193. Uzay-zaman kriging: deneysel uzay-zaman variogramı, model uydurma ve yerel kestirim
Şablon kimliği: uzay_zaman_kriging · Kategori: uzamsal · Dil: R · Dosya: pro/sablonlar/uzamsal/uzay_zaman_kriging.R (satır 1–457; üstbilgi 1–201) · Örnek veri: _ornek/uzay_zaman_kriging_pm10.csv · Paketler: gstat 2.1-6, sp 2.2-3, spacetime 1.3-4, zoo 1.9-1 (R 4.5.3)
193.1 Ne işe yarar
Sabit istasyonlarda düzenli zaman adımlarıyla ölçülmüş bir değişkenin (günlük hava kirliliği, saatlik sıcaklık, haftalık yeraltı suyu düzeyi) uzay ve zamandaki ortak değişkenliğini modellemeyi ve ölçüm yapılmamış (konum, zaman) noktalarında kestirim üretmeyi sağlar. Cevapladığı soru şudur: "Bu değişken uzakta ve geçmişte ya da gelecekte ölçülenlerle ne kadar ilişkili ve bu ilişkiyi kullanarak bir istasyonun eksik gününü ya da gözlenmeyen bir konumu nasıl daha iyi kestiririm?"
- \hat\gamma(h,u): h uzaklıkta ve u zaman gecikmesinde deneysel yarı değişinti (uzay-zaman variogramı); N(h,u) o sınıfa giren (istasyon çifti, zaman) sayısı.
- Z(\mathbf s,t): \mathbf s konumunda ve t zamanında ölçüm.
- V: komşuluktaki gözlemlerin kovaryans matrisi, \mathbf c_0: kestirim noktasıyla gözlemler arasındaki kovaryanslar; ikisi de uydurulmuş uzay-zaman variogram modelinden gelir.
- \hat\beta: genelleştirilmiş en küçük kareler ortalaması (sıradan kriging).
Şablon dört iş yapar: (1) veriyi istasyon × zaman matrisine dizer ve deneysel uzay-zaman variogramını hesaplar; (2) uzay-zaman anizotropisi \kappa'yı kestirir ve beş variogram ailesinden birini (ya da hepsini) uydurur: ayrılabilir, ürün-toplam, metrik, toplam-metrik, basit toplam-metrik; (3) yerel uzay-zaman kriging ile rastgele seçilen gözlemlerde birini dışarıda bırakma çapraz doğrulaması yapar ve aynı gözlemleri aynı günün öteki istasyonlarıyla yalnız uzamsal kriging ile kestirip karşılaştırır; (4) seçilen zaman adımlarında düzenli ızgarada kestirim haritaları çizer. İsteğe bağlı olarak ortalama, koordinatlarda doğrusal trend olarak da modellenir (evrensel kriging).
Ne zaman kullanılır?
- İstasyon ağından günlük, saatlik ya da aylık ölçümler varsa ve eksik gün/istasyon doldurulacaksa ya da ölçülmemiş yerlerde zaman boyunca değişen bir yüzey isteniyorsa (hava kalitesi, sıcaklık, yağış, yeraltı suyu).
- Her zaman adımını ayrı ayrı uzamsal krigingle haritalamak yerine komşu zamanlardaki bilgiyi de kullanmak istendiğinde: örnek veride birini dışarıda bırakmada RMSE yalnız uzamsal yönteme göre 8{,}19'dan 5{,}19'a iner.
- Uzaysal menzil (\approx558 km), zamansal menzil (\approx5{,}6 gün) ve ortak eşik gibi uzay-zaman yapısının nicel özetleri istendiğinde.
Ne zaman kullanılmaz?
- Zaman boyutu yoksa ya da tek bir zaman adımı varsa: temel programdaki Variogram + Kriging (Mekânsal Enterpolasyon) analizi; birden çok değişken birlikte kestirilecekse
es_kriging(Bölüm 187); koşullu benzetim isteniyorsakosullu_benzetim(Bölüm 188). - İstasyonlar çok az (4'ten az) ya da zaman adımı 3'ten azsa: şablon durur (262, 239).
