알려진 값이 있는 위치가 포함된 포인트 레이어 선택

값이 측정된 포인트를 포함하는 포인트 레이어입니다.

보간할 필드 선택

보간할 값을 포함하고 있는 필드를 선택합니다. 필드는 반드시 숫자이어야 합니다

최적화

속도 및 정확성에 대해 우선 순위를 설정합니다.

더 정확하게 예측할수록 계산하는 데 오랜 시간이 걸립니다. 이 매개변수는 계산 속도, 결과 정확도 또는 두 항목의 균형을 최적화하기 위해 보간 포인트의 다른 여러 매개변수의 기본값을 변경합니다. 기본 설정에 따라 도구가 균형에 맞게 최적화합니다.

데이터를 일반 배포로 변환

데이터를 일반 배포로 변환할지 여부를 선택합니다.

보간은 일반(벨 모양) 배포를 따르는 데이터에 가장 정확합니다. 데이터가 일반 배포로 표시되지 않는 경우 변환을 수행해야 합니다.

로컬 모델의 크기

보간 포인트는 최종 예측 맵을 생성하도록 함께 혼합된 로컬 보간 모델을 구축하여 적용됩니다. 이 매개변수는 각 로컬 모델에 포함될 포인트 수를 제어합니다. 더 작은 값은 보다 로컬인 결과를 만들며 작은 배율의 효과를 나타낼 수 있지만 계산에 다소 불확실성이 생길 수 있습니다. 더 큰 값은 더욱 안정적이지만 일부 로컬 효과가 누락될 수 있습니다.

값은 30 ~ 500이지만 일반적인 값은 50 ~ 200입니다.

네이버 개수

예측은 인접 포인트를 기반으로 계산됩니다. 이 매개변수는 계산에 사용될 포인트 수를 제어합니다. 더 큰 수의 네이버를 사용하면 일반적으로 더욱 정확한 결과가 생성되지만 계산 결과에 시간이 더 소요됩니다.

이 값은 1 ~ 64이지만 일반적인 값은 5 ~ 15입니다.

결과 셀 크기

결과 래스터의 셀 크기와 단위입니다.

사용할 수 있는 단위는 피트(ft), 마일(mile), 미터(m), 킬로미터(km)입니다.

결과 예측 오류

예측된 값에 대한 표준 오류의 래스터를 생성할지 여부를 선택합니다.

표준 오류는 예측 값의 신뢰도에 관한 정보를 제공하므로 유용합니다. 일반적으로 실제 값은 95%의 확률로 예측 값의 2가지 표준 오류 이내에 속하게 됩니다. 예를 들어 새 위치에서 5의 표준 오류가 있는 예측 값 50이 있다고 가정해 보겠습니다. 즉, 이 도구는 해당 위치의 실제 값이 50이지만 40으로 내려가거나 60으로 올라갈 수도 있다고 추측합니다. 이 범위의 합리적인 값을 계산하려면 표준 오류에 2를 곱하고, 이 값을 예측 값에 더하여 범위의 상한값을 구하고, 예측 값에서 이 값을 빼서 범위의 하한값을 구합니다.

결과 레이어 이름

내 콘텐츠에 생성되고 맵에 추가되는 레이어의 이름입니다. 기본 이름은 도구 이름과 입력 레이어 이름을 기반으로 합니다. 레이어가 이미 있는 경우 다른 이름을 입력하라는 메시지가 나타납니다.

결과 저장: 드롭다운 상자를 사용하여 결과가 저장될 내 콘텐츠에서 폴더 이름을 지정할 수 있습니다.