زمین آمار

Download Report

Transcript زمین آمار

‫به نام خدا‬
‫زمین آمار‬
‫دانشگاه صنعت آب و برق‬
‫پاییز ‪1386‬‬
‫‪1‬‬
‫دانشگاه صنعت آب و برق‬
‫درونیابی مکانی یا فضایی (‪)spatial‬‬
‫• در بسیاری از حاالت یک نمونه از کل داده ها در اختیار‬
‫ما قرار میگیرد‪.‬‬
‫• بنابراین باید شکاف بین نقاط را پر نمود و یا به عبارت‬
‫دیگر بین آنها درونیابی نمود‪.‬‬
‫‪2‬‬
‫دانشگاه صنعت آب و برق‬
‫نقشه تعیین محل نقاط برداشت شده‬
‫‪75‬‬
‫‪45‬‬
‫‪102‬‬
‫‪104‬‬
‫‪55‬‬
‫‪50‬‬
‫‪60‬‬
‫‪88‬‬
‫‪73‬‬
‫‪70‬‬
‫‪6‬‬
‫‪80‬‬
‫‪80‬‬
‫‪75‬‬
‫‪5‬‬
‫‪66‬‬
‫‪95‬‬
‫‪90‬‬
‫‪48‬‬
‫‪75‬‬
‫‪70‬‬
‫‪64‬‬
‫‪80‬‬
‫‪52‬‬
‫‪60‬‬
‫‪75‬‬
‫‪78‬‬
‫‪71‬‬
‫‪75‬‬
‫‪70‬‬
‫‪7‬‬
‫‪90‬‬
‫‪4‬‬
‫‪60‬‬
‫‪60‬‬
‫‪80‬‬
‫‪3‬‬
‫‪55‬‬
‫‪54‬‬
‫‪105‬‬
‫‪2‬‬
‫‪70‬‬
‫‪70‬‬
‫‪51‬‬
‫‪50‬‬
‫‪66‬‬
‫‪1‬‬
‫‪60‬‬
‫‪55‬‬
‫‪25‬‬
‫‪40‬‬
‫‪65‬‬
‫‪90‬‬
‫‪45‬‬
‫‪0‬‬
‫‪9‬‬
‫‪3‬‬
‫‪8‬‬
‫‪7‬‬
‫‪6‬‬
‫‪5‬‬
‫‪4‬‬
‫دانشگاه صنعت آب و برق‬
‫‪3‬‬
‫‪2‬‬
‫‪1‬‬
‫‪0‬‬
‫تکنیکهای درونیابی‬
‫•‬
‫•‬
‫تکنیکهای معین‬
‫– استفاده از نقاط اندازهگیری شده‬
‫با بهکار بردن فرمولهای‬
‫ریاضی‪ ،‬بدو شکل میتوان این‬
‫کار را انجام داد‪:‬‬
‫‪ ‬تکنیک کلی‪ ،‬یعنی استفاده از همه‬
‫دادهها‬
‫‪ ‬تکنیک محلی‪ ،‬یعنی استفاده از‬
‫یک عده از دادهها‬
‫‪4‬‬
‫تکنیک زمین آماری‬
‫– استفاده از روشهای آماری و‬
‫ایجاد خودهمبستگی بین دادههای‬
‫اندازهگیری شده‬
‫– این تکنیک عالوه بر اینکه‬
‫ظرفیت و قدرت برآورد را‬
‫دارد‪ ،‬میتواند خطای برآورد را‬
‫نیز بیان نماید‪.‬‬
‫دانشگاه صنعت آب و برق‬
Inverse Distance Weight (IDW)
50
30
52
50 30 52
+
+
2
6
z= 4
1 1 1
+ +
4 2 6
= 34
‫دانشگاه صنعت آب و برق‬
5
‫روش تیسن (‪)Theissen‬‬
‫‪6‬‬
‫دانشگاه صنعت آب و برق‬
‫روش ‪spline‬‬
‫•‬
‫‪7‬‬
‫این روش بر مبنای حداقل‬
‫خمیدگی در درونیابی است‬
‫( ‪Minimum Curvature‬‬
‫‪ )Surface‬که همواریسازی‬
‫یا نرم شدن تغییرات از‬
‫ویژگیهای آن است‪ .‬بدین معنا‬
‫که واریانس نمونههای تخمین‬
‫زده شده نسبت به نقاط واقعی‬
‫تغییرات کمتری دارد‪.‬‬
‫دانشگاه صنعت آب و برق‬
‫‪Theissen‬‬
‫‪8‬‬
‫دانشگاه صنعت آب و برق‬
Inverse Distance Weight (IDW)
‫دانشگاه صنعت آب و برق‬
9
‫روش ‪kriging‬‬
‫‪10‬‬
‫دانشگاه صنعت آب و برق‬
‫کاربرد زمین آمار در نرم افزارها‬
‫• نرمافزارهای ‪GIS‬‬
‫‪– Arc Gis‬‬
‫‪– Elvise‬‬
‫• نرمافزارهای آبهای زیرزمینی‬
‫‪– modflow‬‬
‫• نرمافزارهای مربوط به تهیه نقشه‬
‫‪– Surfer‬‬
‫• نرمافزار ‪ R‬و بستههای مربوط به بحث زمین آمار‬
‫‪11‬‬
‫دانشگاه صنعت آب و برق‬
‫زمینه تاریخي زمینآمار)‪(Geostatistics‬‬
‫• پیشوند ‪ Geo‬به فیزیك و شیمي اتصال پیدا كرده و اصطالحات‬
‫ژئوفیزیك و ژئوشیمي ایجاد شده است‪ .‬با همین قیاس پیشوند ‪ Geo‬به‬
‫كلمه آمار نیز پیوند خورد و واژه زمینآمار شكل گرفت‪.‬‬
‫• دو مقوله سريهاي زماني و زمینآمار هم به لحاظ مفهومي و هم از‬
‫منظر تاریخي داراي قرابت هستند‪ .‬و هر دو از دادههاي وابسته‬
‫)‪(autocorrelated data‬استفاده ميكنند ‪.‬اما زمینآمار بر خالف‬
‫سريهاي زماني صرفا از طریق آماردانها بسط نیافته است‪ .‬و به‬
‫همین سبب واژهپردازي و مصطلحات آن با ادبیات آمار كالسیك قدري‬
‫متفاوت است‪.‬‬
‫‪12‬‬
‫دانشگاه صنعت آب و برق‬
‫زمینه تاریخي زمینآمار(‪)2‬‬
‫•‬
‫•‬
‫‪13‬‬
‫در سال ‪ 1960‬دو نفر به نامهاي ‪ D.G. Krige‬و ‪ G. Matheron‬كارهاي‬
‫جدي در زمینآمار انجام دادند‪ .‬اولي یك مهندس معدن آفریقاي جنوبي بود كه‬
‫در معادن طال كار ميكرد و به تجربه فهمید كه از اطالعات بلوكهاي مجاور‬
‫هم ميتوان استفاده نمود‪ .‬هم زمان با او نفز دوم‪ ،‬ریاضيدان فرانسوي بود كه‬
‫در مدرسه معدن‪ ،‬نظریه متغیرهاي ناحیهاي را ارائه نمود‪.‬‬
‫زمینآمار به غیر از معدن مورد استفاده رشتههاي دیگر نیز قرار گرفت‪ .‬از‬
‫جمله مهندسي نفت‪ ،‬هیدروژئولوژي‪ ،‬هواشناسي‪ ،‬آلودگي و حفاظت محیط‬
‫زیست‬
‫دانشگاه صنعت آب و برق‬
‫تعریف زمینآمار)‪(Geostatistics‬‬
‫• مجموعهاي از تكنیكها و مدلهاي تصادفي است كه خواص‬
‫دادههاي فضایي را تجزیه و تحلیل ميكند‪.‬‬
‫• مباحث زمینآمار حول دو محور سامان ميیابد‪:‬‬
‫– تبیین ساختار فضایي دادهها‬
‫– تعیین وزن هر یك از دادههاي مشاهده شده براي برآورد نقاط‬
‫مورد نظر‬
‫‪14‬‬
‫دانشگاه صنعت آب و برق‬
‫موارد استفاده زمينآمار‬
‫• برآورد دادههاي اندازهگیري نشده در یك میدان یا‬
‫‪Field‬‬
‫• برآورد مقدار متوسط روي یك ‪ Block‬از دادهها یا‬
‫‪Spatial Average‬‬
‫• بهینهسازي شبكه برداشت آمار و اطالعات یا‬
‫‪Monitoring Optimization‬‬
‫‪15‬‬
‫دانشگاه صنعت آب و برق‬
‫تفاوت آمار كالسیك و زمینآمار‬
‫• در آمار كالسیك برآوردها‪:‬‬
‫– نقطهاي و به صورت ( ‪)Temporal‬‬
‫– مكاني )‪ (Spatial‬است ولي وزن دادهها در مكانهاي مختلف‬
‫نقشي در برآورد ندارد‪.‬‬
‫• در برآورد زمینآماري وزن دادهها در مكانهاي گوناگون‬
‫اهمیت به سزایي دارد‪.‬‬
‫‪16‬‬
‫دانشگاه صنعت آب و برق‬
‫زمینآمار یا آمار دادههاي فضایي‬
‫• دادههاي فضایي )‪ (Spatial Data‬داراي دو خاصیت مهم‬
‫هستند‪:‬‬
‫– جهت‬
‫– موقعیت‬
‫• به عنوان مثال مي توان از موارد زیر یاد نمود‪:‬‬
‫– سطح ایستابي در چاههاي پیزومتریك یك دشت‬
‫– ارتفاع بارندگي در ایستگاههاي بارانسنجي در یك حوضه آبریز‬
‫‪17‬‬
‫دانشگاه صنعت آب و برق‬
‫جهت و مكان در دادهها (‪)1‬‬
‫• جهت‬
‫– شكل الف )‪ h=(0,1‬یعني به سمت شرق ‪ 0‬و به سمت‬
