克里金模型

1.模型建立

[dmodel,perf]=dacefit(S,Y,regr,corr,theta0)

[dmodel,perf]=dacefit(S,Y,regr,corr,theta0,lob,upb)

输入参数：

S:设计点，一个m*n的矩阵。                          Y:一个S的响应值矩阵 m*q

regr:回归模型（0阶多项式，1阶，二阶）     corr:相关模型（高斯指数函数）

theta0:如果没有（lob,upb），用来控制theta值；else,给出猜测的初始值。           lob,upb:theta的边界限定。

输出参数：

dmodel:DACE模型，结构绑定的参数如下

regr：回归模型          corr:相关模型

theta:相关模型的参数（theta）

beta:

gama:

sigma2:

S:见输入参数

Ssc:2*n矩阵，S的比例因子       Ysc:2*q矩阵，Y的比例因子

C:相关模型分解矩阵

Ft:相关回归分析矩阵，F（bar）在其中。

G:

perf   优化信息

nv:几个目标函数（寻找theta）的评价值

2.评价模型

y=predictor(x,dmodel)

[y,or]=predictor(x,dmodel)

[y,dy,mse]=predictor(x,dmodel)

[y,dy,mse,dmse]=predictor(x,dmodel)

输入参数：

x:m*n矩阵

dmodel:建立的模型。

输出参数：

y:预测相应

dy,mse,dmse:可选结果,m=1时才可选。

3.回归模型

CALL: f=regpoly0(S)

            [f,df]=regpoly0(S)

输入参数：S:m*n矩阵

输出参数：f:函数（与选择几阶有关，m*1,m*(n+1),m*(n+1)*(n+1)/2）矩阵

4.相关模型

r=correxp(theta,d)

[r,dr]=correxp(theta,d)

输入参数：

theta:和d的维数相同

d:m*n矩阵

输出参数：

r:

dr:可选，m*n 雅克比矩阵

5.试验设计

S=lhsamp

S=lhsamp(m)

S=lhsamp(m,n)

输入参数：

m:产生样本点数量，默认为1.

n:维数，默认n=m

输出参数：S:m*n矩阵