استيفاء النقاط

أداة استيفاء النقاط


تسمح هذه الأداة بتوقع القيم الموجودة في المواقع الجديدة استنادًا إلى القياسات من مجموعة النقاط. تحصل هذه الأداة على البيانات النقطية مع القيم في كل نقطة وتقوم بإرجاع البيانات النقطية للقيم المُتوقعة:

تتضمن حالات الاستخدام الأخرى لهذه الأداة ما يلي:

اختر طبقة النقاط التي تشمل المواقع ذات القيم المعروفة


طبقة النقاط التي تحتوي على النقاط حيث يتم قياس القيم.

اختيار الحقل للتداخل


اختر الحقل المتضمن للقيم التي ترغب في استيفائها. يجب أن يكون الحقل رقمي.

التحسين لـ


اختيار الأفضلية لدقة السرعة المضادة.

المزيد من التوقعات الدقيقة تحتاج وقت أطول لحسابها. تقوم هذه المعلمة بتغيير القيم الافتراضية للعديد من المعلمات الأخرى الخاصة باستيفاء النقاط من أجل تحسين سرعة العملية الحسابية، أو دقة النتائج، أو توازن الاثنين. افتراضيًا، ستقوم الأداة بتحسين التوازن.

تحويل البيانات إلى توزيع طبيعي


اختر ما إذا يتم تحويل بياناتك إلى التوزيع العادي.

الاستيفاء هو أكثر دقة للبيانات التي تتبع عملية التوزيع العادية (شكل الجرس). إذا لم تظهر البيانات ليتم توزيعها بشكل عادي، يجب عليك إجراء عملية التحويل.

حجم النماذج المحلية


تعمل أداة استيفاء النقاط بإنشاء نماذج استيفاء محلية التي يتم مزجها معًا لإنشاء خريطة تنبؤ نهائية. تتحكم هذه المعلمة في كيفية تضمين عدد النقاط في كل نموذج محلي. تجعل القيم الأصغر النتائج أكثر محلية ويمكن أن تكشف أثار على نطاق مقياس صغير، لكنها قد تعرض بعض من عدم الاستقرار في العمليات الحسابية. القيم الأكبر ستكون أكثر استقرارًا، لكن قد يتم فقدان بعض التأثيرات المحلية.

يمكن أن تتراوح القيمة من 30 إلى 500، لكن عادةً القيم تكون بين 50 و200.

عدد الجوار


يتم احتساب التوقعات استنادً إلى النقاط المجاورة. تتحكم هذه المعلمة في كيفية استخدام عدد النقاط في العملية الحسابية. استخدام عدد أكبر من النقاط المجاورة سوف ينتج عادة نتائج أكثر دقة، ولكن النتائج تستغرق وقتًا أطول للعملية الحسابية.

يمكن أن تتراوح هذه القيمة من 1 إلى 64، لكن عادةً القيم تكون بين 5 و15.

حجم خلية مُخرج


حجم الخلية ووحدة البيانات النقطية للإخراج.

الوحدات المتوفرة هي قدم، أميال، أمتار، وكيلومتر.

أخطاء التوقعات الناتجة


اختر ما إذا كنت ترغب في إنشاء بيانات نقطية لأخطاء قياسية للقيم المتوقعة.

تعتبر الأخطاء القياسية مفيدة وذلك لأنها تُوفر معلومات متعلقة بثقة القيم المُتوقعة. الدور البسيط لعنصر التحكم المُصغر هو وقوع القيمة الصحيحة داخل اثنان من الأخطاء القياسية للقيم المُتوقعة 95 في المئة من إجمالي الوقت. مثال، اقترح موقع جديد يحصل على قيمة مُتوقعة من 50 مع خطأ قياسي من 5. هذا يعني أن التخمين الأفضل للأداة والقيمة الصحيحة في هذا الموقع هو 50، لكن يُمكن أن تكون أقل من 40 أو أعلى من 60. لحساب نطاق القيم المناسبة اضرب الخطأ القياسي في 2 وأضف هذه القيمة إلى القيمة المُتوقعة للحصول على الحد الأعلى من النطاق واطرحه من القيمة المُتوقعة للحصول على النهاية الأقل من النطاق.

اسم طبقة النتيجة


سيتم إنشاء اسم الطبقة في المحتوى وسيتم إضافته إلى الخريطة. يستند الاسم الافتراضي إلى اسم الأداة واسم الطبقة المدخلة. إذا وُجدت الطبقة بالفعل، سيطلب منك كتابة اسم آخر.

يمكنك تحديد اسم مجلد في محتواي حيث سيتم حفظ النتيجة باستخدام المربع المنسدل حفظ النتيجة في