‫شمال ‪ 90( 1‬زوج)‬
‫– شكل ب )‪ h=(1,1‬یعني به سمت شرق ‪ 1‬و به سمت شمال‬
‫‪ 81( 1‬زوج)‬
‫‪18‬‬
‫دانشگاه صنعت آب و برق‬
‫جهت و مكان در دادهها (‪)2‬‬
‫‪19‬‬
‫دانشگاه صنعت آب و برق‬
‫جهت و مكان در دادهها (‪)3‬‬
‫• مكان‬
‫– فاصله نقاط مشاهده شده تا محل مورد نظر‬
‫– فاصله نقاط مشاهده شده نسبت به هم‬
‫‪20‬‬
‫دانشگاه صنعت آب و برق‬
‫‪Random function‬‬
‫• تاکنون مقدار نامعلوم متغیر ‪ Z‬بدون مالحظه زمان و مکان‬
‫در نظر گرفته میشد‪ ،‬که متغیر تصادفی است‪.‬‬
‫• اکنون تغییرات نامعلوم متغیر ‪ Z‬در زمان‪ ،‬مکان و یا در‬
‫مکان‪-‬زمان مالحظه میگردد‪ .‬بنابراین )‪ Z(x,y,z) ،Z(t‬و‬
‫یا )‪ Z(x,y,x,t‬تشکیل تابع تصادفی روی ناحیه ‪ D‬را‬
‫میدهند‪.‬‬
‫• در نظریه متغیرهای ناحیهای مفهوم تابع تصادفی نقش‬
‫مهمی را ایفا میکند‪.‬‬
‫‪21‬‬
‫دانشگاه صنعت آب و برق‬
‫متغیر ناحیهای‬
‫• متغیر ناحیهای یک حالت محقق شدهای از تابع تصادفی‬
‫است‬
‫• میتوان تابع تصادفی را با توابع توزیع چند بعدی بیان‬
‫نمود‪ .‬بنابراین برای مجموعهای از نقاط ‪ x1,x2,…,xn‬در‬
‫ناحیه ‪ D‬میتوان تابع توزیع ‪ Fx1,…,xn‬را درنظر گرفت و‬
‫نوشت‪P [Z (x 1 ) < w 1, L , Z (x n ) < w n ] = .F‬‬
‫) ‪(w , L , w n‬‬
‫رابطه زیر‪ 1‬را ‪x , L ,x‬‬
‫‪n‬‬
‫‪1‬‬
‫• که در آن ‪ w1,w2,…,wn‬مقادیر محتمل میباشند‪.‬‬
‫‪22‬‬
‫دانشگاه صنعت آب و برق‬
‫خاصیت ایستایی‬
‫• تابع تصادفی )‪ Z(x‬را ایستا گویند اگر برای هر مجموعه‬
‫از نقاط ‪ x1,x2,…,xn‬در ناحیه ‪ D‬و برای هر مجموعه از‬
‫مقادیر محتمل ‪ w1,w2,…,wn‬و برای هر بردار ‪ h‬داشته‬
‫باشیم‪:‬‬
‫] ‪P [Z (x 1 ) < w 1, L , Z (x n ) < w n ] = P [Z (x 1 + h ) < w 1, L , Z (x n + h ) < w n‬‬
‫‪23‬‬
‫دانشگاه صنعت آب و برق‬
‫خاصیت ایستایی در مرتبه دوم‬
‫• برای برقراری خاصیت ایستایی مرتبه دوم نیاز به‬
‫برقراری شرایط زیر است‪:‬‬
‫– امید ریاضی تابع )‪ Z(x‬مقداری ثابت است‪.‬‬
‫‪E [Z (x )] = m " x Î D‬‬
‫– کوواریانس دو متغیر تصادفی در دو نقطه‪ ،‬فقط به فاصله‬
‫برداری ‪ h‬بستگی دارد‪.‬‬
‫) ‪E {[Z (x ) - m ][Z (x + h ) - m ]} = C (h‬‬
‫– اگر ‪ h=0‬باشد‪ .‬داریم‪:‬‬
‫]) ‪C (0) = E {[Z (x ) - m ][Z (x ) - m ]} = Var[Z (x‬‬
‫‪24‬‬
‫دانشگاه صنعت آب و برق‬
‫تعییرات كواریانس بر حسب فاصله در فضا‬
‫‪25‬‬
‫دانشگاه صنعت آب و برق‬
‫فرضیات ذاتی‬
‫•‬
‫فرضیاتی که نسبت به فرضیات ایستایی مرتبه دوم ضعیفتتر‬
‫باشد را فرضیات ذاتی نامند‪ .‬شرایط آن به شرح زیر است‪.‬‬
‫– امید ریاضی تابع )‪ Z(x‬مقداری ثابت است‪.‬‬
‫‪E [Z (x )] = m " x Î D‬‬
‫– واریانس بین دو نقطه و یا دو محل فقط به فاصله برداری ‪ h‬بستگی‬
‫‪1‬‬
‫‪1‬‬
‫دارد‪2.‬‬
‫) ‪E [Z (x ) - Z (x + h )] = g (h‬‬
‫‪26‬‬
‫‪2‬‬
‫= ]) ‪Var[Z (x ) - Z (x + h‬‬
‫‪2‬‬
‫که در آن )‪ (h‬فقط به بردار ‪ h‬بستگی دارد و نه به موقعیت ‪ x‬و‬
‫‪.x+h‬‬
‫تابع )‪ (h‬را شبهتغییرنما )‪ (semivariogram‬نامند و به صورت‬
‫دانشگاه صنعت آب و برق‬
‫ساده به آن تغییرنما )‪ (variogram‬گویند‪.‬‬
)Variogram( ‫چگونگي پیدایش تغییرنما‬
1
2
I = å m id =
d
å
i
N (h ) i
i
1
1
2
=
(
x
y
)
å
i
N (h ) i 2 i
1
2
=
(
x
y
)
å i i
2N (h ) i
2
i
‫دانشگاه صنعت آب و برق‬
27
‫فرمولبندي تغییرنما یا ‪Variogram‬‬
‫• یكي دیگر از شاخصهاي نمایش پراكندگي دادهها ممان‬
‫اینرسي حول خط ‪ x=y‬كه بوسیله رابطه زیر بیان ميشود‪.‬‬
‫) ‪1 N (h‬‬
‫‪2‬‬
‫= ‪M .I‬‬
‫(‬
‫‪x‬‬
‫‬‫‪y‬‬
‫)‬
‫‪å‬‬
‫‪i‬‬
‫‪i‬‬
‫‪2N (h ) i = 1‬‬
‫• رابطه فوق نصف مربع اختالف بین ‪ x,y‬براي هر زوج از‬
‫نقاط ميباشد‪ .‬عامل ‪ 1/2‬ناشي از بررسي نقاط نسبت به‬
‫نیمساز ربع اول و سوم است‪.‬‬
‫‪28‬‬
‫دانشگاه صنعت آب و برق‬
‫تعیین ساختار فضایي دادهها‬
‫• كواریانس ‪Covariance‬‬
‫– این مفهوم در آمار كالسیك موجود است و در اینجا عامل فاصله‬
‫در آن درج )‪ (Spatial Covariance‬ميگردد‪.‬‬
‫• تغییرنما ‪Variogram‬‬
‫– این مفهوم مختص ادبیات زمینآمار است‪ .‬و در آمار كالسیك‪ ،‬از‬
‫آن بحث نميشود‪.‬‬
‫• رابطهاي مشخص بین كواریانس و تغییرنما وجود دارد ‪.‬‬
‫‪29‬‬
‫دانشگاه صنعت آب و برق‬
‫رابطه بین كواریانس و‪semivariogram‬‬
‫)‪g(h ) = Cov(0) - Cov(h‬‬
‫‪30‬‬
‫دانشگاه صنعت آب و برق‬
‫چرا ‪ semivariogram‬به جاي كواریانس‬
‫•‬
‫•‬
‫•‬
‫‪31‬‬
‫در محاسبه ‪ semivariogram‬وجود میانگین الزم نیست‪.‬‬
‫فرضیات وجود داشتن ‪ semivariogram‬كمتر از كواریانس‬
‫ميباشد‪.‬‬
‫برآورد ‪ semivariogram‬نسبت به اضافه شدن مقدار ثابت به‬
‫توابع تصادفي حساس نیست‪.‬‬
‫دانشگاه صنعت آب و برق‬
‫واریوگرام تجربی‬
‫• تابع واریوگرام را میتوان توسط دادههای تجربی برآورد‬
‫نمود‪.‬‬
‫‪1‬‬
‫است(‪gˆ .‬‬
‫تجربی به‪å‬شرح زیر = ) ‪h‬‬
‫واریوگرام‪[Z (x i ) -‬‬
‫• رابطه ‪Z (x j )]2‬‬
‫‪2N (h ) x i - x j = h‬‬
‫• که در آن )‪ N(h‬تعداد زوجهای محلهایی است که دارای‬
‫فاصله ‪ h‬از یکدیگر هستند‪.‬‬
‫• این رابطه برای شبکه منظمی از نقاط بیان شده است‪ .‬اگر‬
‫(‪angle‬قیود زیر‬
‫نباشد‪x i،‬نیاز به‬
‫منظم‪- x j ,‬‬
‫شبکه ‪h ) £‬‬
‫‪d‬‬
‫داریم‪| x i - x j | - | h |£ :‬‬
‫‪e‬‬
‫• که در آن ‪ .‬طول بردار را نشان میدهد‪.‬‬
‫‪32‬‬
‫دانشگاه صنعت آب و برق‬
‫محاسبه یك ‪ semivariogram‬تجربي (‪)1‬‬
‫‪33‬‬
‫دانشگاه صنعت آب و برق‬
)2( ‫ تجربي‬semivariogram ‫محاسبه یك‬
1 é
2
2
ù
gˆ (1m ) =
(8.1
8.5)
+
(8.5
7.8)
+
...
