1) Kriging method model
克立格方法模型
2) kriging
克立格方法
1.
The paper studies the form of the result of SVM with covariance function as the kernel function under some conditions, and draws the conclusion that Kriging is equivalent to SVM under those conditions.
研究了支持向量机 (support vector machine,SVM)方法在一定假设条件下 ,核函数取为样本协方差函数时解的具体形式 ,得出了在该假设情况下 SVM方法等价于克立格方法的结论 ,提出了用协方差函数作为 SVM核函数的思想 。
3) universal Kriging method
泛克立格方法
1.
It is indicated that when doing groundwater level estimation universal Kriging method is spatial optimal estimation one.
本文着重阐述了地质统计学的基本原理和克立格方法及其在地下水位估值中的应用 ,指出泛克立格方法是进行地下水位估值的空间最优估计方
4) forecast kriging
预测克立格方法
1.
Forecast of the spatial population density of Dendrolimus punctatus based on forecast kriging;
基于预测克立格方法的马尾松毛虫空间发生量预报
5) Cokriging model
协克立格模型
1.
In this paper,we make use of Cokriging model to estimate and predict groundwater table .
本文利用协克立格模型估计和预测了通辽地区历年各月有限单元所有节点和单元上的平均地下水位
6) Kriging method
克立格法
1.
Thus,the 3D model and grade model of this deposit are established and its reserve is estimated by Kriging method.
简述了地质统计学的理论和方法,并在此基础上应用大型矿业软件Surpac建立了曼家寨锡锌多金属矿床的矿床数学模型,模拟了锌元素的变异函数,建立了矿床的三维实体模型和品位模型,用克立格法进行了储量计算。
2.
Kriging method is the most important and basic local estimation method in geostatistics.
以某金矿山为例,介绍了在SUR-PAC软件中应用克立格法进行品位估计应注意的问题及实现步骤:如何进行域的选取,如何进行样品组合,如何进行统计分析,如何做变异函数及进行结构分析,如何利用克立格法进行品位估计及结果的验证等。
3.
The grade models of both tin and zinc elements for the mineralization segment were established by Kriging method.
运用地质统计学原理,基于三维矿业软件SURPAC对云南都龙矿区曼家寨矿段的锡、锌样品品位分布规律进行了研究和变异函数分析,用克立格法估值建立了矿山品位模型,并与传统储量计算方法进行比较,其结果证明了建模的准确性。
补充资料：克雷克-洛克哈特记忆模型
克雷克-洛克哈特记忆模型
Craik-Lockhart model
克雷克一洛克哈特记忆模型(C raik-Loekhart model)1972年克雷克和洛克哈特在《加工的水平:一种记忆研究的框架》一文中指出。他们对阿特金森和希夫林的短时和长时储存作出了不同的解释，认为记忆是一个持续的过程，而并非是一系列独立的阶段;短时记忆与长时记忆之间的区别只是加工水平的不同。不过他们在反对把记忆分成一些独立的单元或储存的同时，也承认构成新近事件的机制同构成过去事件的机制是有别的。与此相应，他们把记忆分出第一级记忆(相当于短时储存)和第二级记忆(相当于长时储存)。与阿特金森一希夫林的模式基本区别是，前一模式重点放在结构上，而他们的模式则强调过程。他们的设想以广为认可的观点为基础，即知觉，包括在多种水平上对刺激作出的快速分析，在对知觉输入进行处理的最初阶段，刺激是按其物理或感知的特征，诸如线条、角、光度、音高以及响度来分析的;在以后的阶段则根据它们的意义来考虑。最初的信息通常是用来使刺激输入与过去学习中己储存的表象相匹配，从而导致模型再认，当输入刺激被认识后，它们可能要经历另一种加工(在新材料和先前的经验之间可能激起各种联系)。因此，他们把记忆设想为一系列加工阶段，记忆是随加工深度的递增而得以加强的。由于我们主要关心的是抽取刺激的意义，因此我们的长处仅是储存更为复杂或更深的认知分析的产物，我们很少需要去储存最初分析的产物，因此这些材料便被遗忘了，而保持主要是对刺激加工深度的一个函数。加工的深度也同输入的信息与分析结构间的适合性有关。例如，像图片、散文通常能很快地在较深的水平上进行加工，保持起来也很容易，因为它们包含的刺激一般都是较有意义的。其他一些因素也可能影响加工的深度，包括对刺激付出的注意量和加工信息所用的时间。这一理论的优点在于能解释为什么我们对机械习得的材料的回忆要难于用有意义的方式习得的材料(因为有意义地习得的材料是在更深的认知分析水平土进行的)「 (吴庆麟撰杨立能审)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条