地质统计学

合集下载

地质统计学简介及其应用

地质统计学简介及其应用

基本理论介绍:
变差函数分析实际是确定数据在方向和距离两方面的变化率


滞后距(Lag)
散 点 图
半变差函数
半变差函数图的构成
变差函数图中各部分的名称
基台
变程
跃迁
变差函数图 的构图机理
关 系
变差函数图
半变差函数
H-散点图
二 维 变 差 函 数 模 型
主轴变差图
附轴变差图
三 维 变 差 函 数 模 型
权系数的确定
普通克里金
普遍采用于成图的算法;
远离数据点的值是寻找范围内的数据点的平均值。
3、非稳态克里金 (Nostationary Kriging)
非稳态克里金
比较灵活的克里金算法,因为可以设置网格点的值; 网格点的平均值来自于大范围的数据,而成图区只是一部分。
4、内在趋势克里金
(Universal Kriging)
且统计数据要达到一定的数量。
主要优点是:考虑了数据场的方向性。 其核心是:寻找到相邻数据点对所求点的权。
二、克里金算法介绍
常 用 的 几 种 克 里 金 算 法
1、简单克里金
2、普通克里金 3、非稳态克里金 4、内在趋势克里金
(泛克里金)
(Simple Kriging)
(Ordinary Kriging) (Nostationary Kriging) (Universal Kriging)
组成变差函数模型的结构类型
ห้องสมุดไป่ตู้
球型
高斯
跃 迁
指数
幂函数
变差模型结构
半 变 差 函 数
滞后距
四、一个应用实例
---应用三维属性数据建立砂体模型