ú
û
2(24) êë
gˆ (1m ) = 0.102
1 é
2
2
ù
gˆ (2m ) =
(8.1
7.8)
+
(8.5
8.3)
+
...
ú
û
2(16) êë
gˆ (2m ) = 0.124
‫دانشگاه صنعت آب و برق‬
34
‫نمایش یك واریوگرام تجربي‬
‫‪35‬‬
‫دانشگاه صنعت آب و برق‬
‫همگنی و ناهمگنی در واریوگرام‬
‫• همگنی‬
‫– در این حالت تغییر در واریوگرام فقط به مقدار ‪ h‬یا فاصله نقاط‬
‫از هم بستگی دارد‪.‬‬
‫• ناهمگنی‬
‫• در این حالت عالوه بر عامل فاصله‪ ،‬واریوگرام تابع جهت‬
‫نیز میباشد‪.‬‬
‫‪36‬‬
‫دانشگاه صنعت آب و برق‬
‫پارامترهاي یك‪semivariogram‬‬
‫‪• Sill‬‬
‫‪• Range‬‬
‫‪37‬‬
‫دانشگاه صنعت آب و برق‬
‫رفتار ‪ semivariogram‬حول مركز‬
‫• مقدار ‪ semivariogram‬به ازاء ‪ h=0‬برابر صفر‬
‫است ‪.‬اما این مطلب گاهي درست است‪.‬‬
‫‪38‬‬
‫دانشگاه صنعت آب و برق‬
‫اثر قطعهاي یا ‪nugget effect‬‬
‫• رفتار واریوگرام حول مرکز‪ ،‬کم و بیش مشخص کننده اندازه نظم پدیده‬
‫مورد مطالعه میباشد‪.‬‬
‫•‬
‫– در حالت مشتقپذیر‪ ،‬پدیده بسیار منظم است‪.‬‬
‫– در حالت پیوسته اما مشتقناپذیر‪ ،‬پدیده نسبتا ً منظم است‪.‬‬
‫– در حالتی که ‪ h=0‬اما ‪ (h)≠0‬است‪ .‬نشاندهنده نامنظمی در اشل کوچک است‪.‬‬
‫مثالً اگر شاهد مورد اخیر در واریوگرام بارندگی باشیم‪ .‬آنگاه میتوان نتیجه گرفت‬
‫که بارندگی به طور یکنواخت در منطقه نازل نشده است‪.‬‬
‫اثر قطعهایي از سنخ واریانس است و در موارد زیر ایجاد ميگردد‪.‬‬
‫– خطا در اندازهگیري دادهها‬
‫– كاهش ساختار یافتگي و بروز مولفه تصادفي‬
‫• بنابراین پارامترهاي یك ‪ semivariogram‬عبارتست از‪:‬‬
‫‪– sill‬‬
‫‪– range‬‬
‫‪– nugget effect‬‬
‫‪39‬‬
‫دانشگاه صنعت آب و برق‬
‫نگاهي دقیقتر به اجزاي ‪Semivariogram‬‬
‫‪40‬‬
‫دانشگاه صنعت آب و برق‬
‫مدلهاي نظري ‪Semivariogram‬‬
‫• مدلهاي نظري گوناگوني براي برازش بر ‪Semivariogram‬‬
‫تجربي پیشنهاد شده است‪.‬‬
‫– نمایي‬
‫– اكسپونانسیل‬
‫– گوسین‬
‫– كروي‬
‫– مكعب‬
‫– سینوسي‬
‫– خطي‬
‫‪41‬‬
‫دانشگاه صنعت آب و برق‬
‫ نظري‬semivariogram ‫روابط چند‬
ìï
ïï
C
ï
g (h ) = í
ïï
ïï 0
î
3ö
æ
ö
æ
çç h
h÷÷
ç
÷
÷
çç1.5 - 0.5 çç ÷
÷
èa ø ÷
÷
çè a
ø
æ
çç
g (h ) = C çç1 - e
ç
çè
æ
ç
g (h ) = C çç1 - e
çè
0£ h < a
‫• کروی‬
a £ h
æ
ö2
h÷
ç
3çç ÷
çèa ÷
÷
ø
3h
a
ö
÷
÷
÷
÷
÷
÷
ø
‫• گوسین‬
ö
÷
÷
÷
÷
ø
‫• اکسپونانسیل‬
.‫ میباشد‬rang ‫ برابر‬a ‫ و‬sill ‫ برابر‬C ‫• که در آنها‬
‫دانشگاه صنعت آب و برق‬
42
‫برآورد پارامترهاي ‪ semivariogram‬با روش سعي و خطا‬
‫•‬
‫در سعي و خطا‪ ،‬موارد زیر براي تسریع در رسیدن به نتیجه مهم‬
‫است ‪.‬‬
‫–‬
‫–‬
‫–‬
‫–‬
‫‪43‬‬
‫مقدار ‪ Range‬تقریبا برابر متوسط قطر تغییرات دادههاي فضایي گرفته‬
‫شود‪.‬‬
‫واریانس نمونهها تقریب خوبي براي مقدار ‪ Sill‬است‪.‬‬
‫از بین مدل هایي كه بر ‪ semivariogram‬تجربي برازش خوبي ميیابد‪،‬‬
‫سادهترین مدل انتخاب شود‪.‬‬
‫اگر مقدار ‪ semivariogram‬تجربي در اولین تاخیر‪ ،‬در تاخیرهاي دوم‬
‫و سوم نیز تقریبا تكرار شود ‪.‬آنگاه مدل نظري متضمن اثر قطعهاي‬
‫‪ Effect) (Nugget‬است‪.‬‬
‫دانشگاه صنعت آب و برق‬
‫معرفي اولیه از ‪Kriging‬‬
‫• هر نوع ارائهاي از زمینآمار متضمن كریجینگ ميباشد ‪.‬‬
‫• كریجینگ عبارتست از مجموعهاي تعمیم یافته از تكنیكهاي رگرسیون‬
‫است‪.‬‬
‫• تفاوت بین كریجینگ و رگرسیون خطي كالسیك عبارتست از‪:‬‬
‫– فرض استقالل متغیرها و توزیع احتمال آنها در كریجینگ‬
‫ضرورت ندارد‪.‬‬
‫– در كریجینگ‪ ،‬نمونهگیري غیر تصادفي جانشین نمونهگیري‬
‫تصادفي در آمار كالسیك ميشود‪.‬‬
‫‪44‬‬
‫دانشگاه صنعت آب و برق‬
‫انواع ‪Kriging‬‬
‫•‬
‫كریجینگ ساده)‪(Simple Kriging‬‬
‫– در این نوع كریجینگ فرض بر این است كه مقدار میانگین معلوم‬
‫است‪.‬‬
‫•‬
‫كریجینگ معمولي)‪(Ordinary Kriging‬‬
‫– در این نوع كریجینگ فرض بر این است كه میانگین ثابت است ولي‬
‫مقدار آن مشخص نیست‪.‬‬
‫•‬
‫كریجینگ جهاني یا عمومي)‪(Universal Kriging‬‬
‫– در این نوع كریجینگ مقدار میانگین متغیر و نامعلوم است‪.‬‬
‫‪45‬‬
‫دانشگاه صنعت آب و برق‬
‫كریجینگ ساده‬
E [Z (x )] = 0
n
Z * (x 0 ) =
å
‫• شرط نااریبی‬
l i Z (x i )
i=1
n
é
ù
*
E [Z (x 0 )] = E êå l i Z (x i ) ú=
êi = 1
ú
ë
û
n
å
l i E [Z (x i )] = 0
i=1
‫• حداقل نمودن واریانس‬
2
s x2
n
é
ù
*
é
ù
= E êZ (x 0 ) - Z (x 0 ) ú = E êZ (x 0 ) - å l i Z (x i ) ú
