Kriging

I statistik , oprindeligt i geostatistik , er Gaussisk proces kriging eller regression en interpolationsteknik , hvor de interpolerede værdier er modelleret af en Gaussisk proces bestemt af tidligere kovarianser , i modsætning til en stykkevis polynomisk spline , som optimerer glatheden af ​​de interpolerede værdier . Denne interpolationsmetode er opkaldt efter den sydafrikanske mineingeniør Daniel Krieg., engageret i manuel oprettelse af geologiske kort fra et begrænset sæt data i et bestemt område. Dette er en type generaliseret lineær regression , der bruger statistiske parametre til at finde det bedste estimat med hensyn til minimum standardafvigelse , når man bygger overflader, terninger og kort. Metoden er baseret på princippet om upartisk middelværdi; det vil sige, tilsammen skal værdierne i kortet have den korrekte middelværdi . Global unbias er formelt tilvejebragt ved at hæve lave værdier og sænke høje.

Med de rigtige priors valgt giver kriging den bedste lineære upartiske forudsigelse af mellemværdier. Interpolationsmetoder baseret på andre kriterier, såsom glathed, bør ikke give de mest sandsynlige værdier på mellemliggende punkter. Denne metode er meget udbredt inden for rumlig analyse og computer (numeriske) eksperimenter . Denne metode er også kendt som Wiener-Kolmogorov forudsigelse efter Norbert Wiener og Andrey Nikolaevich Kolmogorov .

Fra et generelt statistisk synspunkt handler kriging om at minimere variansen af ​​målefejl , som er en funktion af de vægte, der måles. Minimering af denne varians reducerer standardfejlen for afvigelsen af ​​den estimerede værdi fra den mulige. Dette opnås ved at nulstille den første afledede af fejlen med hensyn til hver ukendt vægt. Som et resultat udledes et ligningssystem , hvis løsning er vektoren af ​​vægte.

Kriging udfører to grupper af opgaver:

  1. kvantificering af den rumlige struktur af data ,
  2. oprettelse af en prognose.

En kvantitativ repræsentation af dataenes rumlige struktur, kendt som semivariogram -konstruktion , gør det muligt for brugere at tilpasse en rumlig afhængighedsmodel til dataene. For at beregne (forudsige) den ukendte værdi af en variabel på et givet sted, vil kriging bruge en passende (monteret) semivariogrammodel, rumlig datakonfiguration og værdier ved målepunkter omkring det givne sted.

Litteratur

Links