克里金估值中条带效应的校正

矿业和石油勘探行业中的待分析数据多呈条带状分布,采用克里金插值易出现两个端点数据权值偏大的情况,即"条带(String)效应"。本文在传统克里金方法的基础上,根据目标变量与条件数据之间的距离对权值进行校正,使离待估点越近的数据点的权值越大,越远的数据点的权值越小。这种采用距离约束的克里金方法(DCSK)校正了简单克里金算法中的条带效应,利用FORTRAN编程语言实现了该方法并进行了实例验证。试验结果证实DCSK方法不仅消除了传统克里金方法引起的条带效应,而且其估计方差基本不变或略有增加,从而使得估计结果更接近实际情况。

采用有限域克里金方法进行校正条带效应

在克里金估值的过程中,在条件数据出现带状分布的情况时,两个端点条件数据的权值容易呈现偏大的条带效应。本文以简单克里金(SK)为例,针对其中产生的条带效应,运用有限域克里金方法(FDSK)对其进行了校正,并将距离约束克里金方法(DCSK)与该方法进行对比。FDSK方法的估计量是多个传统克里金估计量的线性组合,FDSK估计量中用到的权值是这些传统克里金权值的平均值。将FORTRAN的编程语言运用于FDSK方法,并利用FDSK方法进行了实例数值模拟。结果表明新方法不仅消除了传统克里金方法引起的条带效应,而且具有较高的估计精度,优于距离约束克里金方法。该方法的应用能够提高矿业和石油行业中估值和模拟计算的精度。

不透水覆盖百分比信息精化的回归克里金方法

提出了基于回归克里金的不透水覆盖百分比(percentage impervious cover,%IC)遥感信息的精化方法,对%IC的趋势和残差分别进行空间估计和内插,以实现精化目的。湖北省武汉市新洲区的%IC精化实验表明,3种回归克里金方法均对%IC产品的质量有所改善,证明了这些方法的可行性和有效性。其中,支持向量回归-克里金的效果最好,平均绝对误差降到了6.95%,均方根误差降到了14.10%,该方法特别适用于小样本问题。