克里格法是比较灵活和准确的网格化方法之一,通常是网格化数据时推荐的一种。它可以通过在整体预测中给予较小的权重来补偿集群数据。克里格的缺点之一就是比其他方法慢。它也可以推断超出数据Z值范围的网格值。
每个网格节点值都基于与节点相邻的已知数据点。每个数据点通过与节点的距离加权。这样,离节点越远的点在节点的估计中权重就越小。例如,为了计算网格节点A处的Z值,使用以下等式:

其中ZA是网格节点A的估计值,n是估计中使用的相邻数据值的数量,Z i是具有权重W i的位置i处的值。权重的值将总计为1以确保对群集数据点没有误差。如果应用漂移和搜索半径等,公式会变得更复杂。
下面是一个分类散点图,它显示了使用克里格方法网格的一组数据值。

左图为分类散点图,右图表示使用克里格网格方法生成等高线图。
在Surfer中,Kriging的默认属性是不搜索数据点。除非另外指定,否则使用默认属性。要将网格化方法设置为Kriging,请在“ 网格数据”对话框中将“ 网格化方法”更改为“ 克里格Kriging”。要自定义Kriging,请点击高级选项Advanced Options,以调出Kriging高级选项。

单击“ 高级选项Advanced Options”按钮以打开“ Kriging高级选项”对话框。
在克里格高级选项Advanced Options 对话框中有包含不同的专业化段三个不同的选项卡。如下所示的常规General 选项卡有四个设置。

“ 常规General ”选项卡包含可自定义的选项以便克里格网格法更好地适应对数据的分析

  1. 变异函数模型:变异函数是基于数量和统计的表面粗糙度的描述。变异函数是两个位置x和y的值之间的变异程度。此部分对于将元素添加到使用克里金网格法生成的变差函数中非常有用。例如,可以将金块添加到变差函数中,这表示在半变异函数的原点跳转。如果您不确定要添加什么组件,最好使用默认的线性变差函数,而没有金块效应
  2. 克里格标准差的输出网格:您可以指定要创建的标准差估计网格。估计网格中的Z值是实际网格节点值与期望值之间的差值。选择计算标准偏差网格会增加网格数据所需的时间。标准偏差网格在以下情况下非常有用
    a. 变异函数模型是数据的代表。
    b. 由于使用了标准差变量估计器或者自相关估计器,标准偏差网格被正确缩放。
    c. 默认线性模型没有斜率。
    d. “ 搜索”选项卡上未选择“不搜索”选项。
  3. 克里格类型:在Surfer有两种类型的克里格:点克里格和块克里格。默认点克里金是简单的,可以从一组附近的值中估计一个点的值。块克立格法估计以网格节点为中心的矩形块的平均值。块是网格单元的大小和形状。使用Block Kriging的好处是它可以提供更好的方差估计和平滑的内插结果。然而,Block Kriging并不是一个精确的插值器,因为它不是估计某个点的值。如果相邻的单元共享一个数据点,那么这个点被用来估计每个块中的网格节点的值。
  4. 漂移类型
    选择默认值,不漂移,将保持为普通克里金。然而,选择一个线性或二次方漂移将会改变为通用的克里金方法。普通克里格是一个线性预测,假设一个平稳常数,未知平均值。这意味着数据更具可预测性,可以进行预测,例如反映季节性趋势的经济数据。相反,普遍克里格是假定非平稳结构的线性预测。这意味着数据是不可预测的,很难预测,比如风速。
    “搜索Search”选项卡允许您指定插值网格节点时考虑哪些点的搜索选项。

