Доступно с лицензией Geostatistical Analyst.
Простой кригинг предполагает следующую модель:
Z(s) = µ + ε(s)
- где µ является известной константой.
Например, на следующем рисунке, где используются одни и те же данные для методов ординарного кригинга (ordinary kriging) и универсального кригинга (universal kriging), результаты измерений представлены заштрихованными кругами:
Известная константа, отображаемая пунктирной линией, это µ. Это сравнимо с ординарным кригингом. Для простого кригинга, поскольку вы предполагаете, что точно знаете µ, вам также точно известна ε(s) в расположениях данных. При ординарном кригинге вы рассчитываете и µ и ε(s). Если ε(s) известна, можно получить более точные результаты оценки автокорреляции, чем если вы оцениваете ошибку ε(s). Допущение, что вам будет известно точное среднее значение µ, зачастую не имеет реальных оснований. Однако в некоторых случаях имеет смысл допустить, что физическая модель дает известный тренд. Затем можно взять разность между этой моделью и результатами наблюдений (остаток) и использовать кригинг для этого остатка, принимая тренд в остатке за ноль.
Простой кригинг может использовать вариограммы либо ковариации (математические формы, используемые для выражения автокорреляции), применять преобразования и учитывать погрешность измерения.
Связанные разделы
- ...для создания карты проинтерполированных значений
- ...для создания карты квантилей
- ...для создания карты вероятности
- ...для создания карты стандартной ошибки прогнозирования
- Использование простого кригинга с преобразованием данных для создания карты проинтерполированных значений
- Использование обычного кригинга с преобразованием и декластеризацией данных для создания карты проинтерполированных значений