基于回归和地理加权回归Kriging 的土壤有机质空间插值

人工智能-机器学习-改进kriging模型及其在隧道围岩稳定可靠度计算中的应用.pdf

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）

EGO算法的实现，采用遗传算法及kriging代理模型，进行经典案例的实现优化求解

协同克里金方程组 传统普通协克里金

二、普通克里金(OK) (Ordinary Kriging)

kriging的matlab代码，及kriging插值原理介绍