    “搜索Search”选项卡包含用于修改所选网格方法的搜索参数的设置。
    1.搜索选项:“ 搜索”选项卡中设置的选项允许Surfer在插入网格节点时知道使用哪些数据点。指定不同类型的数据集(例如不同大小的数据集)的搜索设置可能很有用。例如,如果数据集很小(在250个数据点以下),那么使用“ 无搜索”选项并将所有数据插入网格节点会更合理。相反,如果数据集很大,那么限制用于内插每个网格节点的数据点的数量可能是理想的。
    a. 没有搜索:当选择这个选项时,Surfer将使用所有的数据点来估计网格文件。这对于较小的数据集有用,最多可达250个点。这对于均匀分布的数据也是足够的。如果这个选项被禁用,那是因为有超过750个数据点,Surfer不能将数据分割成更小的扇区。
    b. 要搜索的扇区数量:允许将搜索区域分成多个部分,最多可指定32个搜索扇区。这对于聚集的数据来说是理想的。
    c. 所有扇区使用的最大数据数量:这限制了总体估算中使用的点数总数。
    d. 从每个扇区中使用的最大数据量:这个值决定了每个扇区要使用的点数。
    e. 所有扇区中的最小数据量(节点设置为NoData,如果更少):如果在估计网格节点时没有找到足够的点,则Surfer将为该网格节点分配NoData值。具有NoData值的网格节点表示数据不足,并将修剪地图上的轮廓线。
    f. 如果多于这个多个扇区为空,则为节点分配NoData:如果网格节点没有足够的扇区,则Surfer将为该网格节点分配NoData值。
    2.搜索椭圆:搜索椭圆指定要查找数据的本地邻域的大小,这可能会受到搜索规则集的影响。半径1和半径2的值是以正数据单位表示的距离。半径值是在角度所指示的方向上搜索的长度。该角度表示在正x轴与椭圆轴的半径1之间的方向上。如果在搜索椭圆中没有找到点,则该网格节点将被分配NoData值。默认情况下,搜索椭圆是圆形的,对网格节点周围的两个方向赋予相同的权重。默认长度是数据对角线距离的一半。
    可以自定义搜索选项,以便将没有数据点的大区域分配给NoData值。为此,请将搜索椭圆的半径设置为小于数据值之间的距离的值。
    “ 断层线Breaklines”选项卡允许您在边界文件中输入用X,Y和Z值定义的线顶点。

    该断层线Breaklines标签用于选择断层线文件与断层线信息。
    1.断层线Breaklines:克里金支持断层线,但不是错误but not faults.。断层线Breaklines是表面的坡度中断,这种坡度通常是波浪形和不规则的,如悬崖的底部。这些代表地图中的不规范和不符合情况。
    2.断层线Breaklines不是障碍; 这意味着当插入网格节点时,线的两侧的所有数据点都被使用,而不管线的两侧的位置如何。但是,如果网格节点位于边界线上,则网格节点的值将成为边界文件的值。breakline文件
    以breakline文件(* .BLN)格式包含中断的X,Y和Z顶点:第一行是文件中数据点的数目,后跟该行的XYZ坐标。

更多Surfer视频教程尽在酒醒梦已残的网络课堂http://edu.51cto.com/sd/4af4d

转载于:https://blog.51cto.com/7346562/2065558

Surfer网格化方法的基本知识-克里格法(Kriging)相关推荐

  1. 贝叶斯推断方法 —— 从经验知识到推断未知

    贝叶斯推断方法 -- 从经验知识到推断未知 机器学习基础算法python代码实现可参考:zlxy9892/ml_code 1 什么是贝叶斯 ​ 在机器学习领域,通常将监督学习 (supervised ...

  2. 记录方法用时_知识无穷,学以致用才是关键!四个方法教你学以致用

    写作社群里小伙伴在发日更文章,结果一群小伙伴点赞表扬,并且附上一句:"向你学习."可是要学习什么呢? 在我身边有许多爱学习的人,但并不是所有人都擅长学习,因为学习本身就是一种能力. ...

  3. 【阅读笔记】数据分析思维:分析方法和业务知识

    数据分析思维分析方法 首页 5W2H分析方法 案例1:如何设计一款产品 案例2:设计一款App的调查问卷,如何设计问卷上的问题? 逻辑树分析方法 案例1:年度计划拆解 案例2:芝加哥有多少钢琴调音师? ...

  4. 方法:三遍学习法 +PPT 笔记法

    3. 方法:三遍学习法 +PPT 笔记法 读书有一个理念,是先把书读厚,再把书读薄,这往往是针对有一定基础的同学的学习方法,如果你原来没有研究过操作系统,或者没有基于 Linux 的 API 进行过程 ...

