【正文】 實驗變差函數(shù)的計算 ? 進行不同方向的套合 ? 結(jié)構(gòu)模型的檢驗 ? 對變差函數(shù)進行地質(zhì)解釋 數(shù)據(jù)分布概率圖 NM_GR PDF012Data PDFGridstatPro Dec01 99累積概率曲線 NM_GR CDF01Data CDFGridstatPro Dec01 99井距概率統(tǒng)計 Distance0 1000 2022 3000 4000PDF0Well Distance DistributionGridstatPro Dec01 99井距累積概率統(tǒng)計 Distance0 1000 2022 3000 4000CDF01Well Distance DistributionGridstatPro Dec01 99變差函數(shù)實例 Separation Distance (M)0 20 40 60 80 100 120Variogram0Vertical Variogram NM_GRs28GridstatPro Dec01 99an312_an6 93an312_an6 93an312_an9 11an312_an9 14an312_an9 16an312_an9 1an321_an6 91an321_an6 91an321_an6 91an321_an6 91an321_an6 92an321_an6 92an321_an6 93an321_an6 93an321_an6 93an321_an6 93an321_an6 96an6911_a n69an6911_a n69an6911_a n69an6911_a n69an6911_a n69an6912_a n69an6912_a n69an6912_a n69an6912_a n69an6912_a n69an6912_a n69an6912_a n69an6914_a n69an6914_a n69an6914_a n69an6914_a n69an6914_a n69an6914_a n69an6914_a n69an6914_a n69an6915_a n69an6915_a n69an6915_a n69an6915_a n69an6923_a n69an6923_a n69an6923_a n69an6923_a n69an6923_a n69an6925_a n69an6925_a n69an6925_a n69an6925_a n69an6925_a n69an6934_a n69an6934_a n69an6935_a n69an6935_a n69an6935_a n69an6936_a n69an6936_a n69an6937_a n69an6937_a n91an6937_a n91an9112_a n91an9112_a n91an9112_a n91an9112_a n91an9112_a n91an912_an 91an912_an 91an912_an 91an912_an 91an9125_a n91an9125_a n91an9125_a n91an914_an 91an914_an 91an916_an 91Distance (M)0 200 400 600 800 1000Variance0Well Pair Variance NM_GRs28GridstatPro Dec01 99V e r t .V e r t . f itN SN S f i tN E S WN E S W f i tE WE W f itN W S EN W S E f i tS e p a r a t io n D ist a n c e ( M )0 1000 2022 3000 4000 5000Variogram00 . 0 10 . 0 20 . 0 30 . 0 40 . 0 50 . 0 6A l l V a r i o g r a m s N M _ G Rt o p 8G r id s t a t P r o F e b 1 8 0 0空間變差函數(shù) S e p a r a t io n D ist a n c e ( M )0 40 80 120 160Variogram00 . 0 10 . 0 20 . 0 30 . 0 40 . 0 50 . 0 6V e r t i c a l V a r i o g r a m N M _ G Rt o p 8G r id s t a t P r o F e b 1 8 0 0垂直變差函數(shù) S e p a r a t io n D ist a n c e ( M )0 40 80 120 160Variogram00 . 0 10 . 0 20 . 0 30 . 0 40 . 0 50 . 0 6V e r t i c a l V a r i o g r a m N M _ G Rt o p 8G r id s t a t P r o F e b 1 8 0 0指數(shù)模型 S e p a r a t io n D ist a n c e ( M )0 40 80 120 160Variogram00 . 0 10 . 0 20 . 0 30 . 0 40 . 0 50 . 0 6V e r t i c a l V a r i o g r a m N M _ G Rt o p 8G r id s t a t P r o F e b 1 8 0 0球狀模型 S e p a r a t io n D ist a n c e ( M )0 40 80 120 160Variogram00 . 0 10 . 0 20 . 0 30 . 0 40 . 0 50 . 0 6V e r t i c a l V a r i o g r a m N M _ G Rt o p 8G r id s t a t P r o F e b 1 8 0 0高斯模型 S e p a r a t io n D ist a n c e ( M )0 40 80 120 160Variogram00 . 