Как выбор модели вариограммы воздействует на кригинг
Похожие вариограммы
В параграфе, посвященном подгонке вариограмм, была подчеркнута важность точного определения эффекта самородка и формы вариограммы в начале. Не было предложено никаких сложных статистических методов для подгонки моделей, потому что к экспериментальной вариограмме легко визуально подобрать несколько похожих моделей, которые дают одинаково хорошую ее аппроксимацию. Если при этом все модели имеют одинаковое поведение около начала, то получаемые в результате кригинг оценки и дисперсии кригинга будут очень схожи. Это происходит потому, что ряды и колонки в системе кригинга фактически одинаковы.
Чтобы проиллюстрировать это, рассмотрим две похожие модели вариограмм: первая – экспоненциальная с порогом 2.06 и параметром расстояния a=30м (практическая зона равна около 100м) и вторая – сумма двух сферических моделей с порогом 1.0 и зонами 40м и 100м соответственно. Предположим, что кригинг оценивает квадратный блок 100м на 100м по 5 точкам данных (четыре по углам и одна в центре). В Таблице 8.3 показано, как схожи веса кригинга и дисперсии кригинга для двух моделей.
a
Рис 8.3. Две похожие модели; (a) сумма двух сферических моделей с зоноами 40м и 100м и порогом 1.0, (b) одиночная экспоненциальная модель с параметром расстояния 30м и порогом 2.06
Таблица 8.3. Веса кригинга и дисперсия кригинга для двух похожих моделей, когда оценивается блок 100м на 100м
Веса Кригинга | Экспоненциальная | 2 структурная сферическая |
Центральная точка | 0.338 | 0.339 |
Угловые точки | 0.165 | 0.165 |
Дисперсия кригинга | 0.285 | 0.299 |
Дата добавления: 2019-05-21; просмотров: 820;