问题标签 [kriging]

我正在尝试使用 R 执行从伊比利亚半岛收集的数据的插值频率地图。（类似这样的https://gis.stackexchange.com/questions/147660/strange-spatial-interpolation-results-from-ordinary-kriging）

我的问题是，由于 autokrige 函数的属性 new_data 中存在某种错误，该图没有显示插值数据。

https://cran.r-project.org/web/packages/automap/automap.pdf new_data： 包含预测位置的 sp 对象。new_data 可以是点集、网格或多边形。不得包含 NA。如果未提供此对象，则计算默认值。这是通过获取 input_data 的凸包并在该凸包中放置大约 5000 个网格单元来完成的。

我认为问题在于 R 没有很好地读取转换为 poligons 的地图，因为如果我避免使用这个 new_data 属性，我会得到一个 krigging 值的适当图。但我没有获得伊比利亚半岛的良好形状。有人能帮助我吗？我将不胜感激

在这里你可以看到我的数据： http: //pastebin.com/QHjn4qjP

实际代码：现在，由于我将数据坐标转换为 UTM 投影，我没有收到错误消息，但最后一个图没有插值，整个地图显示为一种颜色:(

我很难使用显示克里金图的填充轮廓自动创建颜色，避免指定级别（）。

我可以绘制我的结果并查看图例，但为什么我的颜色是重复的？因此，为什么区间 4.5 - 5.0 的颜色与 7.0 - 7.5 的颜色相同？我该如何解决？

相当长的可复制示例，改编自https://rpubs.com/nabilabd/118172（通过对插值点的 voronoi 镶嵌数据进行采样来计算克里金法）

我有一组 5 个数据点（x=10,20,30,40,50及其相应的响应值y和noisesd of y）。这些数据是从随机计算机实验中获得的。

如何在 R 中使用 DiceKriging 为这些数据拟合克里金模型？

具有异质噪声的在线示例预先指定了coef.var和。我不太可能对这些有先验性。coef.trendcoef.theta

我在这里提到了答案。但是，其他参考资料表明添加块金参数 lambda 类似于添加均匀噪声，这不太可能是“个别错误”。

下午好，

关于在 ArcGIS 中覆盖或创建新图像文件的可能性，我有一个紧迫但紧迫的问题，该文件将我拥有的加利福尼亚温度点数据覆盖到该州的 30m 分辨率 DEM 上。我已经探索过 Co-Kriging，但是我还没有能够确定地创建最终产品，其中温度数据甚至远程接近符合海拔高度。有什么建议么？

埃里克

我正在尝试使用 R 包 gstat 中的函数 variogramST 来计算时空变异函数。

有 12 年的数据，在空间和时间的不规则点（没有完整网格或部分网格）有 20'000 个数据点。对于不规则数据集，我必须使用时空包中的 STIDF。我想要一个时间半变异函数，其参考点位于 0、90、180、270 天，最多几年等。不幸的是，计算和内存问题都出现了。当命令

在没有进一步参数的情况下运行，半变异函数只考虑了非常短的时间周期，就半变异函数的参考点而言，这似乎没有适当地捕获固有的数据结构。

用户可以使用此函数的更多参数，但我不确定如何正确参数化它们：tlag、tunit、twidow。具体来说，我想知道他们如何互动以及我如何实现上述目标。所以我尝试了以下代码

由于我的 32GB RAM 计算机中的内存问题，以下代码结果无法正常工作：

但可能有缺陷，否则。此外，就计算时间而言，后一行代码似乎也不可行。

有人知道如何正确地从 gstat 包装中指定 variogramST 函数，以期望的时间间隔为目标吗？

谢谢

我正在尝试使用 FloatKrigingSurrogate() 在 openmdao 1.7.1 中训练一个代理。我收到一条错误消息：

我已经检查了我正在为其制作模型的应用程序的数据文件。我已将训练数据复制到一个文件中并进行了检查。一切都是一个数字。它并不总是一团糟，但我打算将这部分作为一个更大的问题的一部分，其中采样部分是嵌套的，所以如果它真的发生了，整个问题就会陷入困境。我还能如何寻找搞砸的东西？我的代码摘录：

9 月 1 日根据 Kenneth 的评论进行了修订：显然，克里金替代模型需要一个挑战。它不喜欢愚蠢的简单函数，即 f(x)=constant。我稍微修改了文档中的元模型示例问题：

我最初想知道是否有最大数量的代理，所以我建立了那个变量 SURVECSIZ。即使 SURVECSIZ=1 它也死了。但是当我将 gi 的函数更改为乘以 (float(each)+1.) 时，它就会运行。将 +1 放在括号之外以使值成为常数 = 1 而不是 0 也会导致它死亡。我猜克里金模型过程会根据数据的变化范围进行标准化。克里金只是不想在一个简单的问题上浪费时间。不幸的是，在某些情况下，我的变异可能为零，而克里金模型需要允许它。

使用完整的二阶多项式 (2D) 运行 DiceKriging（在 R 中）时出现以下消息：

model.frame.default(object, data, xlev = xlev) 中的错误：
Variablenlängen sind unterschiedlich (gefunden für 'I(inputs[, 1]^2)')

用英语讲：

可变长度不同（为 'I (inputs [1] ^ 2)' 找到）

脚本：

我正在尝试使用高斯过程回归实现贝叶斯优化，我想先尝试多输出 GP。

实现 GP 的软件有很多，比如fitrgpMATLAB 中的函数和 ooDACE 工具箱。

但是我没有找到任何可用的软件来实现所谓的多输出GP，即预测向量值函数的高斯过程模型。

那么，有没有可以直接使用的实现多输出高斯过程的软件呢？

我正在使用 gstat 包进行普通克里金法并使用 walker Lake 数据（数据大小 = 470）。我在每次试验中从该数据中随机抽取 20 个，并计算从 50-450 个数据集中随机选择的训练数据集的 rmse。然后我计算了每个数据集的平均值。结果如下——

我的问题是：

1) 为什么 RMSE 是波浪形的。为什么在增加训练数据的同时它并不总是减少？

2）这是否意味着，我们不需要用于克里金的大型数据集，因为当训练数据集为 200 时，RMSE 最低。

等待回复。

我对块克里金有一些问题。首先我创建一个网格（5000*5000 m）。我排除了彼此非常接近的车站。下一步是创建变异函数和 fit.variogram。我分配投影和坐标。之后，krige 函数适用于普通克里金法。

coordinates(grid_1) <- ~x+y #Koordinaten zuweisen, Variablennamen festlegen, auf die man sich bezieht)

krig_block <- krige(log(variable+0.1)~1, data.new, grid_1, m=m.fit, block =c(5000/5000))

我尝试为块克里金添加“块”，但我没有得到任何结果。有人知道我的问题吗？任何帮助都会非常有用，在此先感谢。亲切的问候