A. 克里金插值演算法
根據項目對數據處理的要求，採用了優化的克里金插值演算法，將等值線地化數據插值轉換為格網數據，以便實現地化數據的三維顯示（王家華等，1999）。其主要實現過程如下：
第一步，計算半變異圖，用非線性最小二乘擬合半變異函數系數；
第二步，數據點進行四叉樹存儲；
第三步，對每一格網點搜索鄰近數據點；
第四步，由待預測網格點和鄰近數據點計算克里金演算法中系數矩陣，及右端常數向量；
第五步，對矩陣進行LU分解，回代求解待預測點的預測值。
克里金插值演算法主要包括半變異函數和鄰近點搜索的計算，實現方法如下。
（1）半變異函數計算
半變異函數是地質統計學中區域化變數理論的基礎。地質統計學主要完成2方面的任務：利用半變異函數生成半變異圖來量化研究對象的空間結構；通過插值方法利用半變異圖中擬合模型和研究對象周圍的實測值來對未知值進行預測。
半變異函數是用來描述區域化變數結構性和隨機性並存這一空間特徵而提出的。在滿足假設的條件下，隨機函數z（x）和z（x+h）為某一物理參數測定值的一一對應的2組函數，h為每對數之間的距離。半變異函數γ（h）可用下式來計算：
γ（h）＝ 1/2E｛［z（x）-z（x +h）］2｝
4種基本的半變異函數模式（除了這4種基本模式以外，還有很多模式），包括：
1）線形模式（Linear Model）
浙江省農業地質環境GIS設計與實現
2）球面模式（Spherical Model）
浙江省農業地質環境GIS設計與實現
3）指數模式（Exponential Model）
浙江省農業地質環境GIS設計與實現
4）高斯模式（Gaussian Model）
浙江省農業地質環境GIS設計與實現
半變異函數γ（h）會隨距離h增大而增大，並逐漸逼近一定值（C0 +C），稱為基台值（Sill）；而逼近基台值所對應的距離，稱為影響范圍（Range），表示空間中兩位置間的距離小於影響范圍時，是空間相關性的。在線性和球面模式中，影響范圍等於a；在指數和高斯模式中，影響范圍則分別等於3a和
（2）鄰近點搜索演算法
由於矩陣LU分解求解方程的演算法會隨著矩陣維數的增加計算量增大，所以針對大量采樣數據點時不能採用全部數據進行估計，必須採用插值點的臨近點數據進行計算，即採用局部數據進行克里金演算法進行計算。搜索鄰近點可採用四叉樹結構存儲總數據，以提高搜索鄰近點的速度。
對於選取鄰近點的數目要有所限制，因該值的大小選擇會影響插值的計算結果。若太大，則內插結果過於平滑；太小，則無法反映地表的變化；距離預測點較遠的實測點可能與待估樣點已經不存在自相關關系，也不能參與插值計算。採取以插值點為圓心，以R為半徑的圓來確定取樣的范圍和參加計算的實測樣點數目（如果存在各向異性，則可考慮劃定一橢圓作為研究區域）。為了避免方向上的偏差，將圓平均地分為4個扇區，每個扇區內實測點數目在2～5之間，這樣總共參與每個待估點預測的實測點數目平均達到8個。
區域內臨近點的選擇，存在著兩種策略。
1）以鄰近點的個數為基準。通常情況下，鄰近點的個數以8～12個為宜，並且個數不能少於2個。此時計算出來的圖像較為光滑。
2）以鄰近點的半徑尺度為基準。通常情況下，選擇5～10 倍柵格間距的距離為宜。此時必須定義選擇鄰近點的最小和最大個數，當在一定半徑內查找的鄰近點個數小於最小個數時，應擴大搜索半徑，使之達到最小查找個數；反之在一定半徑內查找的鄰近點個數大於最大個數時，應縮小搜索半徑，使之小於最大查找個數。通常情況下最大最小個數分別可以定為20和4。
克里金演算法的優點在於它基於一些可被驗證的統計假設。根據這些假設，克里金演算法產生的柵格節點估計量是最佳的，所有的估計量都依賴於可獲得的觀測值，並且平均誤差最小。克里金演算法提供了方差誤差分析的表達式，可以表明每一個柵格節點的估計精度。
B. 誰能做我老師教我高中英語
多少錢一小時？我今年高考的 英語成績是117，希望我可以幫到你。
C. 城市烏鴉給你帶來麻煩了嗎
樓上的答案是我的.這個應該歸市政管,但是處於保護動物的原則下,一直沒有進行處理.所以時間比較長.崇文門長安街也有這樣的現象.所以現在是治也不是，不治也不是.很棘手!
具體歸哪塊管還真不好說,你可以打市長熱線進行投訴,解決的希望不大.