- Zaman adımları düzensizse (kayıp günler değil, ölçüm aralığının kendisi düzensiz): uzay-zaman variogramı düzenli adım ister; şablon durur (243). Kayıp gün ya da istasyon sorun değildir (193.8).
- Alan (poligon) verisi ya da komşuluğa dayalı yapı için:
alansal_bayes_car(Bölüm 186). - Gerçek bir öngörü (gelecek zamanı kestirme) isteniyorsa: şablon yalnız gözlem aralığında ve istasyon ağının sınırları içinde kestirim haritası üretir; modelin öngörü doğruluğu ayrıca sınanmalıdır.
Temel programla ilişki. Temel programdaki Variogram + Kriging (Mekânsal Enterpolasyon) analizi yalnız uzamsal bir yüzey için çalışır; zaman boyutu, uzay-zaman variogramı ve uzay-zaman kovaryans modelleri yoktur. Bu şablon, gstat'ın uzay-zaman uzantısıdır (Gräler ve ark., 2016); temel programda karşılığı yoktur.
193.2 Şablonun girdileri
Form, üstbilgideki yirmi dört [[param]] bloğundan kurulur (uzay_zaman_kriging.R:11–201).
| Alan (form etiketi) · ad | Tür · sekme | Varsayılan | Geçerli değerler | Kodda etkisi |
|---|---|---|---|---|
Koordinat X · koord_x |
sayısal sütun · Değişkenler | form önerisi | sayısal | İstasyonun doğu koordinatı ya da boylamı (211, 214). |
Koordinat Y · koord_y |
sayısal sütun · Değişkenler | form önerisi | sayısal | Kuzey koordinatı ya da enlem (211, 214). |
Zaman · zaman |
sütun · Değişkenler | form önerisi | tarih, tarih-saat ya da sayısal adım | Düzenli zaman adımlarına çevrilir (221–246). |
Değişken · deger |
sayısal sütun · Değişkenler | form önerisi | sayısal, sabit değil | Kestirilecek değişken (211, 215, 269). |
İstasyon (isteğe bağlı) · istasyon |
sütun · Değişkenler | boş | herhangi | Boşsa aynı koordinat aynı istasyondur (258). |
Koordinat türü · koordinat_turu |
seçim · Model | projeksiyonlu |
projeksiyonlu, cografi |
Coğrafi ise derece km'ye çevrilir (248–257). |
Büyük uzaklıkları km'ye çevir · km_cevir |
onay · Gelişmiş | açık | açık / kapalı | Projeksiyonluda en büyük uzaklık 10 000'i aşarsa 1000'e bölünür (265–266). |
En büyük zaman gecikmesi · zaman_gecikme |
tamsayı · Model | 6 | 1–60 | Deneysel variogramda tlags = 0 … min(değer, Tn − 1) (277). |
Uzaklık kesimi (0 = otomatik) · kesim |
ondalık · Model | 0 | ≥ 0 | 0 ise kapsam köşegeninin üçte biri (278–279). |
Uzaklık sınıfı sayısı · sinif_sayisi |
tamsayı · Model | 15 | 3–60 | Sınıf genişliği = kesim / sayı (280–281). |
Uzay-zaman modeli · model |
seçim · Model | separable |
separable, productSum, metric, sumMetric, simpleSumMetric, hepsi |
Uydurulacak aile(ler) (338). |
Uzamsal model · uzay_modeli |
seçim · Model | Exp |
Exp, Sph, Gau, Mat |
Uzamsal bileşen (324, 328–336). |
Zamansal model · zaman_modeli |
seçim · Model | Sph |
Exp, Sph, Gau, Mat |
Zamansal bileşen. |
Ortak model · ortak_modeli |
seçim · Model | Sph |
Exp, Sph, Gau, Mat |
Metrik ve toplam-metrik modellerde ortak bileşen. |
Matérn κ · kappa |
ondalık · Gelişmiş | 0,5 | 0,05–10 | Bütün Matérn bileşenlerinde aynı düzgünlük (325–326). |
