克里金法是一种考虑空间相关性的插值方法，优于最小二乘法等传统方法，能提供最佳线性无偏插值并估算插值方差。它利用半变异函数模型，如高斯、球形等，来描述数据的相关性。插值方差反映了实际值与估计值的偏差。常见的变差函数理论模型包括球状、高斯和指数模型等。普通克里格方法包含多个步骤，适用于气象要素场等领域的插值分析。
克里金法（Kriging）
克里金算法提供的半变异函数模型有高斯、线形、球形、阻尼正弦和指数模型等，在对气象要素场插值时球形模拟比较好。既考虑了储层参数的随机性，有考虑了储层参数的相关性，在满足插值方差最小的条件下，给出最佳线性无偏插值，同时还给出了插值方差。
与传统的插值方法（如最小二乘法、三角剖分法、距离加权平均法）相比，克里金法的优势：
1、在数据网格化的过程中考虑了描述对象的空间相关性质，使插值结果更科学、更接近于实际情况；
2、能给出插值的误差（克里金方差），使插值的可靠程度一目了然
插值方差：就是指实际参数值 zv 与估计值 zv* 两者偏差平方的数学期望：
而插值点的 zv*，通过N个离散
最低0.47元/天 解锁文章
扫一扫
3701
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