地质统计学在地质及矿业中的应用及发展

地质统计学在地质及矿业中的应用及发展

地质统计学在地质及矿业中的应用及发展【摘要】地质统计学是一门重要的地质学分支,通过对地质数据的分析和解释,可以帮助我们更好地认识地质现象和地质资源。

在地质学中,地质统计学可以用于地质勘探、矿产资源评价、矿床预测和地质灾害预测等方面。

在矿业领域,地质统计学的应用也非常广泛,可以帮助矿业公司提高勘探效率和资源利用率。

地质统计学在实践中也存在一些局限性,比如样本数量不足或数据质量不高等问题。

未来,随着技术的不断发展和完善,地质统计学在地质及矿业中的应用将会更加广泛,为地质矿产领域的发展提供更多可能性。

地质统计学在地质及矿业中的重要性不可忽视,需要不断加强研究和实践。

【关键词】地质统计学、地质勘探、矿产资源评价、矿床预测、地质灾害预测、资源勘查、发展方向、局限性、重要性。

1. 引言1.1 地质统计学的概念地质统计学,是统计学与地质学相结合的一门交叉学科,主要研究地质现象的空间变异性及其规律性。

地质统计学通过对地质数据进行统计分析,揭示地质现象之间的关联性和规律性,从而为地质学和矿业提供科学依据。

地质统计学的方法包括样本普查、空间插值、随机模拟等。

这些方法可以帮助地质学家和矿业工作者更好地分析和解释地质数据,发现地下资源的分布规律,预测地质灾害的发生可能性,优化资源勘查的方案等。

地质统计学是一门在地质学和矿业中具有重要意义的学科,在研究地质现象的空间变异性和规律性方面发挥着至关重要的作用。

随着技术的发展和方法的进步,地质统计学将在地质及矿业领域发挥越来越重要的作用。

1.2 地质统计学在地质学中的重要性地质统计学在地质学中的重要性体现在对地质数据的分析与解释上。

地质统计学通过数理统计的方法,可以对地质数据进行合理的处理和分析,从而帮助地质学家更好地理解地质现象和地质过程。

在地质调查和勘探中,地质统计学可以帮助地质学家发现地质异常、地质断裂和矿产资源的分布规律,为矿产资源的勘探和评价提供科学依据。

地质统计学还可以帮助地质学家进行地质灾害的预测和评估。

地统计学知识点

地统计学知识点

地统计学知识点地统计学是一门融合了地质学、统计学和数学等多学科知识的交叉学科,主要用于研究具有空间相关性和变异性的数据。

它在地质、环境、农业、生态等众多领域都有着广泛的应用。

一、地统计学的基本概念1、区域化变量区域化变量是指在空间上具有数值的变量,其数值随空间位置的变化而变化。

例如,某地区的土壤肥力、地下水位、气温等都可以看作是区域化变量。

2、随机性和结构性地统计学认为区域化变量具有随机性和结构性。

随机性表现为在同一位置多次测量得到的值不完全相同;结构性则反映了变量在空间上的分布具有一定的规律和趋势。

3、空间相关性空间相关性是地统计学的核心概念之一。

它指的是距离相近的点所对应的区域化变量值之间的相关性较强,而距离较远的点之间的相关性较弱。

二、地统计学的研究方法1、变差函数变差函数是地统计学中描述区域化变量空间变异性的重要工具。

它通过计算不同距离下区域化变量的差异来反映变量的空间结构。

变差函数的表达式为:\γ(h) =\frac{1}{2N(h)}\sum_{i=1}^{N(h)}Z(x_i) Z(x_i+ h)^2\其中,\(γ(h)\)为变差函数值,\(h\)为距离,\(Z(x_i)\)和\(Z(x_i + h)\)分别为位置\(x_i\)和\(x_i + h\)处的变量值,\(N(h)\)为距离为\(h\)的样本对数量。

2、克里金插值克里金插值是地统计学中最常用的空间插值方法。

它基于区域化变量的空间相关性,对未采样点的值进行估计。

克里金插值的基本思想是,在估计未知点的值时,不仅考虑已知点与未知点的距离,还考虑已知点之间的空间相关性。

通过赋予不同已知点不同的权重,使得估计值的方差最小。

三、地统计学在地质领域的应用1、矿产资源评估在矿产勘查中,可以利用地统计学分析矿化指标的空间分布特征,预测潜在的矿产地。

2、地质构造分析通过分析地质构造数据的空间变异性,了解地质构造的形成和演化过程。

四、地统计学在环境领域的应用1、土壤污染评估对土壤中污染物的含量进行空间分析,确定污染的范围和程度。

地质统计学

地质统计学

地统计(Geostatistics)又称地质统计,是在法国著名统计学家G. Matheron大量理论研究的基础上逐渐形成的一门新的统计学分支。

它是以区域化变量为基础,借助变异函数,研究既具有随机性又具有结构性,或空间相关性和依赖性的自然现象的一门科学。

凡是与空间数据的结构性和随机性,或空间相关性和依赖性,或空间格局与变异有关的研究,并对这些数据进行最优无偏内插估计,或模拟这些数据的离散性、波动性时,皆可应用地统计学的理论与方法。

地统计学与经典统计学的共同之处在于:它们都是在大量采样的基础上,通过对样本属性值的频率分布或均值、方差关系及其相应规则的分析,确定其空间分布格局与相关关系。

但地统计学区别于经典统计学的最大特点即是:地统计学既考虑到样本值的大小,又重视样本空间位置及样本间的距离,弥补了经典统计学忽略空间方位的缺陷。

地统计分析理论基础包括前提假设、区域化变量、变异分析和空间估值。

第一章品位与储量计算第一节概述投资一个矿床开采项目,首先必须估算其品位和储量。

一个矿床的矿量、品位及其空间分布是对矿床进行技术经济评价、可行性研究、矿山规划设计以及开采计划优化的基础,是矿山投资决策的重要依据。

因此,品位估算、矿体圈定和储量计算是一项影响深远的工作,其质量直接影响到投资决策的正确性和矿山规划及开采计划的优劣。

从一个市场经济条件下的矿业投资者的角度看,这一工作做不好可能导致两种对投资者不利的决策:(1)矿体圈定与品位、矿量估算结果比实际情况乐观,估计的矿床开采价值在较大程度上高于实际可能实现的最高价值,致使投资者投资于利润远低于期望值,甚至带来严重亏损的项目。

(2)与第一种情况相反,矿床的矿量与品位的估算值在较大程度上低于实际值,使投资者错误地认为在现有技术经济条件下,矿床的开采不能带来可以接受的最低利润,从而放弃了一个好的投资机会。

