粒子群优化协同克里金法在确定山地斜坡土层厚度中的应用

克里金法是广泛应用的空间插值方法,但仅考虑单一因素的普通克里金法在确定山地斜坡土层厚度中存在较大误差。针对普通克里金法中的不足之处,提出了一种确定土层厚度的基于粒子群优化的协同克里金法。该方法首先用粒子群优化算法拟合半变异函数,然后将该函数用于以高程值作为辅助变量的协同克里金法中,并根据均方根误差来评价土层厚度的不确定性。将该方法应用于重庆万盛某边坡土层厚度的确定,通过交叉验证,结果表明:与普通克里金插值法相比较,考虑高程的协同克里金法插值的均方根误差降低了39.32%;基于粒子群优化的普通克里金法和协同克里金法的均方根误差分别降低了28.79%和48.45%。基于粒子群优化的协同克里金插值法对提高土层厚度的插值精度有较大作用。     

A multi-fidelity surrogate modeling approach for incorporating multiple non-hierarchical low-fidelity data

Multi-fidelity (MF) surrogate models have been widely used in simulation-based design problems to reduce the computational cost by integrating the data with different fidelity levels. Most of the existing MF modeling methods are only applicable to the problems with hierarchical low-fidelity (LF) models, namely the fidelity levels of multiple LF models can be identified. However, the fidelity levels of the LF models that are obtained from different simplification methods often vary over the design space. To address this challenge, a non-hierarchical Co-Kriging modeling (NHLF-Co-Kriging) method that can flexibly handle multiple non-hierarchical LF models is developed in this work. In the proposed method, multiple LF models are scaled by different scale factors, and a discrepancy model is utilized to depict the differences between the HF model and the ensembled LF models. To make the discrepancy Gaussian process (GP) model easy to be fitted, an optimization problem whose objective is to minimize the second derivative of the prediction values of the discrepancy GP model is defined to obtain optimal scale factors of the LF models. The performance of the NHLF-Co-Kriging method is compared with the extended Co-Kriging model and linear regression MF surrogate model through several analytical examples and an engineering case. Results show that the proposed method selects more reasonable scale factors for the multiple LF models and provides more accurate MF surrogate models under a limited computational budget.     

���ӿ��������о������ش�������е�Ӧ��

在我国,作者首次将因子克立格法用于探讨油气藏储层参数的分布规律。通过因子克立格分析,可以将区域化变量分解成不同的空间正交分量,不同的空间分量与空间不同的地质尺度或者说“频率”相对应,往往能找到与不则“频率”相对应的地质,进而得出不同地质作用下空间分量的变化规律。这对于探讨地质成因,圈定地质异常有着重要的意义。以河南南阳双河油田核桃园组当中的某一砂岩储层为实例,通过研究,作出了湖浪作用,河流作用下其     

基于空间插值方法的重庆降水信息展布

不同空间插值方法在不同地区的插值精度不同。为确定重庆市降雨量的空间分布,采用重庆市12个气象站1960-2014年降水数据,运用系数为2、3、4的反距离权重法、普通克里金法、考虑高程的协同克里金法及考虑温度的协同克里金法,按多年平均、最大3个月及最小3个月不同降水量指标进行分析,并以均方根误差和纳什效率系数进行验证。结果表明,对于三种指标,不同插值方法的优劣从好到差均为考虑高程的协同克里金法、考虑温度的协同克里金法、普通克里金法、系数分别为4、3、2的反距离权重法。对于反距离权重法,系数越大则误差越小。三种降水量指标以多年平均降水量为输入数据的插值结果更加准确。考虑温度的协同克里金法在降水量较小或降水与温度相关性较强时有良好的插值精度。在重庆地表变化幅度较大的地区,考虑高程的协同克里金法更能体现高程变化对降水量的影响。     

一种条带状铜多金属矿储量估算插值方法

目前铜多金属矿的钻孔分析数据多呈条带状分布,并且多金属之间相互影响,采用传统的协同克里格法对该类条带状分布的数据进行插值分析时,易出现端点数据权值偏大的现象,即条带状效应。对此,以协同克里格法为基础,提出了一种铜多金属矿储量估算插值方法,即权值校正的协同克里格插值方法。首先对原始钻孔数据进行统计分析、特异值处理以及样品组合处理,并对产生条带状效应的权值系数进行分析;然后采用拟牛顿法对协同克里格法插值得到的权值进行校正。以2012年西藏甲玛矿区勘探工程的铜多金属矿床钻孔品位数据为例进行储量估算,即以Cu品位为主区域化变量,Ag品位为协同区域化变量,计算了各自的试验变差函数和交差试验变差函数,并对协同克里格法以及权值校正的协同克里格法的插值效果进行了分析。结果表明,权值校正的协同克里格法插值效果较优,对于铜多金属矿的地质属性分析、储量估算具有一定的参考价值。     

粒子群优化协同克里金法在确定山地斜坡土层厚度中的应用

克里金法是广泛应用的空间插值方法,但仅考虑单一因素的普通克里金法在确定山地斜坡土层厚度中存在较大误差。针对普通克里金法中的不足之处,提出了一种确定土层厚度的基于粒子群优化的协同克里金法。该方法首先用粒子群优化算法拟合半变异函数,然后将该函数用于以高程值作为辅助变量的协同克里金法中,并根据均方根误差来评价土层厚度的不确定性。将该方法应用于重庆万盛某边坡土层厚度的确定,通过交叉验证,结果表明：与普通克里金插值法相比较,考虑高程的协同克里金法插值的均方根误差降低了39.32%;基于粒子群优化的普通克里金法和协同克里金法的均方根误差分别降低了28.79%和48.45%。基于粒子群优化的协同克里金插值法对提高土层厚度的插值精度有较大作用。     

基于克里金空间插值的MODIS积雪覆盖率产品去云方法

由于云与积雪在可见光和远红外波段都具有相似的光谱特征,使得光学遥感监测积雪受到天气的严重干扰,如何消除亚像元尺度上MODIS积雪覆盖率(Snow Cover Fraction,SCF)产品中云的干扰成为了一个亟待解决的难题。通过分析亚像元尺度上SCF分布的空间变异性,提出了一种基于克里金空间插值的MODIS SCF产品去云方法,分别利用普通克里金(Ordinary Kriging,OK)和以海拔为协变量的普通协克里金(Ordinary Co\|Kriging,OCK)进行去云实验。11个不同日期的实验结果表明:OK和OCK方法在MODIS SCF产品去云中均能达到较高的精度,特别是在云覆盖率低于20%的情况下,此时OCK的精度要好于OK;而当云覆盖率大于20%时,OK的精度略高于OCK,但两者的精度都明显低于云覆盖率低于20%的情况,而且平滑效应都比较明显。