Matlab 普通kriging(克里金)插值

文章目录

  • 一、简介
    • 1.1 随机函数与无偏
    • 1.2 随机函数模型与误差方差
    • 1.3 Lagrange参数
    • 1.4 最小化误差方差
    • 1.5 使用变异函数
    • 1.6 总结
  • 二、实现代码(举个例子
  • 三、实现效果
  • 参考资料

一、简介

普通Kriging插值法,是一种“最好”的线性无偏估计的方法。之所以说它是线性,这是因为它的估计值是邻近数据的线性加权组合;“无偏”则是因为该方法的均值误差等于0;至于为什么是“最好”的,这是因为它可以通过最小化误差的方式来获取一组权值,而很多其他类似的插值方法都没有该功能。
不过对于实际的数据而言,我们从来就不知道真值和实际的误差,因此也就谈不上所谓的最小化误差。那么既然对数据不能直接使用,这时我们就需要构建一个关于数据的模型,通过研究这个模型的均值误差和误差方差来达到我们的目的。在普通Kriging中,一般会选取一个无偏且误差方差可以被计算的概率模型,通过选择邻近数据的权值可以确保我们的模型均值误差是0

你可能感兴趣的:(点云进阶,matlab,kriging,克里金,插值)