Доступно с лицензией Geostatistical Analyst.
Сравнение помогает оценить качество модели, создавшей геостатистический слой, в сопоставлении с другой моделью. Чтобы сравнить модели, нужны два геостатистических слоя (созданных с помощью дополнительного модуля ArcGIS Geostatistical Analyst extension). Эти два слоя могут быть созданы с использованием разных методов интерполяции (например, IDW и обычного кригинга) или одного метода с разными параметрами. В первом случае выполняется сравнение методов и выбор из них лучшего для конкретных данных, а во втором – анализ влияния на модель разных входных параметров при создании выходной поверхности. Чтобы сравнить две модели, правой кнопкой мыши щелкните одно из их имен в таблице содержания и выберите команду Сравнить (Compare), как показано ниже:
Диалоговое окно Сравнение (Comparison) использует статистические данные перекрестных проверок, которые описаны в разделе Выполнение перекрестной и обычной проверок. В этом окне можно также изучать статистику и диаграммы одновременно. В общем случае лучшей моделью считается та, у которой наиболее близкое к нулю нормализованное среднее, наименьшая среднеквадратическая ошибка прогноза, наиболее близкая к среднеквадратической ошибке прогноза средняя стандартная ошибка и наиболее близкая к единице нормализованная среднеквадратическая ошибка прогноза.
Обычно создают множество поверхностей, а затем среди них выбирают лучшую, которая будет доработана или перенесена в более крупную модель (например, модель пригодности для размещения жилых домов) для решения существующей задачи. Можно систематически сравнивать каждую поверхность с другой, исключая худшую из двух, пока не останутся две лучшие поверхности, которые затем сравнивают друг с другом. Можно сделать вывод, что для данного анализа наилучшей возможной поверхностью является лучшая из двух окончательных поверхностей.
Аспекты, которые нужно учитывать при сравнении методов и моделей
При сравнении результатов разных методов и/или моделей нужно учитывать два аспекта: оптимальность и достоверность.
Например, среднеквадратическая ошибка прогноза для определенной модели может быть меньше, чем для других моделей. Поэтому можно прийти к выводу, что это оптимальная модель. Однако при сравнении с другой моделью среднеквадратическая ошибка прогноза может быть ближе к средней оценке стандартной ошибке прогноза. Это более достоверная модель, поскольку при прогнозировании в точке, где нет данных, оценить неопределенность такого прогноза можно только по оценкам стандартных ошибок. Также, необходимо проверить, что значение среднеквадратичной нормированной ошибки близко к 1. Если среднеквадратичная нормированная ошибка близка к 1 и средние оценки стандартных ошибок прогноза близки к среднеквадратическим ошибкам прогноза, полученным после перекрестной проверки, модель гарантированно является допустимой. На рисунке выше, модель кригинга слева имеет меньшие среднеквадратическую и среднюю стандартную ошибки, чем модель справа, но модель кригинга предпочтительнее, поскольку среднеквадратическая и средняя стандартная ошибки ближе. Кроме того, модель слева имеет очень большую среднеквадратичную нормированную ошибку, что говорит о наличии серьезных ошибок.
Помимо статистики, содержащейся в диалоговом окне Сравнение, следует использовать предварительную информацию, которая существует для набора данных и которая была получена в ESDA во время выбора лучшей модели.
- Правой кнопкой мыши щелкните на геостатистических слоях, которые нужно сравнить, в таблице содержания ArcMap и выберите команду Сравнить (Compare).
- Щелкните на втором слое в сравнении в раскрывающемся меню С (To).
- Чтобы увидеть различные результаты сравнения, переключайтесь между закладками.
- Щелкните Закрыть (Close).