然而,准确地估算出一个矿床的矿量、品位绝非易事。

大部分矿体被深深地埋于地下,即使有露头,也只能提供靠近地表的局部信息。

条件模拟 地质统计学 蒙特卡洛

条件模拟 地质统计学 蒙特卡洛

条件模拟地质统计学蒙特卡洛地质统计学是地质学中一门重要的统计学科,通过收集、分析和解释地质数据,为地质学研究和资源勘探提供支持。

而蒙特卡洛模拟是一种基于随机数的数值计算方法,可以用于模拟实验和预测结果。

本文将介绍如何利用蒙特卡洛模拟在地质统计学中进行条件模拟。

一、蒙特卡洛模拟概述蒙特卡洛模拟是一种以概率统计为基础的计算方法,通过随机抽样和统计分析来模拟实验结果。

其基本思想是通过重复实验,根据实验结果的统计规律性来推断未知问题的答案。

在地质统计学中,蒙特卡洛模拟可以用来模拟地质参数的分布,从而进行地质建模和资源预测。

二、条件模拟在地质统计学中的应用条件模拟是一种基于地质数据的模拟方法,通过考虑地质数据的空间相关性和地质模型的先验信息,生成符合地质实际情况的模拟结果。

在地质统计学中,条件模拟可以用于生成地质属性的多个等概率模拟结果,从而提供多个可能的地质模型。

三、蒙特卡洛模拟在条件模拟中的应用在条件模拟中,蒙特卡洛模拟可以用来生成符合地质数据统计特征的随机数序列。

具体步骤如下:1. 收集地质数据:首先,需要收集地质数据,包括地质属性的空间分布、样本数据和块体边界等信息。

2. 空间插值:根据收集的地质数据,可以利用插值方法(如克里金插值)将点数据插值为连续的地质属性场。

3. 统计分析:对插值后的地质属性场进行统计分析,包括均值、方差、协方差等统计指标的计算。

4. 随机数生成:根据统计分析的结果,可以生成符合地质属性场的随机数序列。

在蒙特卡洛模拟中,可以使用随机数生成器生成符合指定统计特征的随机数。

5. 模拟重复:重复进行步骤3和步骤4,可以生成多个符合地质数据统计特征的随机数序列。

6. 地质模型生成:利用生成的随机数序列,可以生成多个满足地质数据统计特征的地质模型。

这些地质模型可以用于地质建模和资源预测。

四、蒙特卡洛模拟在地质统计学中的局限性尽管蒙特卡洛模拟在地质统计学中有很多应用,但也存在一些局限性。

地质统计学基本原理

地质统计学基本原理

Z(x 差h)的方差之半定义为区域化变量 的Z(变x)差函数,记为
(x, h)
(x, h) 1 Var[Z (x) Z (x h)]
2
变差函数定义
• 定义:在任一方向 a ,相距 | h |的两个区域 化变量 Z(x) 和 Z(x h) 的增量的方差的一半。
• 公式: (h) 1 E[Z (x) Z (x h)]2
几点注意内容
• 变差函数参数
• 块金值:块金值越小,距离越近的点越重要,这样会导 致权值的变化范围变大(从负值到大于1的值变化),使 数据出现异常。块金值越大,估值结果越平滑。
当时h 0,上式变成:
Var[Z(x)] C(0) x
即它有有限先验方差。
本征假设
当区域化变量Z(x) 的增量 Z(x) Z(x h) 满足下列两个条 件时,称该区域化变量满足本征假设: (1)在整个研究区内,区域化变量Z(x的) 增量 Z(x) Z(x 的h)
期望为0: E[Z(x) Z(x h)] 0 x,h
滞后距
实验变差函数计算实例
• 相距为200米的样本点对。
实验变差函数计算实例
• 滞后距为200米的变差函数值。
变差函数计算实例
• 变差函数图:滞后距200米的变差函数点
变差函数
20 18 16 14 12 10
8 6 4 2 0
0
100
200
300
400
500
滞后距
变差函数计算实例
• 变差函数图:滞后距300米、400米的变差函数点
几何各向异性
• 基台值相同 • 变程不同
在不同的方向具有相同的变异程 度(基台值相同)但具有不同的 连续程度(变程不同)为几何各 向异性。

