[发明专利]一种SCCRF生成方法及系统

权利要求书

1.一种SCCRF生成方法，SCCRF为结构化交叉约束随机场，其特征在于，所述SCCRF生成方法包含如下步骤：

(1)获取作为目标区域的随机场Z(x)在点位为x₁、x₂、x₃、…、x_k的观测数据包Z₁(x)、Z₂(x)、Z₃(x)、…、Z_k(x)，每个数据包含多个种类的观察量，所述多个种类的观察量包括：粘聚力、内摩擦角和渗透系数；判断随机场Z(x)内的观测数据是否符合正态分布，若否，则将随机场Z(x)内的观测数据转换为正态分布；

(2)求取符合正态分布后的观测数据的均值、方差及相关距离，然后根据求取出的数据，通过局部平均法建立K维完全随机场，记作Z_rf(x)；

(3)根据符合正态分布后的观测数据，采用标准球状函数模型，基于CoKriging方法模拟未知点x_k+1、x_k+2、x_k+3、…、x_n的最佳线性无偏估计值；同时在给定的交叉函数模型γ_kk’(h)条件下，生成结构化条件随机场，记作Z_crf(x)；

(4)提取完全随机场点位为x₁、x₂、x₃、…、x_k的估算值Z_rf(x₁)、Z_rf(x₂)、Z_rf(x₃)、…、Z_rf(x_k)作为步骤(3)中条件随机场的采样数据，再按照步骤(3)建立一个完全随机场基础上的约束随机场，记作Z_u(x)；

(5)将Z_rf(x)、Z_crf(x)以及Z_u(x)叠加生成SCCRF。

2.根据权利要求1所述的SCCRF生成方法，其特征在于，在步骤(1)中，所述Z(x)内的观测数据为对数正态分布；所述将随机场Z(x)内的观测数据转换为正态分布包括采用下述公式进行转换：

式中，σ_lnx、μ_lnx分别表示转换后的观测数据的方差以及均值，σ_x、μ_x分别为转换前的方差以及均值。

3.根据权利要求1所述的SCCRF生成方法，其特征在于，在步骤(3)中，在模拟所述最佳线性无偏估计值时，所采用的最佳线性无偏估计系统方程为

Kλ＝M

式中：K为协同克里金矩阵，为已知点函数；_λ为权重向量；M为已知点和未知点的函数，μ为拉格朗日乘子；其中，

通过求解式中λ，得到相应的协同克里金估计值为:

式中：u_i表示第i个硬数据，v_j表示第j个软数据，a_i、b_j分别为硬数据和软数据的权重系数，i＝1、2、3、…、n，j＝1、2、3、…、m，n和m分别为软数据和硬数据的数目，为交叉协方差，硬数据为粘聚力，软数据为内摩擦角。

4.根据权利要求1所述的SCCRF生成方法，其特征在于，步骤(4)提取完全随机场点位为x₁、x₂、x₃、…、x_k的估算值Z_rf(x₁)、Z_rf(x₂)、Z_rf(x₃)、…、Z_rf(x_k)是通过Matlab程序实现。