空间相关分析因素对储层建模中克里金估计结果的影响

研究采样数据的空间分布及合理地选择参数是得到符合真实地质情况的克里金估计结果的基础。利用某储层数据来研究空间相关分析的主要影响因素与克里金估计结果的直接关系 ,为正确使用这些参数提供参考。这些因素与参数包括采样点的位置分布特征、变差函数模型的块金效应、变差函数模型的变程、变差函数模型的类型、空间结构的各向异性和空间搜索范围。在分析每种因素影响的同时 ,给出了相应的实际数据估计的结果图。研究结果表明 ,距离估计点较近的采样点对估计结果的影响较大 ;主轴方向的采样点比垂直于主轴方向上的采样点对估计结果的影响大 ;搜索半径通常取 1.3～ 2倍的变程值。同时还认为 ,在大多数情况下应选用球状模型和指数模型 ,除非十分必要时使用高斯模型     

基于支持向量机改进的克里金插值法—以汾渭平原PM2.5数据为例

克里金插值法根据待测点与已知点的空间位置关系以及研究区域内变量的空间相关性为已知点赋予不同权重,再通过加权求和的方式得到待测点的估计值,为待测点提供最佳的线性无偏估计。变异函数描述了区域化变量的空间变化信息,常用的理论变异函数包括球状模型、指数模型和高斯模型,然而以上模型形式较为固定且选择较为主观,可能无法准确反映数据波动趋势。基于此,提出引入支持向量机作为新的变异函数对克里金方法进行改进。使用汾渭平原PM2.5浓度数据对改进前后的克里金插值法进行效果对比,结果发现：①支持向量机能够拟合出变异函数的变化趋势,②改进后的克里金插值精度优于改进前的克里金插值精度,因此支持向量机改进的克里金插值法是一种可选的克里金方法。     

基于柯西变异动态粒子群优化的克里金插值算法

针对克里金插值算法中变差函数拟合曲线误差过大、插值精度低等问题.通过基于线性动态变化因子结合柯西变异粒子群算法对变差函数的拟合模型参数进行最优化估计,同时在适应度函数中引入克里金地理权重来增强变量的空间相关性,最后与基于约束粒子群算法的克里金插值进行比较实验.仿真实验结果表明:改进算法使基台值误差减少近75%,获得的变差函数值拟合曲线更接近实际情况,插值精度更高.     

基于贝叶斯估计的空间函数型自回归模型及其应用

目的 为了研究函数型数据中响应变量的空间相关性,根据现有研究方法,对具有空间依赖性的函数型数据进行研究,并提出其模型的贝叶斯估计方法。方法 以典型空间自回归模型为基础,根据函数响应变量的空间依赖性,假设响应变量和解释变量间存在内生关系,生成空间函数型自回归模型,通过主成分分析将模型中函数型部分变为离散型,然后在给定先验情况下计算模型中参数的完全条件后验分布,使用贝叶斯MCMC方法进行估计。结果 使用联合Gibbs采样和随机游动的Metropolis-Hastings算法对模型中参数进行估计,通过模拟研究发现：不同参数下模型的函数型系数以及其他参数的估计偏差和均方误差较小,由此验证了贝叶斯估计方法的有效性,同时将空间函数型模型用于重庆市主城区新房平均价格的实证分析,结果表明所提出模型的贝叶斯估计方法是有效的。结论 使用贝叶斯估计方法对模型中参数进行估计,在不同情况下函数型解释变量的估计效果一直都比较好,并且随着样本量的增大,其估计效果也越来越好,可以认为使用贝叶斯估计方法对空间函数型自回归模型进行估计是有效且可行的,同时通过实证分析说明重庆市主城区新房平均价格具有空间自相关性,而且会受到...     

变差函数稳健性研究

地质勘探过程中得到的样品数据往往偏离正态分布,这种情况下估算得到的变差函数值往往会偏离变差函数的实际值.针对这一问题,通过分析样品中成矿元素的分布特点,提出了采用稳健估计方法研究成矿的空间变差性,计算其变差函数.通过幂变换使样品服从正态分布,在此基础上采用稳健估计中的中位数法和三点均值法分别计算变差函数.采用交叉验证对变差函数模型最优性进行检验,结果表明采用稳健估计方法计算变差函数能够使估计值具有更高的精度.     

基于核函数方法的逐段线性Tobit回归模型估计

在变点估计模型中,常用的格点搜索法存在变点估计繁琐和实际意义不强的缺陷,线性化技术得到的变点估计无法证明估计的大样本性质。为克服这些缺陷,在逐段线性Tobit回归模型中利用核函数方法解决了目标函数不可导问题,得到了变点位置估计和参数估计,证明了估计的大样本性质,并利用蒙特卡洛模拟验证了估计效果的有效性和稳健性。针对家庭年金融资产数据进行的实证分析表明,家庭金融资产会受到受教育水平的正向影响,受教育水平在本科前后存在变点。     

缺失数据下Logistic回归多变点模型的贝叶斯估计

利用随机的方法填充了缺失数据,获得了Logistic回归多变点模型的完全数据似然函数.研究了变点位置等未知参数的满条件分布.利用筛选法和Metropolis-Hastings算法对参数进行抽样,把Gibbs样本的均值作为参数的贝叶斯估计.随机模拟的结果表明估计的精度较高.     

回归函数的变点分析

本文介绍了变点问题以及线性模型、半参数模型和非参数模型。在已有结论的启发下,给出了非参数模型中回归函数变点或不连续点的位置的估计量,证明了误差具有某种长程相依结构时,回归函数变点位置估计及其分布的大样本性质。在一定的条件下证明了估计量的收敛速度和极限分布。同时在误差具有不同相依结构下,对回归函数变点的位置进行模拟分析;也模拟分析了不同的核函数和带宽对变点估计的影响。     

重庆市降雨空间模拟方法研究

基于重庆市气象站台的实测数据和DEM数据,首先利用空间自相关系数估计重庆市降雨量的全局空间自相关性;然后利用空间联系的局部指标估计降雨量的局部空间自相关情况;最后利用反距离加权法、克里金方法、样条函数和协克里金法这4种插值方法探讨重庆市降雨量的空间的分布;分析结果表明:重庆市的年降雨量空间分布具有较强的正相关性,局部空间自相关分析表明:重庆市不同地区降雨空间的依赖程度不同,协克里金插值法的插值结果较好,降雨量的模拟结果最佳。     

基于Pair Copula函数的空间预测模型及其应用

对于空间数据的插值预测,大多采用传统的空间插值方法如反距离加权插值法和克里金插值法,这2种方法在边缘分布或存在异常值的情况下会导致预测精度相对较低;采用基于Copula理论的方法克服了这一问题。通过Pair-Copula函数描述了空间相依结构并利用MCMC方法(贝叶斯估计法)估计参数,讨论基于空间数据对未观测位置相关数据进行了空间插值预测;结合重庆市雾霾数据对该方法与反距离加权插值法、普通克里金和泛克里金插值法进行比较,结果发现基于Pair-Copula函数的空间预测模型具有更高的精度。