ê
ú
ë
û
i
=
1
ë
û
2
n
n
é
ù
é
ù
2
é
ù
êZ (x )å l Z (x ) ú+ E êå l Z (x ) ú
= E êëZ (x 0 ) ú
2
E
i ú
i ú
û
ê 0 i=1 i
êi = 1 i
ë
û
ë
û
n
n
n
éZ (x )Z (x ) ù
= Var[Z (x 0 )] - 2å l i E éêëZ (x 0 )Z (x i ) ù
+
l
l
E
å
å
ú
i j
j ú
êë i
û
û
2
0
i=1
i=1 j=1
‫دانشگاه صنعت آب و برق‬
46
‫دنباله كریجینگ ساده‬
:‫• بنابراین داریم‬
n
s
éZ (x )Z (x ) ù+
= Var éêëZ (x 0 ) ù
2
l
Cov
å
ú
êë 0
i
i ú
û
û
2
x0
i=1
n
n
l i l j Cov éêZ (x i )Z (x j ) ù
ú
ë
û
j=1
å å
i=1
.‫ باید حداقل گردد‬x02 ‫• عبارت‬
¶ s x2
¶l
0
= 0
k
n
éZ (x )Z (x ) ù= 0
= - 2 Cov éêëZ (x 0 )Z (x k ) ù
+
2
l
Cov
å
ú
êë i
i
k ú
û
û
k = 1, 2, L , n
i=1
‫دانشگاه صنعت آب و برق‬
47
‫دنباله كریجینگ ساده‬
.‫• معادله اسالید قبل را میتوان به صورت ماتریسی نوشت‬
éCov(x , x ) Cov(x , x )
1
1
1
2
ê
êCov(x , x ) Cov(x , x )
2
1
2
2
ê
ê
M
M
ê
êCov(x , x ) Cov(x , x )
êë
n
1
n
2
L
L
O
L
ù
Cov(x 1 , x n ) ùé
l
1
úê ú
ú
Cov(x 2 , x n ) úê
l
úê 2 ú=
úê Mú
M
úê ú
ú
Cov(x n , x n ) úê
l
úê
ûë n ú
û
éCov(x , x ) ù
0
1 ú
ê
êCov(x , x ) ú
0
2 ú
ê
ê
ú
M
ê
ú
êCov(x , x ) ú
êë
0
n ú
û
.‫ واریانس برآورد به صورت زیر است‬0=-1 ‫• با‬
n
s x2 =
0
n
å å
l i l j Cov(x i , x j )
i=0 j=0
‫دانشگاه صنعت آب و برق‬
48
‫كریجینگ معمولي)‪(Ordinary Kriging‬‬
‫• فرض کنید که ‪ m‬برابر صفر نیست‪.‬‬
‫• مقدار ‪ m‬ثابت اما مجهول است‪.‬‬
‫• برآورد در نقطه مورد نظر‬
‫• اعمال شرط نااریبی‬
‫‪0‬‬
‫‪éZ (x ) ù= m ¹ 0‬‬
‫‪êë 0 ú‬‬
‫‪û‬‬
‫‪n‬‬
‫) ‪l i Z (x i‬‬
‫‪= 1‬‬
‫‪i‬‬
‫‪i=1‬‬
‫‪49‬‬
‫دانشگاه صنعت آب و برق‬
‫= ) ‪Z (x 0‬‬
‫‪E éêZ (x 0 ) - Z * (x 0 ) ù‬‬
‫=‬
‫‪ú‬‬
‫‪ë‬‬
‫‪û‬‬
‫‪n‬‬
‫‪å‬‬
‫‪i=1‬‬
‫‪n‬‬
‫‪l‬‬
‫‪å‬‬
‫*‬
‫‪i=1‬‬
‫‪l i E éêëZ (x i ) ù‬‬
‫‪ú‬‬
‫‪û= 0‬‬
‫‪å‬‬
‫‪E‬‬
‫‪éZ (x ) ù‬‬‫‪êë 0 ú‬‬
‫‪û‬‬
‫‪n‬‬
‫‪= 0Þ‬‬
‫‪i‬‬
‫‪E‬‬
‫‪m - må l‬‬
‫‪i=1‬‬
‫دنباله كریجینگ معمولي‬
‫• حداقل نمودن مقدار واریانس‬
s
2
x0
= E éêëZ (x 0 ) - m ù
ú
û2
é
ù
= E êëZ (x 0 ) - m ú
û2
*
é
ù
+ E êZ (x 0 ) - m ú
ë
û
{
s x2 = Var éêëZ (x 0 ) ù
ú
û
0
ìï é n
+ E ïí êå l i Z (x i ) ïï êëi = 1
î
éZ
êë
2E
*
2
(x 0 ) - m ù
ú
û
éZ (x ) - m ùéZ * (x ) - m ù
êë 0
ú
0
ú
ûêë
û
}
{
}
ìï
én
ùü
ïï
ï
é
ù
ê
ú
2E í êëZ (x 0 ) - m ú
l i Z (x i ) - m ý
å
ûê
úï
ïï
i
=
1
ë
ûïþ
î
ùé n
ùü
ïï
úê
ú
m å l i Z (x i ) - m ý
úêi = 1
úï
ûë
ûïþ
‫دانشگاه صنعت آب و برق‬
50
‫دنباله كریجینگ معمولي‬
:‫• بنابراین داریم‬
n
éZ (x ) - m ùéZ (x ) - m ù
s x2 = Var éêëZ (x 0 ) ù
2
l
E
å
ú
êë 0
úê
ú
i
û
ûë i
û
0
{
}
i=1
n
+å
i=1
n
éZ (x ) - m ù
é
ù
l
l
E
Z
(
x
)
m
å i j êë i
ú
ú
ûêë j
û
j=1
{
}
n
s x2 = Var éêëZ (x 0 ) ù
- 2å l i Cov(x 0 , x i ) +
ú
û
0
i=1
A = s x2
0
æn
ö
ç
- 2m ççå l i - 1÷
÷
÷
çè i = 1
÷
ø ‫می‬
.‫باشد‬
n
n
å å
l i l j Cov(x i , x j )
i=1 j=1
‫ در آن ضریب الگرانژ‬ ‫• که‬
‫دانشگاه صنعت آب و برق‬
51
‫دنباله كریجینگ معمولي‬
‫• اکنون باید واریانس را حداقل نمود‪.‬‬
‫‪n‬‬
‫‪¶A‬‬
‫‪= 0 - 2 Cov(x 0 , x k ) + 2å l i Cov(x i , x k ) - 2m = 0‬‬
‫‪¶l k‬‬
‫‪i=1‬‬
‫• بنابراین میتوان دستگاه زیر را نوشت‪.‬‬
‫‪k = 1, 2, L , n‬‬
‫‪52‬‬
‫‪ìï n‬‬
‫) ‪ïï å l Cov(x , x ) - m = Cov(x , x‬‬
‫‪i‬‬
‫‪k‬‬
‫‪0‬‬
‫‪k‬‬
‫‪ï i=1 i‬‬
‫‪í n‬‬
‫‪ïï‬‬
‫‪ïï å l i = 1‬‬
‫‪ïî i = 1‬‬
‫دانشگاه صنعت آب و برق‬
‫دنباله كریجینگ معمولي‬
.‫• دستگاه معادالت را میتوان به صورت ماتریسی نوشت‬
éCov(x , x ) Cov(x , x )
1
1
1
2
ê
êCov(x , x ) Cov(x , x )
2
1
2
2
ê
ê
M
M
ê
êCov(x , x ) Cov(x , x )
ê
n
1
n
2
ê
1
1
ê
ë
L
L
O
L
L
Cov(x 1 , x n )
Cov(x 2 , x n )
M
Cov(x n , x n )
1
ù
1 ùé
l
1
úê ú
ú
1 úê
l
úê 2 ú
ú=
Múê
M
úê ú
ú
1 úê
l
úê n ú
úê ú
0úê- mú
ûë û
éCov(x , x ) ù
0
1 ú
ê
êCov(x , x ) ú
0
2 ú
ê
ê
ú
M
ê
ú
êCov(x , x ) ú
ê
0
n ú
ê
ú
1
ê
ú
ë
û
.‫• واریانس برآورد به صورت زیر است‬
s x2 = Var éêëZ (x 0 ) ù
ú
û0
n
å
l i Cov(x 0 , x i ) + m
i=1
‫دانشگاه صنعت آب و برق‬
53
‫بیان سیستم کریجینگ بر حسب تغییرنما‬
‫• میدانیم که بین کوواریانس و تغییرنما رابطه زیر برقرار‬
.‫است‬
g (h ) = Cov(0) - Cov(h )
•