条件模拟 地质统计学 蒙特卡洛

条件模拟 地质统计学 蒙特卡洛

条件模拟地质统计学蒙特卡洛地质统计学是地质学中的一门重要分支,它主要研究地质现象的统计规律和概率分布。

蒙特卡洛方法是一种常用的条件模拟技术,通过随机抽样和大量的重复试验,可以模拟各种不同的地质情况。

本文将介绍地质统计学和蒙特卡洛方法在地质学研究中的应用。

一、地质统计学的基本概念地质统计学是一门利用数理统计和概率论的方法来研究地质现象的学科。

它主要研究地质现象的分布规律、变异性和相互关系等。

地质统计学可以用来描述地质现象的空间分布、时间演化和参数估计等。

二、蒙特卡洛方法在地质统计学中的应用蒙特卡洛方法是一种基于随机抽样和大量的重复试验的模拟方法。

它可以用来模拟各种不同的地质情况,如地质体的形状、大小、分布等。

蒙特卡洛方法在地质统计学中的应用非常广泛,主要包括以下几个方面:1. 地质体参数的估计在地质学研究中,常常需要估计地质体的参数,如体积、厚度、倾角等。

蒙特卡洛方法可以通过抽样和重复试验,得到地质体参数的概率分布,从而提供参数的估计结果。

2. 地质体的随机建模地质体的形状、大小、分布等往往是随机的。

蒙特卡洛方法可以通过随机抽样和重复试验,生成具有不同形状、大小、分布的地质体模型。

这对于地质学研究和资源勘探具有重要意义。

3. 地质风险评价地质风险评价是地质学中的一个重要问题。

蒙特卡洛方法可以通过模拟地质灾害发生的概率和影响程度,评估地质风险。

这对于灾害防治和资源开发具有重要意义。

4. 地质勘探优化地质勘探是地质学中的一个重要任务。

蒙特卡洛方法可以通过模拟不同的勘探策略和参数组合,评估勘探效果,从而优化地质勘探方案。

这对于提高资源勘探的效率和效果具有重要意义。

三、蒙特卡洛方法的优势和不足蒙特卡洛方法在地质统计学中具有一些显著的优势。

首先,它可以模拟各种不同的地质情况,提供多个可能性的结果。

其次,蒙特卡洛方法可以通过随机抽样和重复试验,降低模拟误差,提高模拟的准确性。

然而,蒙特卡洛方法也存在一些不足之处,例如计算量大、耗时长等。

地质统计学教案中的地质勘探与勘察方法

地质统计学教案中的地质勘探与勘察方法

地质统计学教案中的地质勘探与勘察方法一、引言地质统计学是地质学和统计学相结合的一门学科,主要研究地质现象的空间分布、变异规律及其与时间的关系。

地质勘探与勘察方法是地质统计学中的重要内容,本文将从地质目的、数据采集、数据处理和解释等方面介绍地质勘探与勘察方法。

二、地质目的1.灾害预测与评估地质勘探与勘察方法在灾害预测与评估中发挥着重要作用。

通过采集和分析地震、火山、滑坡等灾害相关的地质数据,可以预测灾害的发生概率和可能影响的范围,为减少灾害造成的损失提供科学依据。

2.矿产资源勘探地质勘探与勘察方法在矿产资源勘探中具有重要的应用价值。

通过地质调查、地球物理勘探、化学分析等手段,可以确定矿产资源的分布范围、矿床类型和矿藏量,为矿产资源的开发与利用提供必要的技术支持。

三、数据采集1.野外观察地质勘探与勘察方法的第一步是进行野外观察。

研究人员根据勘探目的,选择适当的地质地区进行观察,记录地质现象和地质构造的分布情况。

同时,应注意野外观察的精确性,避免主观偏差对数据采集结果的影响。

2.钻孔取样钻孔取样是地质勘探与勘察方法中常用的手段之一。

通过钻孔取得的岩石样本,可以对地层的岩性、构造和物理性质等进行分析,为地质勘探与勘察的深入研究提供可靠的数据支持。

四、数据处理1.数据整理与测量地质勘探与勘察方法中的数据处理包括数据整理和测量两个方面。

数据整理是指对野外采集的数据进行整理、分类和编码,以便于后续的分析和研究。

测量是指对各类数据进行准确的测量和记录,确保数据的可靠性和准确性。

2.统计分析地质统计学的核心是统计分析。

通过应用统计学的基本原理和方法,对地质数据进行分析和解释。

常用的统计分析方法包括聚类分析、主成分分析和空间插值等,可以揭示地质现象的规律和特征,为地质预测和评估提供科学依据。

五、数据解释与成果呈现地质勘探与勘察的最终目标是得出科学的结论并将成果呈现出来。

在数据解释方面,研究人员应结合野外观察、钻孔取样和统计分析等结果,对地质现象进行解释和说明。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

