一、简单克里金(SK) (Simple Kriging) 所有克里金估计都应用线性回归算法，形式为：m为期望 求取权系数的克里金方程组的非平稳形式 求(n+1)个m(u), 求(n+1)×(n+1) 个C(u,u)

克里金插值方法最早是由南非金矿工程师克里金(Krige D G)于2O世纪5O年代提出来的，依据不同的条件又分为普通克里金法、泛克里金法、协同克里金法等，是一种很有用的地质统计格网化方法。 但是在国内很少看到基于matlab版本的，现在提供一个工具箱，可以方便的使用其中的插值函数辅助进行开发，是数据处理、论文撰写的有利工具。

空气质量（Air quality）的好坏反映了空气污染程度，它是依据空气中污染物浓度的高低来判断的。空气污染是一个复杂的现象，在特定时间和地点空气污染物浓度受到许多因素影响。来自固定和流动污染源的人为污染物排放大小是影响空气质量的最主要因素之一，其中包括车辆、船舶、飞机的尾气、工业污染、居民生活和取暖、垃圾焚烧等。城市的发展密度、地形地貌和气象等也是影响空气质量的重要因素。随着地理信息系统的发展，空间数据分析已引起广泛的注意，解决空间数据的方法也越来越完善，地理加权回归是空间分析中一种重要的方法，是对普通线性回归全局模型的扩展，将数据的地理位置嵌入到回归参数，容许局部而不是全局的参数估计。另一

实现克里金算法C++编程,This file contains a summary of what you will find in each of the files that make up your krig application.

五、贝叶斯克里金（BK） H.Omre在（1987）把线性贝叶斯理论用于克里金估计技术，提出了贝叶斯克里金估计技术。他构想了一个模型，把用于空间估计的数据分为两类： 观察数据：是指那些精度比较高，但数量比较少的数据 猜测数据：是指那些精度比较低，但分布广泛的数据 在观测数据比较多的地方，估计结果主要受观测数据的影响；在观测数据比较少的地方，则主要受猜测数据的影响。 显然，井数据和地震数据的关系符合贝叶斯估计中观测数据和猜测数据的关系。

八、克里金插值(Kriging) 克里金插值由南非采矿工程师D.G.克里格（D. G. Krige）于1951年首次提出，故命名为“克里金”法，后经法国著名地理数学学家G. Matheron发展深化。

克里金法时一种用于空间插值的地学统计方法。 克里金法用半变异测定空间要素，要素即自相关要素。 半变异公式为： 其中γ(h) 是已知点 xi 和 xj 的半变异，***h***表示这两个点之间的距离，z是属性值。 假设不存在漂移，普通克里金法重点考虑空间相关因素，并用拟合的半变异直接进行插值。 估算某测量点z值的通用方程为： 式中，z0是待估计值，zx是已知点x的值，Wx是每个已知点关联的权重，s是用于估计的已知点数目。 权重可以由一组矩阵方程得到。 此程序对半变异进行拟合时采用的时最简单的正比例函数拟合 数据为csv格式 保存格式如下： 第一行为第一个点以此类推

应用条件： 随机函数二阶平稳 随机函数的期望值 m为常数并已知 不能用于具有局部趋势的情况 简单克里金方程组的平稳形式： C(u,u+h) = C(h) （C与位置有关） （C与位置无关）

这个函数完成了我从函数 variogram 和 variogramfit 开始的。 它不是用于执行克里金法的高度优化的代码，但可能具有教育价值。 请注意，要使用克里金法，您应该下载最新版本的 variogramfit。 克里金法使用普通克里金法来插入在坐标 x 和 y 位于未采样位置 xi, yi 的位置处测量的变量 z。 该函数需要包含有关变异函数的所有必要信息的变量 vstruct。 vstruct 是函数 variogramfit 的第四个输出参数。 这是一个基本但易于使用的函数来执行普通的克里金插值。 我称之为基本的，因为它总是包含所有观察值来估计未采样位置的值。 当样本位置不在自相关范围内但需要像 ak 最近邻搜索算法或类似的东西时，这可能没有必要。 因此，这些算法最适用于相对较少数量的观察（100-500）。 对于更大量的观察，我建议使用 GSTAT。

克里金dace文件以及讲解