问题标签 [kriging]

我正在使用binom.krige()R 包geoRglm的函数来确定具有多个连续和离散协变量的二元 (0, 1) 响应变量的空间预测。

使用glm()二项式 logit 链接函数，我发现响应变量显示出对几个协变量的显着依赖性。

我将趋势包含在binom.krige()使用krige.glm.control()中，我将两个趋势模型指定为

让我感到困惑的问题是，何时进入trend.d并最终进入，它实际上是否适合带有二项式 logit的glm或只是线性模型（因为上述方程似乎是线性模型）？trend.lkrige.glm.control()binom.krige()

如何控制顺序高斯模拟中的采样？

例如在下面的代码中，如何保证 Monte Carlo 样本不是重复的？

我知道示例函数中的默认设置是“replace = FALSE”，而不是替换生成的示例。SGS是一样的吗？

我一直在尝试使用 hydrokrige 函数（hydroTSM 包）来插入降雨数据。对于某些数据，它似乎工作正常，而我无法理解我为某些记录获得的结果。下面是两个有问题和没有问题的可重现示例。任何有关我们如何对这个问题进行排序的帮助（正确获得示例 2 的结果）将不胜感激。

非常感谢

但是，下面生成的结果对我来说似乎不正确（可以看到最小值和最大值相差不大。两个样本数据的 IDW 结果都很好（只有普通克里金法结果有这个问题）。

有什么方法（或框架）可以让我克里格我的地图。我的地图上有几个传感器，每个传感器都有一个值（动态的），并且基于该值，周围区域应该涂上某种颜色。我希望地图看起来像这样：

对于任何类型的克里金法，任何帮助或想法都非常受欢迎。

我正在尝试在相当大的区域（约 100 万公里 ^ 2）的 geoR 中进行克里金法。这是为了我的论文，所以很遗憾我不能分享数据。我已经检查了坐标和实际数据中的重复项，看看这是否是求解出现错误的原因。我尝试了不同的方式来写趋势，例如长手或“第二”。我看到过类似的错误，但它们都是回归建模示例。我的“test.geo”数据与坐标和数据一起排列，我的变异函数有效。所以我知道 .geo 数据的初始部分正在工作，我模型的克里金组件只是不想工作。

我的代码是：

我不断收到此错误：

我将不胜感激为解决此问题而提供的任何建议或帮助！谢谢！

几天来，我一直在使用 STK 工具箱，用于环境参数字段的克里金法，即在地统计环境中。

我发现该工具箱实现得非常好并且非常有用（非常感谢作者！），而且我通过 STK 获得的克里金预测实际上看起来不错；但是，我发现自己无法可视化基于 STK 输出的半变异函数模型（即高斯过程/协方差函数的估计参数）。

我附上了一个示例图，显示了一个简单的 1D 测试用例的经验半变异函数和直接拟合该数据的高斯半变异函数模型（通常用于地统计学，另请参见图）。该图进一步显示了基于 STK 输出的半变异函数模型，即使用先前估计的模型参数 ( model.paramfrom stk_param_estim) 在滞后距离的目标网格上得到协方差 K，然后将 K 转换为半方差（根据众所周知的关系 semivar = K0- K，其中 K0 是零滞后时的协方差）。我附上了一个简单的脚本来重现该图并详细说明尝试的转换。

正如您在图中看到的那样，这并不能解决问题。我已经尝试了其他几个简单的示例和 STK 数据集，但是通过 STK 与直接拟合获得的模型永远不会达成一致，实际上通常看起来与示例中的不同（即范围通常看起来非常不同，除了 sill/sigma2 ; 取消注释脚本中的第 12 行以查看另一个示例）。我还尝试将转换后的 STK 参数输入到地统计模型中（也在脚本中），但是，输出与基于上述转换 K 的结果相同。

我会非常感谢你的帮助！

图说明了基于直接拟合与 STK 输出转换的半变异函数之间缺乏一致性

是否有一种内置方法可以传递可用于高斯过程模型的内核使用的自定义距离函数？特别是，我有纬度/经度坐标中的地理数据，因此使用欧几里德距离不会给出点之间的准确距离。这似乎是 GPR 的一个不常见的用例，所以想知道在 scikit-learn 中是否有标准（-ish）方法来实现它。

现在，我编写了一个新的 Kernel 子类，在其中我用实例化内核时可以设置的参数替换了 RBF 内核源代码中的pdist(metric='sqeuclidean')和cdist(metric='sqeuclidean')调用中的 metric 参数，但这似乎是 hack-y，我想知道是否有更好的方法来做到这一点。最终，您似乎应该能够将任意距离函数传递给所有这些内核，但我无法弄清楚如何做到这一点。我编写的类（几乎与标准 kernels.RBF 类几乎完全一样）如下。有人看到更好的方法吗？或者为什么我正在做的是一个坏主意？

这是我第一次在gstat. 我的问题是，当感兴趣的变量和辅助变量不在同一位置测量时，我不确定如何准备数据框以提供给联合克里金法。

具有感兴趣变量的数据框z_ar, 是voi_gs

带有辅助变量 的数据框z_pts是aux_gs

我将它们组合成一个数据框来提供variogram()和krige()功能。voi_gs由于和之间的位置都不相同aux_gs，因此我引入了NA值并按以下方式组合它们

然后我尝试构建交叉变异函数

但变异函数不接受 NA 值并给我一个错误。我知道我不能NA在数据中包含值，但我不知道如何创建数据框来构造交叉变异函数。非常感谢任何帮助。谢谢。

我有大约 6 个气象站的气象数据。对于所有这些站点，我都有可用的经度和纬度，还有日期时间（从 2016 年初开始每 10 分钟左右）。我想使用克里金插值法来填充其他长/纬度位置（这些站点之间）的缺失值。

我知道 scikit-learn 具有可用于克里金法的“GaussianProcessRegressor”。但是，我不明白如何在拟合过程中包含时间维度。这是否可能，或者我应该为我拥有的每个日期时间都安装一个单独的模型？

X 必须是一组特征，在我的例子中是纬度和经度（我认为）。X 现在是每个站的 6 个纬度/经度对的列表（例如 [52.1093, 5.181]）。我花了一个日期来测试 GPR。y 是一个长度为 6 的列表，其中包含那些站点在特定时间的露点。

现在的问题是我实际上想对所有日期时间进行克里金法。如何合并这些日期时间？我应该将日期时间添加为 X 数组中的特征（例如 [52.1093, 5.181, 2017, 1, 2, 10, 50]）吗？这对我来说真的很奇怪。但是，我找不到任何其他方法来模拟时间因素。

我拟合 GaussianProcessRegressor 的代码：

在下面的代码中，我试图将 kriged meuse 数据覆盖到谷歌地图上，ggmap().该代码似乎一直工作正常，get_map(),但陷入某种巨大的计算中（RAM 使用率在我的 8G 机器上跃升至 7G - 是警告！）在最后一次print(ggmap())执行时。我究竟做错了什么？

更新：我想我发现了问题=>stat_contour()似乎不适用于克里格数据（仍然不确定为什么）。当我用 binning 函数替换它时，stat_summary_2d(),代码现在可以工作了。如果可能的话，我仍然想显示轮廓线。有人可以帮忙吗？

谢谢