本文關(guān)鍵詞：空間變異函數(shù)的數(shù)學(xué)模型及參數(shù)反演，，由筆耕文化傳播整理發(fā)布。

空間變異函數(shù)的數(shù)學(xué)模型及參數(shù)反演 The Mathematical Model of Spatial Variogram and Parameters Inversion

    

 新浪微博

 騰訊微博

 豆瓣

 人人網(wǎng)

摘要：

空間變異函數(shù)在克里格估計中占有重要地位.基于橢圓分布函數(shù)可導(dǎo)出兩類空間變異函數(shù)的數(shù)學(xué)模型.一類是只考慮變程各項異性的模型,稱之為AE模型;一類是只考慮拱高各項異性的模型,稱之為CE模型.傳統(tǒng)的方法需要先進行空間變異函數(shù)的擬合,然后進行克里格估計.交叉檢驗方差是評價估計精度的一項重要指標(biāo).根據(jù)克里格方程組的重要性質(zhì),克里格估值僅與標(biāo)準變異函數(shù)有關(guān),對標(biāo)準變異函數(shù)進行線性變換得到新的變異函數(shù)不會改變克里格估值和交叉檢驗方差.因此,用擬合方法獲得的最優(yōu)變異函數(shù)進行交叉檢驗,通常并不能有效地降低交叉檢驗方差.如果直接以交叉檢驗方差為目標(biāo)函數(shù)進行參數(shù)反演,則可以有效地解決這個問題.變異函數(shù)數(shù)學(xué)模型一般含有5個參數(shù),其中2個是線性變換作用.進行交叉檢驗時只需研究標(biāo)準變異函數(shù)的3個參數(shù),從而可以降低參數(shù)反演的復(fù)雜度.研究表明:較之AE類模型CE類模型具有更強的適應(yīng)性,通�？色@得更小的交叉檢驗方差;鑒于評價面非常復(fù)雜,將遺傳算法(GA)應(yīng)用于參數(shù)反演是可行和有效的.灤河流域降水量空間插值實例表明,交叉檢驗均方差降幅分別為11.7%和29.8%.

  本文關(guān)鍵詞：空間變異函數(shù)的數(shù)學(xué)模型及參數(shù)反演，由筆耕文化傳播整理發(fā)布。