  5. 计算机表示法是知识 表示法么,知识表示

    知识表示(knowledge representation)是指把知识客体中的知识因子与知识关联起来,便于人们识别和理解知识.知识表示是知识组织的前提和基础,任何知识组织方法都是要建立在知识表示的基础 ...

  6. 【转】CT图像重构方法详解——傅里叶逆变换法、直接反投影法、滤波反投影法

    转自:​​​​​​CT图像重构方法详解--傅里叶逆变换法.直接反投影法.滤波反投影法_Absolute Zero-CSDN博客_反投影法 绪 在做CT图像处理的时候遇到很多问题,对于滤波反变换有许多细 ...

  7. 广义最小二乘法的基本思想是什么_解决异方差问题的方法可行广义最小二乘法fgls法.ppt...

    解决异方差问题的方法可行广义最小二乘法fgls法 第五章 模型的建立与估计中的问题及对策;本章内容第一节 误设定第二节 多重共线性第三节 异方差性第四节 自相关; OLS估计量令人满意的性质,是根据一 ...

  8. 刷题方法(五步刷题法)

    先介绍一下我刷题的方法–五步刷题法.这是我看的极客时间覃超老师的刷题方法.为什么要刷5遍题目呢?其实刷题最重要的是过遍数,也就是说每题花的时间少,但是要多刷几遍,形成记忆(大牛就可以不用看了,我这里只 ...

  9. 《数据分析思维》:分析方法与业务知识

    小飞象·读书会 生活从来不会刻意亏欠谁,它给你一块阴影,必会在不远处撒下阳光. 读书交流│3期 数据分析方法与业务知识 data analysis ●●●● 分享人:木兮 欢迎大家参加这次读书会的直播 ...

最新文章

  1. API for org.eclipse.paho.client.mqttv3
  2. PPT 下载 | 龙创悦动游臣隽:数据在游戏行业的落地应用实践
  3. 强势崛起的Python会在十年内取代Java吗?
  4. python函数体中可以不写返回值语句_python让函数不返回结果的方法
  5. 初始化环境配置:CentOS 7.4x64 系统安装及基础配置
  6. C++实现树的基本操作,界面友好,操作方便,运行流畅,运用模板
  7. 【12c】OCP 062近期新出现的考试原题-第28题
  8. Arraylist理解(3)删除元素
  9. Broadcast receiver之我见
  10. dw教程php个人网页,dreamweaver制作网页的步骤
  11. 绿盾加密如何顺利切换成IP-Guard加密
  12. Word2013的一级标题作为一页的第一行时,出现段前距失效问题如何解决?
  13. 深度学习中初始化权重
  14. 腾讯云「轻量应用服务器」开放公测!
  15. 微信小程序实现跳转到另外一个小程序的方法
  16. 论文阅读笔记《Regularizing Dialogue Generation by Imitating Implicit Scenarios》
  17. 挑战巨头,主打安全的Telegram、超信胜算几何?
  18. mysql全备和指定库和表备份,mysql日志的分类简介和作用, mysql加速跳过域名解析,mysql权限授予与收回,数据库实用篇~~Tring
  19. php把字符串变为数组_php怎么把字符串转换成数组?
  20. Linux搭建Steam饥荒服务器教程 — Linux GSM方式

热门文章

  1. 一个图书编辑在南美逛书展(下)
  2. ECharts常用配置项
  3. matplotlib - 饼图、等高线图
  4. sql n日均线-mysql presto
  5. kali linux 命令行设置WIFI
  6. 失业第三天 - 裸辞了,求上海项目经理/主管职位(金融,Java)
  7. 兰大的计算机专业好考吗,兰大计算机专业初试的特点.
  8. 松下668计算机故障或繁忙,松下洗衣机常见故障有哪些 松下洗衣机常见故障的解决方法是什么...
  9. WiFi热点配置工具 1.0
  10. 计算机处理英语的顺序,顺序多处理方式,sequential multiprocessing ],音标,读音,翻译,英文例句,英语词典...