matlab克里格插值

前言

为履行前期承诺，现在公开matlab的克里格插值的代码。

原理介绍

普通克里格法：假定$Z(x)$是满足本征假设的一个随机过程，该随机过程有$n$个观测值$z(xi)$，要预测未采样点x0处的值，则线性预测值$Z^{\ast }(x_0)$可以表示如下：
$$Z^{\ast }(x_0)=\sum _{i=1}^n{\lambda }_{i}z(x_i)$$
Kriging是在使预测无偏并有最小方差的基础上，去确定最优的权重值，满足以下两个条件：
(1)无偏性条件：$E[Z^{\ast }(x_0)-Z(x_{)})]=0$
(2)最优条件：$var[Z^{\ast }(x_0)-Z(x_0)]=min$
有如下
$$E\left[Z^{\ast }\left(x_0\right)-Z\left(x_0\right)\right]=E\left[\sum _{i=1}^n{\lambda }_{i}z\left(x_i\right)-Z\left(x_0\right)\right]=\sum _{i=1}^n{\lambda }_{i}E\left[Z\left(x_i\right)\right]-E\left[Z\left(x_0\right)\right]$$
根据本征假设$E[Z(x_i)]=E[Z(x_0)]=m$
上式进一步表示：
∑ i = 1 n λ i E [ Z ( x i ) ] − E [ Z ( x 0 ) ] = ∑ i = 1 n λ i m − m = m ( ∑ i = 1 n λ i − 1 ) = 0 \sum_{i=1}^{n} \lambda_{i} E\left[Z\left(x_{i}\right)\right]-E\lef