质统计学及其应用.pptVIP

三维变差函数模型 组成变差函数模型的结构类型 跃迁 球型 高斯 指数 幂函数 * 地质统计学简介 及其应用 报告人：范崇海 一、引言 二、克里金算法介绍 三、变差函数分析简介 四、一个应用实例 五、总结 地质统计学简介及基本分析方法 地质统计学的基本原理就是应用线性加权的方法对地质变量进行局部的最优化估计 一、引 言 二、克里金算法介绍 克里金算法是一类统计方法，就是估算一个数据场中任意一点的值的方法。 前提条件是： 相邻数据点的数值在空间中是相关的。 且统计数据要达到一定的数量。 主要优点是：考虑了数据场的方向性。 其核心是：寻找到相邻数据点对所求点的权。 常用的几种克里金算法 1、简单克里金 （Simple Kriging) 2、普通克里金 (Ordinary Kriging) 3、非稳态克里金 (Nostationary Kriging) 4、内在趋势克里金 (Universal Kriging) （泛克里金） 5、外在趋势克里金 (Kriging with an External Drift) 6、同位协克里金 (Collocated Cokriging) 二、克里金算法介绍 1、简单克里金 （Simple Kriging) 权系数的确定 均值 假定整个域的平均值为常数； 远离数据点处接近平均值； 网格点有数则为原值。 简单克里金 2、普通克里金 (Ordinary Kriging) 权系数的确定 普通克里金 普遍采用于成图的算法； 远离数据点的值是寻找范围内的数据点的平均值。 3、非稳态克里金 (Nostationary Kriging) 非稳态克里金 比较灵活的克里金算法，因为可以设置网格点的值； 网格点的平均值来自于大范围的数据，而成图区只是一部分。 4、内在趋势克里金 (Universal Kriging) 内在趋势克里金算法中权的确定 内在趋势克里金 如果是数据点的内插值，与普通克里金的精度相似； 如果是外推计算，则需要用内在趋势克里金把握外推趋势。 5、外在趋势克里金 (Kriging with an External Drift) 外在趋势克里金算法中权的确定 外在趋势克里金 一般用于两组数据共同约束同一个地质解释时； 例如做一个层的构造图，可用井数据作为硬指标而地震解释作为软指标，共同绘制构造图。 6、同位协克里金 (Collocated Cokriging) 同位协克里金算法中权的确定 同位协克里金 同样用两组数据，约束一个参数，但是主要数据与辅助数据要有一定的相关性； 例如用井点的孔隙度与地震属性数据，估算井间孔隙度。 几种克里金算法之间的关系 简单克里金 非稳态克里金 同位协克里金 (Simple) (Nostationary) (Collocated Cokriging) 普通克里金 内在趋势克里金 外在趋势克里金 (Ordinary) (Universal) （With an External Drift) 克里金算法 的核心 权 三、变差函数分析简介 一般可通过统计和图形方法分析和确定空间相关性。 实际分析数据的变化性称为变差函数分析。 h-散点图 变差函数图 通过拟和一条连续的曲线，产生变差函数模型，最终确定出克里金算法中合理的加权方法。 基本理论介绍： 滞后距(Lag) 变差函数分析实际是确定数据在方向和距离两方面的变化率 尾 头 散 点 图 半变差函数 半变差函数图的构成 变差函数图中各部分的名称 基台 跃迁 变程 变差函数图的构图机理 变差函数图 半变差函数 H-散点图 关 系 二维变差函数模型 主轴变差图 附轴变差图 *