(二)协方差函数
1.协方差函数的概念


区域化随机变量之间的差异,可以用空间协 方差来表示。 区域化变量Z ( x ) Z ( x u , x v , x w ) 在空间点x和x+h处 的两个随机变量和的二阶混合中心矩定义为 Z(x)的自协方差函数,即
Cov [ Z ( x ), Z ( x h )] E [ Z ( x ) Z ( x h )] E [ Z ( x )] E [ Z ( x h )]
2
2.变异函数的性质

设Z(x)是区域化变量,在满足二阶平稳假设 条件下,变异函数式具有如下性质: (1) ( 0 ) =0,即在h=0处,变异函数为0;


(2) ( h ) = ( h ) ,即 ( h ) 关于直线h=0是对称的, 它是一个偶函数; (3) ( h ) ≥0,即 ( h ) 只能大于或等于0;
h a 3
0
(4)高斯模型。其一般公式为:
0 2 (h) h 2 c 0 c (1 e a ) h0 h0
(3)指数模型。其一般公式为:
0 (h) h c 0 c (1 e a ) h 0 h 0
式中:c0 和c意义与前相同,但a不是变程。当 h=3a时, e 1 e 0 .95 1,即 ( 3 a ) c c ,从而指 1 数模型的变程 a 约为 3 a 。当c0=0,c=1时,称为 标准指数模型。
2 2 2 2 2 2
=385/72=5.35
同样计算出
( 2 ) 9.26
(h) (h)
( 3 ) 17.55
( 4 ) 25.69
( 5 ) 22.90
最后,得到南北方向和西北—东南上的变异
函数计算结果见下表。同样可以计算东西方向
上的变异函数。
方向
1 2
1 2 Var [ Z ( x ) Z ( x h )]
2
E [ Z ( x ) Z ( x h )]
1 2
{ E [ Z ( x )] E [ Z ( x h )]}
2
在二阶平稳假设条件下,对任意的h有
E [ Z ( x h )] E [ Z ( x )]
h N(h)
(h)
1 36 5.3 5 2 27 9.2 6 3 21 17.55
南北
4 13 25.69 5 5 22.90
方向
h N(h)
(h)
1.4 1 32 7.0 6
西北—东南
2.82 21 12.95 4.24 13 30.85 5.65 8 58.13 7.07 2 50.0 0
i j
n
i
i 1
3.变异函数的计算公式
设 Z ( x ) 是系统某属性Z在空间位置x处 Z 的值, ( x ) 为一区域化随机变量,并满足二 阶平稳假设,h为两样本点空间分隔距离, Z ( x ) 和 Z ( x h ) 分别是区域化变量 ( x ) 在空间 Z 位置 x i 和 x i h 处的实测值[i=1,2,…,N(h)], 那么,变异函数 ( h ) 的离散计算公式为
C0+C2
γ (h) C0
当变异函数随着间隔距离h的增大,从非零值达到一个相
对稳定的常数时,该常数称为基台值C0+C,
当间隔距离h=0时,γ (0)= C0,该值称为块金值或块金方
差(Nugget Variance)。
基台值是系统或系统属性中最大的变异,变异函数达到
基台值时的间隔距离a称为变程。变程表示在h≥a以后, 区域化变量Z(x)空间相关性消失。
2.协方差函数的计算公式

协方差函数的计算公式为:
c(h) 1 N (h)
N (h)
[Z (x
i 1
i
) Z ( x i )][ Z ( x i h ) Z ( x i h )]

式中:h为两样本点空间分隔距离或距离滞后,
Z ( xi ) 为 Z ( x )
在空间位置 x i 处的实测值,
变异函数(Variograms),又称变差函数、 变异矩,是地统计分析所特有的基本工具。 在一维条件下变异函数定义为,当空间点x 在一维x轴上变化时,区域化变量Z(x)在点x 和x+h处的值Z(x)与Z(x+h)差的方差的一半 为区域化变量Z(x)在x轴方向上的变异函数, 记为γ(h),即
( x, h)
i
i
(h)
1 2 N (h)
N (h)

