克里格方法(Kriging)

P (ξ=xk)= pk, k=1,2,….
则当级数 xk pk 绝对收敛时，称此级数的 k 1
和为ξ的数学期望，记为E(ξ)，或Eξ。
E(ξ) = xk pk k 1
②设连续型随机变量ξ的可能取值区间为(-∞，+∞)，
p(x)为其概率密度函数，若无穷积分
xp(x)dx
绝对收敛，则称它为ξ的数学期望，记为E(ξ)。
P
考虑邻近点，推断待估点
区域化变量： 能用其空间分布来表征一个自然现象的变量。
（将空间位置作为随机函数的自变量）
•空间一点处的观测值可解释为一个随机变量在该点
处的一个随机实现。
• 空间各点处随机变量的集合构成一个随机函数。
（可以应用随机函数理论解决插值和模拟问题）
考虑邻近点，推断待估点 ----空间统计推断要求平稳假设
E(ξ) = xp(x)dx
•数学期望是随机变量的最基本的数字特征，
相当于随机变量以其取值概率为权的加权平均数。
•从矩的角度说，数学期望是ξ的一阶原点矩。
对于一组样本：
N
( zi )
m i1 N
(2)方差 为随机变量ξ的离散性特征数。若数学期望
E[ξ-E(ξ)]2存在，则称它为ξ的方差，记为D(ξ)， 或Var(ξ)，或σξ2。
第二讲
克里金插值
克里金方法（Kriging）, 是以南非矿业 工程师D.G.Krige (克里格)名字命名的一项 实用空间估计技术，是地质统计学 的重要 组成部分，也是地质统计学的核心。
地质统计学
由法国巴黎国立高等矿业学院G．马特隆教授于 1962年所创立。 主要是为解决矿床储量计算和误差估计问题而 发展起来的
条件累积分布函数（ccdf）

克里格，或者说克里金插值Kriging。

法国krige名字来的。

特点是线性，无偏，方差小，适用于空间分析。

所以很适合地质学、气象学、地理学、制图学等。

相对于其他插值方法。

主要缺点：由于他要依次考虑（这也是克里格插值的一般顺序）计算影响范围，考虑各向异性否，选择变异函数模型，计算变异函数值，求解权重系数矩阵，拟合待估计点值，所以反映速度很慢。

（当然也看你算法设计和电脑反应速度了呵呵）。

而那些趋势面法，样条函数法等。

虽然较快，但是毕竟程度和适合用范围都大受限制。

具体对比如下：方法外推能力逼近程度运算能力适用范围距离反比加权法分布均匀时好差快分布均匀最近邻点插值法不高强很快分布均匀三角网线性插值高差慢分布均匀样条函数高强快分布密集时候克里金插值高强慢均可克里格插值又分为：简单，普通，块，对数，指示性，泛，离析克里金插值等。

克里金插值的变异函数球形模型，指数模型，高斯模型，纯块金模型，幂函数模型，迪维生模型等。

以下结合我的绘制等值线（等高线）的程序和高斯迭代解矩阵方程方法以及多元线性回归方法（此两方法实现另补充）说明克里格方法的实现：注：选择变异函数模型为球形模型，选择插值方法为普通克里金，我为了简化问题，考虑为各向同性，变差距离为固定。

int i,j,i0,i1,j0,j1,k,l,m,n,p,h;//循环变量double *r1Matrix;//系数矩阵double *r0Matrix;//已知向量double *langtaMatrix;//待求解向量double *x0;//已知点横坐标double *y0;//已知点纵坐标double * densgridz;//存储每次小方格内的已知值。

double densgridz0;//待求值int N1=0;//统计有多少个已知值double r[71],r0[71];int N[70];for(i=0;i<100;i++){for(j=0;j<100;j++){if(bdataprotected[i*100+j]) continue;//原值点不需要插值//1.遍历所有非保护网格。

其简算公式为 Cov(ξ,η) = E (ξη)-E(ξ) ·E(η)
2021/6/16
12
二、统计推断与平稳要求
•任何统计推断（cdf，数学期望等）均要求重复取样。 •但在储层预测中，一个位置只能有一个样品。 •同一位置重复取样，得到cdf，不现实
P
2021/6/16
13
考虑邻近点，推断待估点
区域化变量： 能用其空间分布来表征一个自然现象的变量。
（将空间位置作为随机函数的自变量）
•空间一点处的观测值可解释为一个随机变量在该点
处的一个随机实现。
• 空间各点处随机变量的集合构成一个随机函数。
（可以应用随机函数理论解决插值和模拟问题）
2021/6/16
14
考虑邻近点，推断待估点 ----空间统计推断要求平稳假设
方差的平方根为标准差，记为σξ
σξ=
D ()E [-E ()]2 E (2 )-[E ()]2
•从矩的角度说，方差是ξ的二阶中心矩。
2021/6/16
10
2. 随机函数
研究范围内的一组随机变量。
{Z(u),u研究范}围 简记为 Z (u )
条件累积分布函数（ccdf）
F ( u 1 , , u K ; z 1 , , z K |( n ) P ) o { Z ( u r 1 ) b z 1 , , Z ( u K ) z K |( n )}
2021/6/16
2
H. S. Sichel (1947) D.G. Krige (1951)
应用统计学方法研究金矿品位
Kriging法（克里金法，克立格 法）:“根据样品空间位置不同、样 品间相关程度的不同，对每个样品 品位赋予不同的权，进行滑动加权 平均，以估计中心块段平均品位”

假设在待估计点（x）的临域内共有n个实测点，即x1， x2，…，xn，其样本值为。那么，普通克里格法的插值公式为
Z ( x ) i Z ( x i )
* i 1
n

i 为权重系数，表示各空间样本点处的观测值对估值的影响度或者贡
献程度。 显然，克里格估值的关键问题就是在于求解 i 的值，同时根据估值 的基本原则，即无偏性和估计方差最小（最优性）的要求，具体就是要满 足以下条件：
整理后得：
n j c( xi , x j ) c( xi , x) j 1 n 1 i i=1，2，3…… i 1
解上式线性方程组,求出权重系数λi和拉格朗日系数μ,代入公式
2 E c( x, x) i j c( xi , x j ) 2 i c( xi , x) i 1 j 1 i 1 n n n

可得克里格估计方差
2 σ E c( x, x) i c( xi , x) i 1 n
上述过程也可用矩阵形式表示，令
c11 c12 c 21 c22 K cn1 cn 2 1 1
c1n c2 n cnn 1
1 1 , 1 0
1 2 , n
c( x1 , x) c ( x , x ) 2 D c ( xn , x ) 1


首先，假设区域变化变量为Z(x)，其满足内蕴假设条件和 二阶平稳条件，数学期望为m，协方差函数c(h)及变异函数 (h) 存在，即：
E[ Z ( x)] m c(h) E[ Z ( x) Z ( x h)] m 2 1 (h) E[ Z ( x) Z ( x h)]2 2