[转帖] 克里金kriging插值的几种方法

<P ><FONT size=3>kriging插值法</FONT>
<FONT size=3>1.ordinary kriging</FONT><FONT size=3>是单个变量的局部线形最优无偏估计方法，也是最稳健常用的一种方法。</FONT>
<FONT size=3>2.simple kriging</FONT><FONT size=3>很少直接用于估计，因为它假设空间过程的均值依赖于空间位置，并且是已知的，但在实际中均值一般很难得到。它可以用于其它形式的克立格法中例如指示和析取克立格法，在这些方法中数据进行了转换，平均值是已知的。</FONT>
<FONT size=3>3.universal kriging</FONT><FONT size=3>是把一个确定性趋势模型加入到克立格估值中，将空间过程总可以分解为趋势项和残差项两个部分的和，有其合理的一面。如果能够很容易地预测残差的变异函数，那么该方法将会得到非常广泛的应用。</FONT>
<FONT size=3>4.indicator kriging </FONT><FONT size=3>将连续的变量转换为二进制的形式，是一种非线性、非参数的克立格预测方法。</FONT><FONT size=3>
5.disjunctive kriging也是一种非线性的克立格方法，但它是有严格的参数的。这种方法对决策是非常有用的因为它不但可以进行预测，还提供了超过或不超过某一阈值的概率。</FONT>
<FONT size=3>6.ordianry cokriging</FONT><FONT size=3>是将单个变量的普通克立格法的扩展到两个或多个变量，且这些变量间要存在一定的协同区域化关系。如果那些测试成本低、样品较多的变量与那些测试成本较高的、样品较少的变量在空间上具有一定的相关性，那么该方法就尤其有用。可以利用较密采样得到的数据来提高样品较少数据的预测精度</FONT>
<FONT size=3>8.probability kriging</FONT><FONT size=3>是由于指示克立格法并没有考虑一个值与阈值的接近程度而只是它的位置，因此提出了概率克立格法。对每个值它利用rank order 作为辅助变量利用协同克立格法来预测指示值。</FONT></P>