é g (0)‫صورت زیر‬
ùél ù‫ می‬é‫بنابراین‬
ù
‫به‬
‫را‬
‫معادالت‬
‫دستگاه‬
‫توان‬
g
(
x
x
)
L
g
(
x
x
)
1
g
(
x
x
)
1
2
1
n
1
0
1
ê
úê ú ê
ú
êg (x - x )
úêl ú êg.(‫نوشت‬
ú
g
(0)
L
g
(
x
x
)
1
x
x
)
1
2
n
2 ú
ê 2
úê 2 ú ê 0
ê
úê Mú= ê
ú
M
M
O
M
M
M
ê
úê ú ê
ú
êg (x - x ) g (x - x ) L
úêl ú êg (x - x ) ú
g
(0)
1
ê n
úê n ú ê 0
1
n
2
n ú
ê
úê ú ê
ú
1
1
L
1
0úêm ú ê
1
ê
ú
ë
ûë û ë
û
n
s
2
x0
=
å
l i g (x 0 - x i ) + m
i=1
‫دانشگاه صنعت آب و برق‬
54
‫مثال ‪1‬‬
‫• فرض کنید که دو نقطه روی یک خط مستقیم قرار دارد‪ .‬با‬
‫استفاده از آنها میخواهیم یک نقطه برآورد کنیم‪.‬‬
‫مفروضات مساله‪:‬‬
‫– ‪ u1=1‬و ‪ u2=-2‬و ‪u=0‬‬
‫– ‪ Z(u1)=2‬و ‪Z(u2)=4‬‬
‫– ساختار همبستگی مکانی برابر ‪ (h)=h‬است‪.‬‬
‫– مطلوبست )‪Z*(u‬‬
‫‪u2‬‬
‫‪u1‬‬
‫‪u‬‬
‫‪55‬‬
‫دانشگاه صنعت آب و برق‬
1 ‫دنباله مثال‬
:‫• دستگاه معادالت را تشکیل میدهیم‬
é g (0)
ùél ù ég (u - u ) ù
g
(
u
u
)
1
ê
úê 1 ú ê
1
2
1 ú
êg (u - u )
úêl ú= êg (u - u ) ú
g
(0)
1
ê 2
úê 2 ú ê
1
2 ú
ê
úê ú ê
ú
1
1
0
m
1
êë
úê
ú
ê
ú
ûë û ë
û
é0 3 1ùél ù é1ù
ê
úê 1 ú ê ú
ê3 0 1úêl ú= ê2ú
ê
úê 2 ú ê ú
ê
úê ú ê ú
m ú ê1ú
êë1 1 0úê
ûë û ë û
‫دانشگاه صنعت آب و برق‬
56
‫دنباله مثال ‪1‬‬
‫• با حل معادالت داریم‪:‬‬
‫‪l 1 = 0.6667‬‬
‫‪l 2 = 0.3333‬‬
‫‪m= 0‬‬
‫‪Z * (u ) = 0.6667 ´ 2 + 0.3333 ´ 4‬‬
‫‪= 2.6667‬‬
‫‪n‬‬
‫‪l i g (u - u i ) + m‬‬
‫‪å‬‬
‫‪i=1‬‬
‫= ‪s u2‬‬
‫‪= 0.6667 ´ 1 + 0.3333 ´ 2 + 0‬‬
‫‪= 1.3333‬‬
‫‪57‬‬
‫دانشگاه صنعت آب و برق‬
‫مثال ‪2‬‬
‫• اطالعات مساله اول را عینا ً حفظ نموده و فقط آرایش‬
‫مکانی را مطابق شکل زیر عوض میکنیم‪:‬‬
‫‪u2‬‬
‫‪u1‬‬
‫‪é0 1 1ùél ù é1ù‬‬
‫‪ê‬‬
‫‪úê 1 ú ê ú‬‬
‫‪ê1 0 1úêl ú= ê2ú‬‬
‫‪ê‬‬
‫‪úê 2 ú ê ú‬‬
‫‪ê‬‬
‫‪úê ú ê ú‬‬
‫‪1‬‬
‫‪1‬‬
‫‪0‬‬
‫‪m ú ê1ú‬‬
‫‪êë‬‬
‫‪úê‬‬
‫‪ûë û ë û‬‬
‫‪58‬‬
‫دانشگاه صنعت آب و برق‬
‫‪u‬‬
‫دنباله مثال ‪2‬‬
‫• با حل معادالت داریم‪:‬‬
‫‪l1= 1‬‬
‫‪l 2 = 0‬‬
‫‪m= 1‬‬
‫‪Z * (u ) = 1 ´ 2 + 0 ´ 4‬‬
‫‪= 2‬‬
‫‪n‬‬
‫‪l i g (u - u i ) + m‬‬
‫‪å‬‬
‫‪i=1‬‬
‫= ‪s u2‬‬
‫‪= 1´ 1 + 0 ´ 2 + 1‬‬
‫‪= 2‬‬
‫‪59‬‬
‫دانشگاه صنعت آب و برق‬
‫نتیجهگیری از مقایسه مثال ‪ 1‬و ‪2‬‬
‫• از مقایسه مثال ‪ 1‬و ‪ 2‬میتوان به نتایج دست یافت‪:‬‬
‫– اگر این دو مثال را با استفاده از روش فاصله معکوس حل می‬
‫کردیم‪ ،‬هیچ تفاوتی بین پاسخها وجود نداشت‪ .‬اما در روش زمین‬
‫آمار آرایش مکانی کامالً اثر گذار است‪.‬‬
‫– با تغییر آرایش مکانی‪ ،‬واریانس برآورد تغییر (زیاد) کرد‪.‬‬
‫بنابراین برآورد در حالت دوم دارای عدم قطعیت بیشتری است‪.‬‬
‫‪60‬‬
‫دانشگاه صنعت آب و برق‬
‫محاسبه وزنها با استفاده از كریجینگ‬
‫‪2‬‬
‫‪1‬‬
‫‪h £ 2.5‬‬
‫‪h > 2.5‬‬
‫‪61‬‬
‫‪1‬‬
‫‪1‬‬
‫‪3‬‬
‫)‪East (km‬‬
‫)‪North (km‬‬
‫‪2‬‬
‫‪12.4 ppm‬‬
‫‪13.7 ppm‬‬
‫‪2‬‬
‫‪16.3 ppm‬‬
‫‪A‬‬
‫‪1‬‬
‫‪0‬‬
‫‪-1‬‬
‫‪ìï 2.4h - 0.128h 3‬‬
‫‪g(h ) = ïí‬‬
‫‪ïï 4‬‬
‫‪ïî‬‬
‫دانشگاه صنعت آب و برق‬
‫نحوه محاسبه ضرایب‬
‫‪ég(d ) ù‬‬
‫‪ê A1 ú‬‬
‫‪êg(d )ú‬‬
‫‪ê A2 ú‬‬
‫‪êg(d )ú‬‬
‫‪ê A3 ú‬‬
‫‪ê 1 ú‬‬
‫‪êë‬‬
‫‪ú‬‬
‫‪û‬‬
‫‪ù‬‬
‫‪1ùé‬‬
‫‪l‬‬
‫‪úê 1 ú‬‬
‫‪ú‬‬
‫‪1úê‬‬
‫‪l‬‬
‫=‪úê 2 ú‬‬
‫‪ú‬‬
‫‪1úê‬‬
‫‪l‬‬
‫‪úê 3 ú‬‬
‫‪úê‬‬
‫‪ú‬‬
‫‪0úêm ú‬‬
‫‪ûë û‬‬
‫ارتباط نقاط با‬
‫نقطه مورد نظر‬
‫از طریق‬
‫واریوگرام مدل‬
‫شده‬
‫‪62‬‬
‫) ‪é g(0) g(d ) g(d‬‬
‫‪12‬‬
‫‪13‬‬
‫‪ê‬‬
‫) ‪êg(d ) g(0) g(d‬‬
‫‪23‬‬
‫‪ê 21‬‬
‫)‪êg(d ) g(d ) g(0‬‬
‫‪ê 31‬‬
‫‪32‬‬
‫‪ê 1‬‬
‫‪1‬‬
‫‪1‬‬
‫‪êë‬‬
‫وزنها‬
‫دانشگاه صنعت آب و برق‬
‫ارتباط نقاط از طریق‬
‫واریوگرام مدل شده‬
‫بین نقاط مشاهده‬
‫شده‬
‫جداول فواصل و ضرایب تغییرنما‬
Interval of points
Points
A
1
2
3
A
0
-
-
-
1
1
0
-
-
2
2(2)0.5
130.5
0
-
3
2
3
2
0
Variogram coefficients
Points
A
1
2
3
A
0
-
-
-
1
2.272
0
-
-
2
4
4
0
-
3
3.776
4
3.776
0
‫دانشگاه صنعت آب و برق‬
63
‫ماتریس ضرایب و دستگاه معادالت‬
é0
ùél ù
4
4
1
ê
úê 1 ú
ê4
úêl ú
0
3.776
1
ê
úê 2 ú=
ê4 3.776
úêl ú
0
1
ê
úê 3 ú
ê1
úêm ú
1
1
0
êë
úê
ûë ú
û
é2.272 ù
ê
ú
ê 4 ú
ê
ú
ê3.776 ú
ê
ú
ê 1 ú
êë
ú
û
ìï
0´ l 1 + 4´ l 2 + 4´ l 3 + m =
ïï
ïï 4 ´ l 1 + 0 ´ l 2 + 3.776 ´ l 3 + m =
í