0 10 . 0 20 . 0 30 . 0 40 . 0 50 . 0 6V e r t i c a l V a r i o g r a m N M _ G Rt o p 8G r id s t a t P r o F e b 1 8 0 0分形模型 S e p a r a t io n D ist a n c e ( M )0 40 80 120 160Variogram00 . 0 10 . 0 20 . 0 30 . 0 40 . 0 50 . 0 6V e r t i c a l V a r i o g r a m N M _ G Rt o p 8G r id s t a t P r o F e b 1 8 0 0指數(shù)模型 S e p a r a t io n D ist a n c e ( M )0 40 80 120 160Variogram00 . 0 10 . 0 20 . 0 30 . 0 40 . 0 50 . 0 6V e r t i c a l V a r i o g r a m N M _ G Rt o p 8G r id s t a t P r o F e b 1 8 0 0球狀模型 S e p a r a t io n D ist a n c e ( M )0 40 80 120 160Variogram00 . 0 10 . 0 20 . 0 30 . 0 40 . 0 50 . 0 6V e r t i c a l V a r i o g r a m N M _ G Rt o p 8G r id s t a t P r o F e b 1 8 0 0高斯模型 S e p a r a t io n D ist a n c e ( M )0 40 80 120 160Variogram00 . 0 10 . 0 20 . 0 30 . 0 40 . 0 50 . 0 6V e r t i c a l V a r i o g r a m N M _ G Rt o p 8G r id s t a t P r o F e b 1 8 0 0分形模型 平面變差函數(shù) EastWest (M)5000 3000 1000 1000 3000 5000NorthSouth (M)40002022020224000Areal Variograms28GridstatPro Dec01 99變程橢圓 第三章 克里格 (Kriging) 克里格法是法國 ，也稱為克里金法 (Kriging)。從數(shù)學角度抽象來說，普通克里格法是一種對空間分布數(shù)據(jù)求最優(yōu)、線性、無偏內(nèi)插估計量 (Best Linear Unbiased Estimation,簡寫為 BLUE)的方法。若用礦業(yè)上的術(shù)語具體說，它是根據(jù)一個待估塊段鄰域內(nèi)的若干信息樣品的數(shù)據(jù)，在考慮了這些樣品的形狀、大小及相互位置關系，以及品位的變差函數(shù)模型提供的結(jié)構(gòu)信息之后，為了對該塊段品位作出一個線性、無偏、最小估計方差的估計而對每個樣品值分別賦予一定的權(quán)系數(shù)，最后加權(quán)平均來估計該塊段品位的方法。 簡言之，克里格法就是一種特定的滑動加權(quán)平均法 克里格的定義 Kiriging is “a collection of generalized linear regression techniques for minimizing an estimation variance defined from a prior model for a covariance”(Geosatistical Glossary and Multilingual Dictionary) 克里格是“根據(jù)協(xié)方差函數(shù)的先驗模型，使估計方差達到最小的線性回歸方法的綜合” 克里格法與傳統(tǒng)估值法的區(qū)別 ※ 多邊形法 主要是根據(jù)多邊形塊段內(nèi)的一個已知資料來估算值，沒有考慮周圍其它已知信息，可說是一孔之見 ※ 剖面法和三角形法 所利用的每一個已知數(shù)據(jù)在估算中的貢獻是相同的，即都是等權(quán)的，沒有區(qū)別不同情況給以不同的權(quán) ※ 距離反比法 前進了一步，考慮了周圍的樣品，而且也對各數(shù)據(jù)用樣品到待估塊段中心的距離的導數(shù)為權(quán)進行了加權(quán)平均，但沒有考慮樣品之間和樣品與待估塊段之間的空間構(gòu)形幾何因素的影響，同時也沒有考慮到所研究變量的空間分布結(jié)構(gòu)信息（即變差函數(shù)） ※ 克里格法 克里格法最大限度地利用地質(zhì)上提供的上述各種信息，對各樣品數(shù)據(jù)賦以適當?shù)臋?quán)系數(shù)，就可給出更為切合實際的、更精確的估計?？死锔穹梢员苊庀到y(tǒng)誤差 克里格的類型 克里格法多種多樣，對各種不同的目的和不同的條件，需要選用不同的克里格法 在滿足二階平穩(wěn)假設（或本征假設）時，可用 普通克里格法 在非平穩(wěn)（或說有漂移存在）現(xiàn)象中，可用 泛克里格法 在計算局部可采儲量時要用到非線性估計量，就可用 析取克里格法 當區(qū)域化變量服從對數(shù)正態(tài)分布時，可用 正態(tài)對數(shù)克里格法 對有多個變量的協(xié)同區(qū)域化現(xiàn)象，可用 協(xié)克里格法 此外還有 因子克里格法 、 指示克里格法 等 ?x4 ?x0 ?x2 V υ2 ?x3 υ3 υ4 ?x1 υ1 Z(x) 滿足二階平穩(wěn)假設估計以 x0為中心的域 V中品位的平均值 ?? )(0 0 )(1)( xvv dxxZvxZ所使用的線性估計量 iniiv ZZ ???1* ?求出權(quán)系數(shù)，保證 Zv*是一個線性、無偏、最小估計方差的估計量 稱 λi：克里格權(quán)系數(shù)