五、贝叶斯克里金(BK)
H.Omre在(1987)把线性贝叶斯理论用于克里金估计技术,提出了贝叶斯克里金估计技术。他构想了一个模型,把用于空间估计的数据分为两类:
观察数据:是指那些精度比较高,但数量比较少的数据
猜测数据:是指那些精度比较低,但分布广泛的数据
在观测数据比较多的地方,估计结果主要受观测数据的影响;在观测数据比较少的地方,则主要受猜测数据的影响。显然,井数据和地震数据的关系符合贝叶斯估计中观测数据和猜测数据的关系。
五、贝叶斯克里金(BK)
H.Omre在(1987)把线性贝叶斯理论用于克里金估计技术,提出了贝叶斯克里金估计技术。他构想了一个模型,把用于空间估计的数据分为两类:
观察数据:是指那些精度比较高,但数量比较少的数据
猜测数据:是指那些精度比较低,但分布广泛的数据
在观测数据比较多的地方,估计结果主要受观测数据的影响;在观测数据比较少的地方,则主要受猜测数据的影响。显然,井数据和地震数据的关系符合贝叶斯估计中观测数据和猜测数据的关系。
贝叶斯决策理论,pattern recognition 清华大学的ppt 课件 关键的一部分
一种贝叶斯分类器思想,香港中文大学教授徐雷
表格生成器连续节点中介变量无定向关系测量误差简单贝叶斯模型因果影响的独立父级分离专家异议、结构的不确定、功能的不确定反转弧和节点吸收功能节点
关于贝叶斯统计方法建模的资料,内容为全英文,自己也是刚开始看,所以内容介绍有点水,但是书确实是好书,一起学习吧!
物体性质(marks):物体几何学特征。形状:矩形、椭球体、锥形、自定义;几何学参数:长、宽、高等;方向、顶底位置
VH为一个常数(近似为方差), 为滞后距, H为间断指数(赫斯特指数)(4)布朗运动分数布朗运动1<2H <22H=12H <1
应用误差模拟方法,获取条件化高斯场F.得到忠实于井点观察值的条件模拟实现:A. 井位观测数据的条件化;B. 井位条件化数据的克里金插值;C. 非条件高斯场的建立;D. 观察点处非条件模拟值的克里金插值
讲述了三维地质建模的最新进展,方法,算法及其代码。 包含了Kriging插值,DSI插值,Delaunay三角剖分,laplacian smoothing 优化等详细代码
地质体三维建模方法与详尽的技术指南,珍藏资料共享。
贝叶斯统计是在经典统计的争论中逐渐发展起来的。争论的问题有:位置参数是否可以看作随机变量?事件的概率是否一定要有频率解释?概率是否可用经验来确定?在这些问题的争论中,贝叶斯学派建立起自己的理论和方法。
暂无评论