ïï 4 ´ l 1 + 3.776 ´ l 2 + 0 ´ l 3 + m =
ïï
l1+l 2+l 3 =
ïïî
‫دانشگاه صنعت آب و برق‬
2.272
4
3.776
1
64
‫ضرایب و برآوردها‬
‫)‪Zˆ A = 0.61(16.3) + 0.165(13.7‬‬
‫‪+ 0.225(12.4) = 15 ppm‬‬
‫‪1‬‬
‫ˆ‬
‫)‪Z A = (16.3 + 13.7 + 12.4‬‬
‫‪3‬‬
‫‪= 14.1ppm‬‬
‫‪l 1 = 0.610‬‬
‫‪l 2 = 0.165‬‬
‫‪l 3 = 0.225‬‬
‫‪m = 0.712‬‬
‫‪S e2 = 0.61 ´ 2.272 + 0.165 ´ 4 + 0.225 ´ 3.776 + 0.712‬‬
‫‪= 3.607‬‬
‫‪65‬‬
‫دانشگاه صنعت آب و برق‬
‫کریجینگ روی یک ناحیه )‪(Block Kriging‬‬
‫• در مواردی ما نیاز داریم که مقدار متوسط یک پارامتر را‬
‫روی یک ناحیه برآورد کنیم‪.‬‬
‫• این متوسط‪ ،‬توسط کریجینگ نقطهای بر روی نقاط متفاوت‬
‫آن ناحیه محاسبه گردیده و از متوسط آنها نتیجه حاصل‬
‫میگردد‪.‬‬
‫• فرض کنید که متوسط پارامتری روی بلوک )‪ (B‬به‬
‫صورت زیر است‪.‬‬
‫‪1‬‬
‫= ) ‪Z (B‬‬
‫‪Z (x ) dx‬‬
‫‪ò‬‬
‫‪|B | B‬‬
‫‪66‬‬
‫دانشگاه صنعت آب و برق‬
‫دنباله کریجینگ روی یک ناحیه )‪(Block Kriging‬‬
‫• فرم برآورد خطی آن عبارتست‬
‫• اگر شرایط نااریبی را اعمال کنیم‪ ،‬داریم‪:‬‬
‫‪n‬‬
‫‪å‬‬
‫از‪l i Z (x i ):‬‬
‫= ) ‪Z * (B‬‬
‫‪i=1‬‬
‫‪n‬‬
‫‪= 1‬‬
‫‪i‬‬
‫‪l‬‬
‫‪å‬‬
‫‪i=1‬‬
‫• واریانس برآورد در این حالت عبارتست از‪:‬‬
‫‪2‬‬
‫‪2‬‬
‫*‬
‫*‬
‫‪é‬‬
‫‪ù‬‬
‫‪é‬‬
‫‪ù‬‬
‫*‬
‫*‬
‫‪Var êZ (B ) ú= E êZ (B ) - Z (B ) ú‬‬
‫‪ë‬‬
‫‪û‬‬
‫‪ë‬‬
‫‪û‬‬
‫‪n‬‬
‫‪n‬‬
‫) ‪= å l i g (x i , B ) + m - g ( B , B‬‬
‫‪i‬‬
‫‪i‬‬
‫= ‪ii‬‬
‫‪=1‬‬
‫‪1‬‬
‫‪67‬‬
‫دانشگاه صنعت آب و برق‬
‫دنباله کریجینگ روی یک ناحیه )‪(Block Kriging‬‬
‫•‬
‫روابط متوسط واریوگرامها به شرح زیر است‪.‬‬
‫‪1‬‬
‫= ) ‪g (x i , B‬‬
‫‪g (x i - x ) dx‬‬
‫‪ò‬‬
‫‪|B | B‬‬
‫‪1‬‬
‫‪¢) dx dx ¢‬‬
‫= ) ‪g (B , B‬‬
‫‪g‬‬
‫(‬
‫‪x‬‬
‫‬‫‪x‬‬
‫‪ò‬‬
‫‪ò‬‬
‫‪| B |2 B B‬‬
‫•‬
‫اگر واریانس برآورد را تحت شرایط نااریبی‪ ،‬حداقل کنیم‪ .‬نتیجه میشود که‪:‬‬
‫‪68‬‬
‫‪ìï n‬‬
‫) ‪ïï å l g (x - x ) + m = g (x , B‬‬
‫‪i‬‬
‫‪j‬‬
‫‪i‬‬
‫‪ïï j = 1 j‬‬
‫‪í n‬‬
‫‪ïï‬‬
‫‪ïï å l j = 1‬‬
‫دانشگاه صنعت آب و برق‬
‫‪ïî j = 1‬‬
‫‪i = 1, 2, L , n‬‬
‫دستگاه معادالت روی ناحیه به فرم ماتریسی‬
é g (0)
g (x 1 - x 2 )
ê
êg (x - x )
g (0)
1
ê 2
ê
M
M
ê
êg (x - x ) g (x - x )
ê n
1
n
2
ê
1
1
ê
ë
L
L
O
L
L
g (x 1 - x n )
g (x 2 - x n )
M
g (0)
1
‫دانشگاه صنعت آب و برق‬
ù
1 ùé
l
1
úê ú
ú
1 úê
l
úê 2 ú
ú=
Múê
M
úê ú
úê
ú
1úêl n ú
úê ú
0úêm ú
ûë û
ég (x , B ) ù
ê 1
ú
êg (x , B ) ú
ê 2
ú
ê M ú
ê
ú
êg (x , B ) ú
ê n
ú
ê
ú
ê 1
ú
ë
û
69
‫مثال روی ناحیه‬
‫• فرض کنید که در قسمت اول مثال ‪ ،1‬بجای این که روی‬
‫نقطه ‪ u=0‬عمل انجام شود‪ .‬کریجینگ روی فاصله ‪[-‬‬
‫]‪ 0.5, 0.5‬صورت گیرد‪.‬‬
‫• برای این کار باید روش ‪ block kriging‬را اعمال نمود‪.‬‬
‫‪+ 0.5‬‬
‫‪1 | dt = 1‬‬
‫‪ò |t -‬‬
‫= ) ‪g (u 1 , B‬‬
‫‪- 0.5‬‬
‫‪+ 0.5‬‬
‫‪= 2‬‬
‫‪ò | t + 2 | dt‬‬
‫‪- 0.5‬‬
‫‪70‬‬
‫دانشگاه صنعت آب و برق‬
‫= ) ‪g (u 2 , B‬‬
‫دنباله مثال روی ناحیه‬
.‫• اکنون دستگاه معادالت را مینویسیم‬
é g (0)
ùél ù ég (u , B ) ù
g
(
u
u
)
1
ê
úê 1 ú ê 1
ú
1
2
êg (u - u )
úêl ú= êg (u , B ) ú
g
(0)
1
ê 2
úê 2 ú ê 2
ú
1
ê
úê ú ê
ú
1
1
0úêm ú ê 1
êë
ú
ûë û ë
û
é0 3 1ùél ù é1ù
ê
úê 1 ú ê ú
ê3 0 1úêl ú= ê2ú
ê
úê 2 ú ê ú
ê
úê ú ê ú
1
1
0
m ú ê1ú
êë
úê
ûë û ë û
‫دانشگاه صنعت آب و برق‬
71
‫دنباله مثال روی ناحیه‬
‫• با حل معادالت داریم‪:‬‬
‫– ضرایب به صورت زیر است‪.‬‬
‫‪l 1 = 0.6667‬‬
‫‪l 2 = 0.3333‬‬
‫‪m= 0‬‬
‫• مقدار برآورد شده عبارتست از‪:‬‬
‫‪Z * (u ) = 0.6667 ´ 2 + 0.3333 ´ 4‬‬
‫‪= 2.6667‬‬
‫‪72‬‬
‫دانشگاه صنعت آب و برق‬
‫دنباله مثال روی ناحیه‬
‫• برآورد واریانس تخمین نیاز به محاسبه زیر است‬
‫‪s‬‬
‫‪t ) dt ds‬‬
‫‪ò (s -‬‬
‫‪+ 0.5 + 0.5‬‬
‫‪+ 0.5‬‬
‫‪s | dt ds = 2 ò‬‬
‫‪ò ò |t -‬‬
‫‪- 0.5 - 0.5‬‬
‫= ) ‪g (B , B‬‬
‫‪- 0.5 - 0.5‬‬
‫‪1‬‬
‫=‬
‫‪3‬‬
‫‪2‬‬
‫*‬
‫*‬
‫‪é‬‬
‫‪ù‬‬
‫‪é‬‬
‫‪ù‬‬
‫‪Var êZ (B ) ú= E êZ (B ) - Z (B ) ú‬‬
‫‪ë‬‬
‫‪û‬‬
‫‪ë‬‬
‫‪û‬‬
‫‪n‬‬
‫) ‪l i g (x i , B ) + m - g ( B , B‬‬
‫‪å‬‬
‫=‬
‫‪i=1‬‬
‫‪1‬‬
‫ ‪= 0.6667 ´ 1 + 0.3333 ´ 2 + 0‬‬‫‪3‬‬
‫‪= 1‬‬
‫‪73‬‬
‫دانشگاه صنعت آب و برق‬
‫دنباله مثال روی ناحیه‬
