Cтраница 2
Когда кригинг не дает лучшего результата, по сравнению с другими методами интерполяции. [16]
Кригинг часто дает довольно точные оценки пропущенных значений, но эта точность обходится ценой времени и вычислительных ресурсов. Но даже при этом кригинг имеет еще одно преимущество перед другими методами интерполяции, - он не только дает интерполированные значения, но также и оценку возможной ошибки этих значений. Это может навести на мысль, что данный метод следует применять повсеместно, но увы. Когда мы имеем дело с большим уровнем локального шума из-за ошибок измерений или большие вариации высоты между отсчетами, в данном методе становится трудным построение кривой полудисперсии. А в таких условиях результаты кригинга будут не лучше, чем полученные другими методами. [17]
Динамические поля, полученные в результате обработки временных рядов наблюдений на нерегулярной сетке. Для построения могут быть использованы следующие методы пространственно-временной обработки: метод интерполяции на основе потенциалов, метод кригинга, метод зональной интерполяции, метод оценивания параметров модели очаговой зоны. [18]
Эффективное использование данных, собранных не по вероятностной схеме, возможно при двух подходах. В сетях, средние выборки которых относительно гомогенны в пространстве ( такие как атмосфера за достаточно усредненные периоды времени), для оценки значения переменной двух точек мониторинга или среднего значения для всего участка, охватываемого сетью, могут использоваться кригинг и другие пространственные интерполирующие методики. ЕМАР предлагает такой подход для мониторинга подверженности воздействию атмосферных поллютантов ( рис. 15), модифицируя и дополняя существующие NADP / NTN для введения дополнительных переменных и создавая новые станции или передислоцируя существующие. Такие сети как NASQAN, параметры дискретных проб ( водотоков) которой варьируют по регионам случайным образом, должны рассматриваться отдельно. В таких случаях должны быть созданы и испытаны модели ( гипотезы) для определения того, могут ли в таких сетях производиться оценки популяций, незначительно отличающиеся от оценок % и беспристрастном пробоотборе. [19]
Теперь предположим, что вы прокладываете шоссе по ненанесенной на карту территории и не можете начать строительство, не зная среднего градиента. Или, положим, вы являетесь горным инженером, пытающимся определить общий тренд рудного месторождения на основе информации из множества кернов, показывающих вершину и дно залежи. Метод интерполяции поверхности тренда даст информацию о толщине рудного слоя и его уклона под землей. Кроме того, метод кригинга окажется полезным в оценке качества рудного слоя, так как рудные пласты хорошо описываются регионализованными переменными. [20]
Кригинг часто дает довольно точные оценки пропущенных значений, но эта точность обходится ценой времени и вычислительных ресурсов. Но даже при этом кригинг имеет еще одно преимущество перед другими методами интерполяции, - он не только дает интерполированные значения, но также и оценку возможной ошибки этих значений. Это может навести на мысль, что данный метод следует применять повсеместно, но увы. Когда мы имеем дело с большим уровнем локального шума из-за ошибок измерений или большие вариации высоты между отсчетами, в данном методе становится трудным построение кривой полудисперсии. А в таких условиях результаты кригинга будут не лучше, чем полученные другими методами. [21]