Punktu interpolēšana
Šis rīks sniedz iespēju prognozēt vērtības jaunos novietojumos, pamatojoties uz mērījumiem no punktu kolekcijas. Rīks izmanto punkta datus ar katra punkta vērtībām un atgriež prognozēto vērtību rastru.
Citi šī rīka lietošanas gadījumi ietver:
- Gaisa kvalitātes uzraudzības apgabalā ir sensori, kas mēra piesārņojuma līmeni. Interpolēt punktus var izmantot, lai prognozētu piesārņojuma līmeni vietās, kurās nav sensoru, piemēram, novietojumos, kuras ir visvairāk apdraudētas — skolas vai slimnīcas.
- Prognozējiet smago metālu koncentrāciju ražā, pamatojoties uz paraugiem, kas iegūti no atsevišķiem augiem.
- Prognozējiet augsnes barības vielu līmeņus (slāpeklis, fosfors, kālijs u.c.) un citus indikatorus (piemēram, elektrovadītspēju), lai izpētītu to relāciju ar ražas apjomu un noteiktu precīzu mēslojuma daudzumu katram novietojumam laukā.
- Meteoroloģiskais lietojums ietver temperatūru, nokrišņus un citu saistīto mainīgo prognozes (piemēram, skābā lietus).
Izvēlieties punktu slāni, kas satur novietojumus ar zināmām vērtībām
Punktu slānis, kas satur punktus, kuros ir noteiktas vērtības.
Izvēlēties lauku interpolēšanai
Izvēlieties lauku, kura vērtības vēlaties interpolēt. Laukam ir jābūt skaitliskam.
Optimizēt
Izvēlieties savu iestatījumu ātruma un precizitātes attiecībai.
Precīzākas prognozes tiek aprēķinātas ilgāk. Šis parametrs izmaina noklusējuma vērtības vairākiem citiem rīka Punktu interpolēšana parametriem, lai optimizētu aprēķina ātrumu, rezultātu akurātumu vai līdzsvarotu abus rādītājus. Pēc noklusējuma rīks optimizē, lai panāktu līdzsvaru.
Pārveidot datus par normālo sadalījumu.
Izvēlieties, vai pārveidot datus par normālo sadalījumu.
Interpolācija ir visprecīzākā datiem, kas atbilst normālajam (zvana formas) sadalījumam. Ja jūsu dati nešķiet normāli sadalīti, būs nepieciešams veikt transformāciju.
Lokālo modeļu lielums
Rīks Punktu interpolēšana darbojas, veidojot lokālus interpolācijas modeļus, kas tiek apvienoti, lai izveidotu galīgo prognožu karti. Šis parametrs nosaka, cik punkti tiks ietverti katrā lokālajā modelī. Mazākas vērtības padarīs rezultātus lokālākus un var atklāt maza mēroga efektus, tomēr tās var padarīt aprēķinus nestabilus. Lielākas vērtības būs stabilākas, tomēr tās var neuzrādīt dažus lokālus efektus.
Vērtības diapazons ir 30–500, tomēr tipiskas vērtības atrodas diapazonā 50–200.
Kaimiņu skaits
Prognozes tiek aprēķinātas, ņemot vērā kaimiņu punktus. Šis parametrs nosaka, cik punkti tiks izmantoti aprēķinos. Izmantojot lielu skaitu kaimiņu, parasti tiek iegūti precīzāki rezultāti, tomēr to aprēķins aizņem vairāk laika.
Šīs vērtības diapazons ir 1–64, tomēr tipiskas vērtības atrodas diapazonā 5–15.
Izvades šūnas lielums
Šūnas lielums un izvades mērvienība.
Pieejamās mērvienības ir pēdas, jūdzes, metri un kilometri.
Izvades prognozes kļūda
Izvēlieties, vai vēlaties izveidot prognozēto vērtību standartkļūdu rastru.
Standartkļūdas ir noderīgas, jo sniedz informāciju par prognozēto vērtību uzticamību. Vienkāršs nosacījums ir tāds, ka patiesā vērtība 95 procentos gadījumu atradīsies starp divām prognozētās vērtības standartkļūdām. Piemēram, pieņemsim, ka jaunā novietojumā tiek prognozēta vērtība 50 ar standartkļūdu 5. Tas nozīmē, ka šis rīks prognozē, ka patiesā vērtībā šajā novietojumā ir 50, bet tā var būt arī augstāka vai zemāka, piemēram, 40 vai 60. Lai aprēķinātu šo saprātīgo vērtību diapazonu, reiziniet standartkļūdu ar 2, pieskaitiet šo vērtību prognozētajai vērtībai, lai iegūtu diapazona augšējo robežu, un atņemiet to no prognozētās vērtības, lai iegūtu diapazona apakšējo robežu.
Rezultātu slāņa nosaukums
Slāņa nosaukums, kas tiks izveidots sadaļā Mans saturs un pievienots kartei. Noklusējuma nosaukums ir balstīts uz rīka nosaukumu un ievades slāņa nosaukumu. Ja šāds slānis jau pastāv, jums tikts lūgts norādīt citu nosaukumu.
Mapes nosaukumu var norādīt mapē Mans saturs, kur rezultāts tiks saglabāts, izmantojot nolaižamo lodziņu Saglabāt rezultātu.