[ Z ( x i ) Z ( x i h )]
2
i 1
这样对不同的空间分隔距离h,计算出相应
c( 的 c ( h ) 和 ( h ) 值。如果分别以h为横坐标, h )或
( h ) 为纵坐标,画出协方差函数和变异函数曲
线图,就可以直接展示区域化变量Z(x)的空间 变异特点。可见,变异函数能同时描述区域化 变量的随机性和结构性,从而在数学上对区域 化变量进行严格分析,是空间变异规律分析和 空间结构分析的有效工具。
因此,公式可以改写为
( x, h)
1 2 E [ Z ( x ) Z ( x h )]
2
从上式可知,变异函数依赖于两个自变量x和
h,当变异函数 ( x , h ) 仅仅依赖于距离h而与 位置x无关时, ( x , h ) 可改写成 ( h ) ,即:
(h)
1 2 E [ Z ( x ) Z ( x h )]
一、地统计方法的基本原理
(一)区域化变量
当一个变量呈现为空间分布时,就称之为区
域化变量(Regionalized Variable)。这种变量 常常反映某种空间现象的特征,用区域化变量 来描述的现象称之为区域化现象。 区域化变量,亦称区域化随机变量,G. Matheron(1963)将它定义为以空间点x的三个 直角坐标为自变量的随机场 Z x Z ( x u , x v , x w ) 。 区域化变量具有两个最显著,而且也是最重 要的特征,即随机性和结构性
图4.2.2 缺失值情况下样本数对的组成和计算过程, ☉为缺失值
首先计算南北方向上的变异函数值,由变异
函数的计算公式可得:
(1)
1 2 36 [( 40 42 ) ( 42 37 ) ( 37 35 ) ( 35 36 ) ( 36 38 ) ( 37 38 )
Z ( x i h ) 是 Z ( x ) 在 x i 处距离偏离h的实测值[i=1,
N 2,…, ( h ) ], N ( h ) 是分隔距离为h时的样本点对(Paris)总数,
Z (xi )
和 Z (x
i
h ) 分别为Z ( x i )
和 Z ( xi
h)
的样本平均数。
若 Z ( x i ) =
第二类是无基台值模型,包括幂函数模型、
线性无基台值模型、抛物线模型;
第三类是孔穴效应模型。 下面有代表性地介绍几种常见的变异函数理
论模型。

Байду номын сангаас
(1)纯块金效应模型。其一般公式为:
0 (h) c 0 h 0 h 0

式中:c0>0,为先验方差。该模型相当于区 域化变量为随机分布,样本点间的协方差函 数对于所有距离h均等于0,变量的空间相关 不存在。
2 2 2 2 2 2
2
( 38 35 )
2
( 35 37 )
2
2
( 40 43 )
2
2
( 43 37 )
2
2
( 36 35 )
2
2
( 42 42 )
2
2

( 42 35 ) ( 35 35 ) 35 35 ) ( 40 39 ) ( 39 38 ) ( 38 37 ) ( ( 37 34 ) ( 34 30 ) ( 39 39 ) ( 39 37 ) ( 37 36 ) ( 36 33 )
第二节 地统计分析方法


一、地统计方法的基本原理 (一)区域化变量 (二)协方差函数 (三)变异函数 (四)克立格插值方法 二、应用实例


地统计学是以区域化变量理论为基础,以 变异函数为主要工具,研究那些在空间分 布上既有随机性又有结构性,或空间相关 和依赖性的自然现象的科学。 协方差函数和变异函数是以区域化变量理 论为基础建立起来的地统计学的两个最基 本的函数。地统计学的主要方法之一,克 立格法就是建立在变异函数理论和结构分 析基础之上的。
4.变异函数的参数



变异函数有四个非常重要的参数,即基台值 (Sill)、变程(Range)或称空间依赖范围 ( Range of Spatial Dependence ) 、 块 金 值 (Nugget)或称区域不连续性值 (Localized Discontinuity)和分维数(Fractal Dimension)。 前3个参数可以直接从变异函数图中得到。它 们决定变异函数的形状与结构。 变异函数的形状反映自然现象空间分布结构或 空间相关的类型,同时还能给出这种空间相关 的范围。
2 2 2 2 2 2
( 37 41 ) ( 41 37 ) ( 37 36 ) ( 36 32 ) ( 32 29 ) ( 36 40 )
2 2 2 2 2 2
( 40 33 ) ( 33 35 ) ( 35 29 ) ( 29 30 ) ( 38 34 ) ( 28 32 ) ]
相关文档
最新文档