‫• در این حالت همانطور که مالحظه شد‪ ،‬وزنهای حاصل‬
‫مانند کریجینگ نقطهای است‪ ،‬اما واریانس تخمین کوچکتر‬
‫میباشد‪ .‬زیرا وزنهای محاسبه شده برای مرکز بلوک با‬
‫استفاده از کریجینگ نقطهای لزوما ً برابر وزنهای مربوط‬
‫به بلوک نیست‪.‬‬
‫‪74‬‬
‫دانشگاه صنعت آب و برق‬
‫حاالت خاص در کریجینگ (حالت اثر قطعهای)‬
‫• همانطور که گفته شد‪ ،‬در پارهای از موارد به ازاء ‪h=0‬‬
‫مقدار ‪ (h)≠0‬است‪.‬‬
‫• تابع )‪ Z(x)=Y(x)+(x‬را در نظر بگیرید‪ .‬در واقع‬
‫)‪ Y(x‬یک تابع تصادفی و )‪ (x‬مولفه تصادفی است‪.‬‬
‫)‪Z(h‬‬
‫‪2‬‬
‫‪75‬‬
‫دانشگاه صنعت آب و برق‬
‫تحلیل معادالت‬
‫• میانگین و واریانس مولفه تصادفی )‪(x‬‬
‫– میانگین ‪E[(x)]=0‬‬
‫– واریانس ‪2‬‬
‫• دو مولفه )‪ (x‬و )‪ Y(x‬از یکدیگر مستقل میباشند‪ .‬لذا‬
‫داریم‪:‬‬
‫‪E [Y (x )b (x )] = E [Y (x )]E [b (x )] = 0‬‬
‫‪:‬‬
‫داریم‬
‫تصادفی‬
‫مولفه‬
‫تعریف‬
‫از‬
‫استفاده‬
‫با‬
‫•‬
‫‪2‬‬
‫‪¢‬‬
‫‪¢‬‬
‫) ‪E [b (x ) b (x )] = s d(x - x‬‬
‫‪b‬‬
‫• که در آن‬
‫‪76‬‬
‫دانشگاه صنعت آب و برق‬
‫‪x ¹ x¢‬‬
‫‪x = x¢‬‬
‫‪ìï 0‬‬
‫‪d(x - x ¢) = ïí‬‬
‫‪ïï 1‬‬
‫‪î‬‬
‫کوواریانس تابع )‪ Z(x‬بر حسب تابع )‪Y(x‬‬
‫• فرض کنید که ‪ E[Z(x)]=m‬که در آن ‪ m‬مقداری ثابت‬
‫است‪ .‬بنابراین میانگین )‪ Y(x‬به شرح زیر است‪.‬‬
‫]) ‪E [Z (x )] = E [Y (x ) + b (x )] = E [Y (x )] + E [b (x‬‬
‫‪= E [Y (x )] + 0‬‬
‫تابع کواریانس عبارتست از‪:‬‬
‫‪= m = cte‬‬
‫]) ‪C Z (x , x ¢) = E [(Z (x ) - m )(Z (x ¢) - m‬‬
‫]))‪= E [(Y (x ) - m + b (x ))(Y (x ¢) - m + b (x ¢‬‬
‫])‪= E [(Y (x ) - m )(Y (x ¢) - m )] + E [(Y (x ) - m ) b (x ¢‬‬
‫]) ‪+ E [b (x )(Y (x ¢) - m‬‬
‫‪77‬‬
‫دانشگاه صنعت آب و برق‬
‫دنباله کوواریانس تابع )‪ Z(x‬بر حسب تابع )‪Y(x‬‬
‫• بنابراین داریم‪:‬‬
‫)‪C Z (x , x ¢) = C Y (x , x ¢) + C b (x , x ¢‬‬
‫)‪= C Y (x , x ¢) + s b2 d(x - x ¢‬‬
‫• در حالت ایستایی داریم‪:‬‬
‫• اگر مقدار ‪ Z‬در نقطه ‪ x0‬به کمک مقادیر مشاهده شده‬
‫)‪ Z(xi‬برآورد شود‪ .‬میتوان نوشت‪.‬‬
‫) ‪C Z (h ) = C Y (h ) + s b2 d(h‬‬
‫‪n‬‬
‫) ‪l i Z (x i‬‬
‫‪å‬‬
‫‪i=1‬‬
‫‪78‬‬
‫دانشگاه صنعت آب و برق‬
‫= ) ‪Z * (x 0‬‬
‫سیستم معادالت بر حسب تابع کوواریانس‬
és 2 + C (0) C (x , x )
Y
Y
1
2
ê b
êC (x , x ) s 2 + C (0)
ê Y 2 1
b
Y
ê
M
M
ê
ê
êC Y (x n , x 1 ) C Y (x n , x 2 )
ê
ê
1
1
ë
L
L
O
L
L
é ù
1ù
úêl 1 ú
êl ú
C Y (x 2 , x n ) 1 ú
úê 2 ú
ú
M
Múêê Mú
ú=
úê ú
2
s b + C Y (0) 1 úêl n ú
úê ú
1
0 úê- mú
ûë û
C Y (x 1 , x n )
‫دانشگاه صنعت آب و برق‬
éC (x , x ) ù
ê Z 0 1 ú
êC (x , x ) ú
ê Z 0 2 ú
ê
ú
M
ê
ú
êC (x , x ) ú
ê Z 0 n ú
ê
ú
1
ê
ú
ë
û
79
‫سیستم معادالت بر حسب تابع واریوگرام‬
‫• اگر سیستم را بر حسب واریوگرام بنویسیم‪ ،‬خواهیم داشت‪:‬‬
‫‪g Z (h ) = E [Z (x ) - Z (x + h )]2‬‬
‫) ‪= C Z (0) - C Z (h‬‬
‫• که در آن‬
‫‪ìï C (0) = C (0) + s 2‬‬
‫‪Y‬‬
‫‪b‬‬
‫‪ï Z‬‬
‫‪í‬‬
‫) ‪ïï C Z (h ) = C Y (h ) + s b2 d(h‬‬
‫‪î‬‬
‫• در مورد واریوگرام داریم‪:‬‬
‫•‬
‫) ‪- C Y (h ) - s b2 d(h‬‬
‫‪2‬‬
‫‪b‬‬
‫‪g Z (h ) = C Y (0) + s‬‬
‫]) ‪= C Y (0) - C Y (h ) + s b2 [1 - d(h‬‬
‫‪80‬‬
‫دانشگاه صنعت آب و برق‬
‫سیستم معادالت به شکل ماتریس‬
é
0
ê
êg (x - x ) + s 2
êY 2
1
b
ê
M
ê
ê
êgY (x n - x 1 ) + s b2
ê
ê
1
ë
ég (x - x ) ù
1 ú
ê Z 0
êg (x - x ) ú
2 ú
ê Z 0
ú
M
= êê
ú
êg (x - x ) ú
êZ 0
n ú
ê
ú
1
ê
ú
ë
û
g Y (x 1 - x 2 ) + s
2
b
0
M
g Y (x n - x 2 ) + s
1
2
b
L
g Y (x 1 - x n ) + s
L
O
g Y (x 2 - x n ) + s
M
L
0
L
1
‫دانشگاه صنعت آب و برق‬
2
b
2
b
é ù
1ù
úêl 1 ú
êl ú
1ú
úê 2 ú
ú
Múêê Mú
ú
úê ú
1 úêl n ú
úê ú
0 úêm ú
ûë û
81
‫مثال‬
‫• به سیستم شکل زیر توجه کنید‪.‬‬
‫‪x0‬‬
‫‪x2‬‬
‫‪x1‬‬
‫‪L‬‬
‫• سیستم معادالت بر حسب واریوگرام به صورت زیر است‪:‬‬
‫]) ‪g Z (h ) = gY (h ) + s b2 [1 - d(h‬‬
‫‪ég ( L ) + s 2 ù‬‬
‫‪b ú‬‬
‫‪êY 2‬‬
‫‪êg ( L ) + s 2 ú‬‬
‫‪êY 2‬‬
‫‪b ú‬‬
‫‪ê‬‬
‫‪ú‬‬
‫‪1‬‬
‫‪êë‬‬
‫‪ú‬‬
‫‪û‬‬
‫‪82‬‬
‫‪ù‬‬
‫‪1ùé‬‬
‫‪l‬‬
‫‪úê 1 ú‬‬
‫=‪ú‬‬
‫‪1úê‬‬
‫‪l‬‬
‫‪úê 2 ú‬‬
‫‪úê ú‬‬
‫‪0úêm ú‬‬
‫‪ûë û‬‬
‫‪2‬‬
‫‪b‬‬
‫‪gY ( L ) + s‬‬
‫‪0‬‬
‫‪1‬‬
‫دانشگاه صنعت آب و برق‬
‫‪2‬‬
‫‪b‬‬
‫‪é‬‬
‫‪0‬‬
‫‪ê‬‬
‫‪êg (L ) + s‬‬
