该脚本是一个包含随机预测算法“GAUSSIAN PROCESS REGRESSION”的函数。 它还包含一些协方差函数： - 1: 母 3/2 - 2: 母 5/2 - 3：神经网络- 4：定期- 5：平方指数。 - 6: Matern + 平方指数- 7: Matern 3/2 + 神经网络高斯过程回归先验知识是 U、观测值 F、协方差（数字）COV、评估变量 X、所选协方差函数 O_cov 的超参数和噪声因子 Oy。

a. 无方向性的半变异／协方差函数云图 b. 有方向性的半变异／协方差函数云图 图 10.18 半变异／协方差函数云图 （2） 正交协方差函数云 正交协方差函数云表示的是两个数据集中所有样点对的理论正交协方差，并把它们用 两点间距离的函数来表示。 在 ArcGIS9.0 中生成数据的正交协方差函数云图的主要步骤： 1） 在 ArcMap 中加载地统计数据点图层。 2） 单击 Geostatistical Analyst 模块的下拉箭头选择 Explore Data 并点击 Crosscovariance Cloud 的命令。 3） 检查中数据层层名对话框（Layer）的设置是否正确，在字段属性对话框 （Attribute）选择参见趋势分析的字段名称。 4） Lag Size 为最大步长，Number of Lags 为步长分组个数。 18

半方差函数模型的选择 决定系数R----大 残差RSS----小 变程----A0 块金值

GPS高程的转换在不考虑重力场模型的情况下,文中使用各种数学拟合方法由高程异常已知点内插未知点的高程异常,是实践中使用较多的方法。但一般的拟合方法都是只考虑高程异常变化的趋势性或随机性,而不是将二者结合起来同时考虑。最小二乘配置理论将局部地区的高程异常分为趋势和随机两部分,趋势性是所有点共同的变化。解算中由已知点的高程异常的随机部分推估未知点的随机量,并对趋势性进行最小二乘平差。故而这种方法在理论上更加完善。实验根据某矿区81个已知数据点进行计算,并结合曲面拟合法、多面函数法以及加权平均法进行比较。试验结果表明,文中的方法优于其它三种方法。

半变异函数和协方差函数将邻近事物比远处事物更相似这一假设加以量化。半变异函数和协方差都将统计相关性的强度作为距离函数来测量。

两个程序：1.采用增量迭加法产生泊松过程。根据样本函数产生均值函数和方差函数，并对速率进行估计。2.采用点间间距迭加法产生泊松过程。

分为三个函数，分别进行半方差的拟合和克里金插值

运用地统计学进行空间分析基本包括以下几个步骤，即数据探索性分析，空间连续性的量化模型，未知点属性值的估计，对未知点局部及空间整体不确定性的预测。