|(n) = P[Z(x） z)|(n)] = F[x;z|(n)] 为后验概率分布函数，或条件概率分布函数，等于在已知n个信息样品的条件下，概率P{ Z(x) z}的大小。 i*(x;z) = E[I(x;z)|(n)] 即： i*(x;z) = E[I(x;z)|(n)] 又： = P[Z(x） z)|(n)] (00111) (00001) (01111) (00011) Z*(x) = 各类的 局部均值 各类的 后验概率 估计的指示值 Sunbeson金矿，有3500个样品，边界品位值分别取z=0.009，0.015，0.020，0.033克/吨，用这4个边界品位可将金矿化分为5类： 应用IK法估计出以下的条件概率： P*{x∈(1)|(n)}=18.2%, P*{x∈(2)|(n)}=6.5%, P*{x∈(3)|(n)}=0%, P*{x∈(4)|(n)}=57.8%, P*{x∈(5)|(n)}=17.5%, 各概率的总和为1 例： 各类的(局部)均值为： [Z(x)|x∈(1)]*=0.004g/t, [Z(x)|x∈(2)]*=0.0125g/t. [Z(x)|x∈(3)]*=0.020g/t, [Z(x)|x∈(4)]*=0.0276g/t. [Z(x)|x∈(5)]*=0.125g/t, 按IK法可得总平均品位的估计值为 Z*(x) = { x∈(k)｜(n)}×[Z(x)｜x∈(k)]* =0.0393683g/t. A (100) B (010) A (100) C (001) 离散变量的指示克里金估计 分别对各类型进行指示克里金估计，得出各类型的概率估计。 （最大概率的类型 即为待估点的类型） 作为一种非参数统计方法，指示克里金估计方法在处理特高值和特低值的分布方面，具有明显的优势。 特色一： (00111) (00001) (01111) (00011) 离散变量（类型变量） 连续变量 应用贝叶斯理论，可综合各种软信息（与硬信息一起）进行指示克里金估计。 （如地震信息、试井解释、地质推理和解释等） 硬信息：能准确标定所研究地质 变量取值的信息。 软信息：不能准确标定所研究地质 变量取值，而只能提供其 概率分布的信息。 特色二： 使用贝叶斯理论，将先验的局部累计分布函数更新为后验的条件局部累计分布函数。 整体 先验概率 硬指示数据 软指示数据 A (100) B (010) A (100) C(001) l???估计的无偏性 克里金方法的优点 l??反映了变量的空间结构性 l??能得到估计精度 （1）克里金插值为局部估计方法，对估计值的整体空间相关性考虑不够，它保证了数据的估计局部最优，却不能保证数据的总体最优，因为克里金估值的方差比原始数据的方差要小。因此，当井点较少且分布不均时可能会出现较大的估计误差，特别是在井点之外的无井区误差可能更大。 克里金方法的局限性 （2）克里金插值法为光滑内插方法，为减小估计方差而对真实观测数据的离散性进行了平滑处理，虽然可以得到由于光滑而更美观的等值线图或三维图，但一些有意义的异常带也可能被光滑作用而“光滑”掉了。所以，有时，克里金方法被称为一种“移动光滑窗口”。 （用于CCDF的求取，应用于随机建模） (3) x0 第二节 克里金插值方法 简单克里金(SK) 普通克里金(OK) 泛克里金(UK) 协同克里金(CK) 贝叶斯克里金（BK） 指示克里金(IK) 一、简单克里金(SK)