Anizotropi κ (0 = kestir) · stani |
ondalık · Model | 0 | ≥ 0 | 0 ise estiStAni (312–322). |
κ kestirim aralığı alt · stani_alt |
ondalık · Gelişmiş | 0 | ≥ 0 | 0 ise kesim/6 (314–315). |
κ kestirim aralığı üst · stani_ust |
ondalık · Gelişmiş | 0 | ≥ 0 | 0 ise 2·kesim/3 (316). |
Uydurma ağırlıklandırması · fit_yontemi |
tamsayı · Gelişmiş | 6 | 1–11 (5 hariç) | fit.StVariogram(fit.method = …) (339, 345); 5 seçilirse durur (340). |
Trend · trend |
seçim · Model | yok |
yok, koordinat |
Sıradan ya da evrensel kriging (270–271, 378). |
Komşu sayısı (nmax) · nmax |
tamsayı · Seçenekler | 50 | 5–500 | Yerel kriging komşu sayısı (379). |
Çapraz doğrulama gözlem sayısı · cv_n |
tamsayı · Seçenekler | 50 | 0–2000 | Rastgele seçilecek gözlem; 0 = yok (383). |
Harita sayısı · harita_sayisi |
tamsayı · Çıktı | 4 | 0–12 | Çizilecek eşit aralıklı zaman adımı (431). |
Izgara · izgara |
tamsayı · Çıktı | 25 | 5–150 | Kenar başına nokta (433). |
Örnek ayar (ornek_param, satır 9): koord_x = x, koord_y = y, zaman = tarih, deger = PM10, istasyon = istasyon, zaman_gecikme = 6, model = separable, uzay_modeli = Exp, zaman_modeli = Sph, fit_yontemi = 7, cv_n = 30, harita_sayisi = 2, izgara = 15. Varsayılandan farkı: ağırlık yöntemi 6 yerine 7 (yayımlanmış değerlerle karşılaştırma), çapraz doğrulama 50 yerine 30, harita 4 yerine 2, ızgara 25 yerine 15.
Şablonun kendi denetimleri. Biçimsel denetimden (Bölüm 1.2) sonra kod şunları durdurur:
- Veri açık değilse (204); gstat, sp, spacetime ya da zoo paketlerinden biri kurulu değilse (205–206).
- Koordinat, zaman ve değişken sütunlarından biri seçilmemiş ya da yoksa; dördü birbirinden farklı değilse (212–213).
- Değişken sayısal değilse (215). Koordinat, zaman ya da değişkende eksik olan satırlar çıkarılır ve konsola "Not: eksik değerli … satır çıkarıldı." yazılır (216–218); kalan gözlem 20'den azsa durur (219).
- Zaman sütunu okunamıyorsa (222); 3'ten az farklı zaman adımı varsa (239); zamanlar en küçük aralığın tam katı değilse (243).
- Coğrafi koordinat sınırları aşılıyorsa (250); aynı istasyon kimliğine farklı koordinat verilmişse (260); istasyon 4'ten azsa (262); bir koordinat sabitse (istasyonlar bir doğru üzerinde, 263).
- Aynı istasyon ve zamanda birden çok gözlem varsa (268); değişken sabitse (269).
- Deneysel variogramda 6'dan az dolu sınıf varsa (306); hiçbir model uydurulamazsa (354).
fit_yontemi = 5ise (REML gstat'ta uygulanmamıştır; 340).
193.3 Örnek veri
uzay_zaman_kriging_pm10.csv: gstat paketindeki DE_RB_2005 verisi — Almanya'daki kırsal arka plan hava kalitesi istasyonlarında 2005 yılı günlük ortalama PM10 (µg/m³); Avrupa Çevre Ajansı AirBase veritabanından (Gräler ve ark., 2016). 69 istasyon × 365 gün olası 25 185 değerin 23 230'u dolu (%92,2; istasyon başına 79–365 gözlem); eksik değer yok, ama eksik istasyon–gün çiftleri satır olarak bulunmaz. Dosya uzun biçimdedir: her satır bir istasyon–gün.