‫‪êY‬‬
‫‪ê‬‬
‫‪1‬‬
‫‪êë‬‬
‫دنباله مثال‬
‫• در ادامه داریم‪:‬‬
‫‪2‬‬
‫‪b‬‬
‫‪2‬‬
‫‪b‬‬
‫‪ìï l ´ 0 + l [g (L ) + s 2 ] + m = g ( L ) + s‬‬
‫‪2‬‬
‫‪Y‬‬
‫‪b‬‬
‫‪Y 2‬‬
‫‪ïï 1‬‬
‫‪ï l [g (L ) + s 2 ] + l ´ 0 + m = g ( L ) + s‬‬
‫‪í 1 Y‬‬
‫‪b‬‬
‫‪2‬‬
‫‪Y 2‬‬
‫‪ïï‬‬
‫‪l 1+l 2= 1‬‬
‫‪ïï‬‬
‫‪î‬‬
‫• با حل دستگاه فوق میتوان ضرایب مورد نظر را بدست‬
‫آورد‪.‬‬
‫‪1‬‬
‫=‬
‫‪2‬‬
‫‪83‬‬
‫‪2‬‬
‫‪= l‬‬
‫‪1‬‬
‫‪l‬‬
‫دانشگاه صنعت آب و برق‬
‫کریجینگ با دادههای غیر قطعی‬
‫• در پارهای از اوقات یک پارامتر را با روشهای مختلف‬
‫اندازهگیری و یا برآورد مینمایند‪ .‬واضح است که این‬
‫روشها نتایج یکسانی را نشان نمیدهد‪ .‬لذا عنوان باال شکل‬
‫میگیرد‪.‬‬
‫• بنابراین )‪ Z(x‬اندازهای است که توام با خطا است نسبت‬
‫به مقدار اندازهگیری شده یعنی )‪ Y(x‬و مقدار خطا )‪(x‬‬
‫فرض میشود‪Y(x)=Z(x)+ (x) .‬‬
‫‪E [e(x )] = 0‬‬
‫• میدانیم که‬
‫‪84‬‬
‫دانشگاه صنعت آب و برق‬
‫دنباله کریجینگ با دادههای غیر قطعی‬
‫• خطای نقاط نسبت به یکدیگر عبارتست از‪:‬‬
‫‪ìï 0‬‬
‫‪x ¹ x¢‬‬
‫‪ï‬‬
‫‪E [e(x )e(x ¢)] = í 2‬‬
‫‪ïï s e (x ) x = x ¢‬‬
‫‪î‬‬
‫• برای برآورد )‪ Z(x0‬میتوان از )‪ Y(xi‬که همراه با خطا‬
‫‪n‬‬
‫است‪:‬‬
‫*‬
‫) ‪l iY (x i‬‬
‫‪å‬‬
‫= ) ‪Z (x 0‬‬
‫‪i=1‬‬
‫‪85‬‬
‫دانشگاه صنعت آب و برق‬
‫دنباله کریجینگ با دادههای غیر قطعی‬
‫• با توجه به میانگین ثابت و نامعلوم داریم‪:‬‬
‫]) ‪E [Z (x ) + e(x )] = E [Z (x )] + E [e(x‬‬
‫‪= E [Z (x )] + 0 = m‬‬
‫• کوواریانس ‪ Y‬به شرح زیر است‪:‬‬
‫]) ‪C Y (x , x ¢) = E [(Y (x ) - m )(Y (x ¢) - m‬‬
‫]))‪= E [(Z (x ) - m + e(x ))(Z (x ¢) - m + e(x ¢‬‬
‫])‪C Y (x , x ¢) = E [(Z (x ) - m )(Z (x ¢) - m )] + E [e(x )e(x ¢‬‬
‫‪86‬‬
‫دانشگاه صنعت آب و برق‬
‫دنباله کریجینگ با دادههای غیر قطعی‬
‫• بنابراین داریم‪:‬‬
‫)‪C Y (x , x ¢) = C Z (x , x ¢) + C e (x , x ¢‬‬
‫)‪C Y (x , x ¢) = C Z (x , x ¢) + s e2 (x )d(x - x ¢‬‬
‫• کوواریانس متقابل‪:‬‬
‫]) ‪C Y Z (x , x ¢) = E [(Y (x ) - m )(Z (x ¢) - m‬‬
‫]) ‪= E [(Z (x ) - m + e(x ))(Z (x ¢) - m‬‬
‫]) ‪= E [(Z (x ) - m )(Z (x ¢) - m )] + E [e(x )(Z (x ¢) - m‬‬
‫‪= E [(Z (x ) - m )(Z (x ¢) - m )] + 0‬‬
‫)‪= C Z (x , x ¢‬‬
‫‪87‬‬
‫دانشگاه صنعت آب و برق‬
‫دنباله کریجینگ با دادههای غیر قطعی‬
‫• محاسبه ضرایب کریجینگ‬
‫‪n‬‬
‫‪= 1‬‬
‫– شرط نااریبی‬
‫– معادله زیر باید حداقل گردد‪l i - 1) .‬‬
‫‪i‬‬
‫‪å‬‬
‫‪l‬‬
‫‪i=1‬‬
‫‪n‬‬
‫‪A = s e2 - 2m( å‬‬
‫‪i=1‬‬
‫– واریانس برابر است با‪:‬‬
‫‪s e2 = E [Z (x 0 ) - Z * (x 0 )]2‬‬
‫‪n‬‬
‫] ‪= E [(Z (x 0 ) - m )( å l i (Y (x i ) - m ))2‬‬
‫‪i=1‬‬
‫‪n‬‬
‫]) ‪= E [(Z (x 0 ) - m ) ] - 2å l i E [(Z (x 0 ) - m )(Y (x i ) - m‬‬
‫‪2‬‬
‫‪i=1‬‬
‫‪n‬‬
‫]) ‪l i l j E [(Y (x i ) - m )(Y (x j ) - m‬‬
‫‪å‬‬
‫‪j=1‬‬
‫‪88‬‬
‫دانشگاه صنعت آب و برق‬
‫‪n‬‬
‫‪+å‬‬
‫=‪i‬‬
‫دنباله کریجینگ با دادههای غیر قطعی‬
‫• واریانس برآورد‬
n
s e2 = var[Z (x 0 )] - 2å l iC Y Z (x 0, x i ) +
i=1
n
n
n
å å
l i l jC Y ( x i , x j )
i=1 j=1
= var[Z (x 0 )] - 2å l iC Z (x 0, x i )
i=1
n
+å
n
å
l i l j [C Z (x i , x j ) + s e2 (x i )d(x i - x j )]
i=1 j=1
¶A
= 0Þ
¶m
¶A
= 0
¶l k
n
å
l
i
‫• شرط حداقل شدن‬
= 1
i=1
‫دانشگاه صنعت آب و برق‬
89
‫دنباله کریجینگ با دادههای غیر قطعی‬
‫• از معادله دوم نتیجه میشود که‪:‬‬
‫‪n‬‬
‫) ‪l i [C Z (x i , x k ) + s e2 (x i )d(x i - x k )] - m = C Z (x 0, x k‬‬
‫‪å‬‬
‫‪i=1‬‬
‫• به فرم ماتریسی‬
‫‪90‬‬
‫دانشگاه صنعت آب و برق‬
‫دنباله کریجینگ با دادههای غیر قطعی‬
éC (0) + s 2 (x )
C Z (x 1 , x 2 )
e
1
ê Z
ê C (x , x )
2
C
(0)
+
s
(x 2 )
ê
Z
2
1
Z
e
ê
M
M
ê
ê
C Z (x n , x 2 )
ê C Z (x n , x 1 )
ê
ê
1
1
ë
éC (x , x ) ù
ê Z 0 1 ú
êC (x , x ) ú
ê Z 0 2 ú
M ú
= êê
ú
êC (x , x ) ú
ê Z 0 n ú
ê
ú
1
ê
ú
ë
û
é ù
1ù
úêl 1 ú
êl ú
L
C Z (x 2 , x n )
1ú
úê 2 ú
ú
O
M
Múêê Mú
ú
ú
ê ú
L C Z (0) + s e2 (x n ) 1 úêl n ú
úê ú
L
1
0 úê- mú
ûë û
L
‫دانشگاه صنعت آب و برق‬
C Z ( x 1, x n )
91
‫سیستم معادالت بر حسب تابع واریوگرام (دادههای غیر قطعی)‬
‫‪92‬‬
‫دانشگاه صنعت آب و برق‬
‫‪93‬‬
‫دانشگاه صنعت آب و برق‬