克里金预测方法是地质统计学中的一种基于最优、无偏线性预测的插值方法。它主要依赖于数据的空间自相关特性,特别是半方差函数(或者称为变异函数),来进行预测。
以下是克里金预测方法的详细步骤:
##1. 数据收集:
考虑一个场地或区域,其中在不同位置
x
i
x_i
xi (
i
=
1
,
2
,
.
.
.
N
i=1,2,...N
i=1,2,...N) 有已知的数据值
z
i
z_i
zi。
##2. 半方差函数的计算:
半方差函数描述了两个空间位置之间的平均差异。给定两个点
x
i
x_i
xi 和
x
j
x_j
xj,半方差函数
γ
(
h
)
\gamma (h)
γ(h) 定义为:
γ
(
h
i
j
)
=
1
2
E
[
(
z
(
x
i
)
−
z
(
x
j
)
)
2
]
\gamma (h_{ij})=\frac{1}{2} \mathbb{E} \left[(z(x_i)-z(x_j))^2\right]
γ(hij)=21E[(z(xi)−z(xj))2]
其中
E
\mathbb{E}
E 表示期望,
h
i
j
=
∣
x
i
−
x
j
∣
h_{ij}=|x_i-x_j|
hij=∣xi−xj∣ 是两点之间的距离,通常称为“滞后”。这个函数描述了空间数据的自相关性。
##3. 模型半方差函数:
基于实际计算的半方差值,选择一个合适的理论模型(如球形模型、指数模型或高斯模型)来拟合数据。
##4. 建立克里金方程:
要预测位置
x
0
x_0
x0 的值
z
(
x
0
)
z(x_0)
z(x0),我们使用已知数据点的加权平均值,建立以下权重方程:
∑
i
=
1
N
λ
i
z
(
x
i
)
=
z
∗
(
x
0
)
\sum_{i=1}^{N} \lambda_i z(x_i)=z^*(x_0)
i=1∑Nλiz(xi)=z∗(x0)
其中,$z^*(x_0) $是位置
x
0
x_0
x0 的预测值,
λ
i
\lambda_i
λi 是克里金权重需要满足
∑
i
=
1
N
λ
i
=
1
\sum_{i=1}^{N} \lambda_i =1
∑i=1Nλi=1 以保证预测是无偏的。
##5. 求解克里金权重:
为了求解权重
λ
i
\lambda_i
λi,我们最小化预测方差,并在方程组中加入无偏条件,得到以下方程组:
∑
j
=
1
N
λ
j
γ
(
h
i
j
)
+
μ
=
γ
(
h
i
0
)
,
∀
i
=
1
,
⋯
,
N
\sum_{j=1}^{N}\lambda_j \gamma (h_{ij})+\mu=\gamma (h_{i0}), \forall i=1,\cdots,N
j=1∑Nλjγ(hij)+μ=γ(hi0),∀i=1,⋯,N
其中,
μ
\mu
μ 是拉格朗日乘数,用于确保权重的和为1。
##6. 进行预测(插值):
使用求解出的权重,对给定的位置
x
0
x_0
x0 进行预测:
z
∗
(
x
0
)
=
∑
i
=
1
N
λ
i
z
(
x
i
)
z^*(x_0)=\sum_{i=1}^{N}\lambda_i z(x_i)
z∗(x0)=i=1∑Nλiz(xi)
##7. 计算预测方差:
预测方差提供了预测不确定性的量度,并定义为:
σ
2
(
x
0
)
=
∑
i
=
1
N
λ
i
γ
(
h
i
0
)
−
μ
\sigma^2 (x_0)=\sum_{i=1}^{N} \lambda_i \gamma (h_{i0})-\mu
σ2(x0)=i=1∑Nλiγ(hi0)−μ.