| Değişken | Rol | Tür (veri sekmesinin algıladığı) | Özet |
|---|---|---|---|
istasyon |
istasyon | kategorik (69 düzey) | DESH001, DENI063, … (ilk görülme sırası) |
x |
koordinat X | sayısal | projeksiyonlu, metre; 307 809–907 375 |
y |
koordinat Y | sayısal | projeksiyonlu, metre; 5 295 752–6 086 661 |
tarih |
zaman | tarih-saat (YYYY-AA-GG metni) |
2005-01-01 – 2005-12-31 (365 gün) |
PM10 |
değişken | sayısal | ortalama 17,89; sd 11,31; aralık 0–177 (6 sıfır değer); medyan 15,21 |
Kategorik değişkenlerde "düzey sırası" bu şablon için yalnız istasyon sütununa ilişkindir; istasyon sırası sonucu etkilemez (yalnız istasyon indeksi ve çapraz doğrulamada örneklenen gözlemlerin sırası bu sıraya bağlıdır; aşağıdaki "tohum" paragrafına bakınız). Zaman metin sütunu kod içinde tarihe çevrilir (222).
Tohum. Şablonun rastgele olan tek adımı çapraz doğrulamada gözlemlerin seçimidir (sample, satır 388). Kod panelindeki Tohum alanı (Bölüm 1.3) bu seçimi belirler; aynı tohumla aynı gözlemler seçilir ve sonuç yinelenir. Bu bölümdeki bütün çalıştırmalar tohum 1 ile yapılmıştır (tohum 1'de seçilen gözlem indeksleri: 878, 1948, 3476, …, 22306 — veri sırasına göre, 193.6). Tohumun sonuca etkisi 193.8'de gösterilmiştir.
Bu bölümde kullanılan çalıştırmalar (tümü tohum 1):
| Ad | Veri | Ayar |
|---|---|---|
q3_uz_ornek |
tam örnek veri | örnek ayar |
q3_uz_metric_exp, _metric_sph |
tam | model = metric, ortak_modeli = Exp / Sph; çapraz doğrulama ve harita yok |
q3_uz_sum_metric, _basit_sum_metric |
tam | uzay_modeli = Sph, zaman_modeli = Exp, ortak_modeli = Sph |
q3_uz_product_sum |
tam | model = productSum |
q3_uz_hepsi |
tam | model = hepsi (270 s) |
q3_uz_k_… |
24 istasyon × 60 gün alt küme | uç durumlar ve ayar sınamaları (193.8) |
193.4 Yöntem: formüller ve hesap adımları
Hesap sırası şöyledir: (1) veri istasyon × zaman matrisine dizilir; (2) deneysel uzay-zaman variogramı hesaplanır; (3) \kappa kestirilir; (4) seçilen aile(ler) uydurulur; (5) en iyi model ile yerel kriging yapılır: çapraz doğrulama, değişkenler ve haritalar; (6) yalnız uzamsal karşılaştırma yöntemi aynı gözlemler için çalıştırılır. Hesaplar gstat paketinin tanımlarına dayanır (variogramST, fit.StVariogram, krigeST); şablon deneysel variogramı kendi matris hesabıyla yapar (276–309) ve gstat sonucuyla birebir aynıdır (193.6).
193.4.1 Veri düzeni, zaman adımı ve koordinatlar
Zaman değerleri sıralanır; adım en küçük ardışık fark olarak alınır ve her gözlemin adım indeksi \mathrm{round}\{(t-t_1)/\text{adım}\}+1'dir (238–242). Bütün zamanlar adımın tam katı olmalıdır (243); kayıp adımlar (hiç gözlemin olmadığı günler) takvimdeki yerini korur: T_n=\max indeks. Adım uzunluğu gün, saat ya da saniye olarak konsola yazılır (246); sayısal zaman sütununda adım uzunluğu "N sütun birimi" olarak yazılır (245).
Koordinatlar. Projeksiyonluda X=x, Y=y olur; kapsam köşegeni 10 000'i aşıyorsa ve km_cevir açıksa koordinatlar 1000'e bölünür (örnek veride metre → kilometre). Coğrafi koordinatlar yerel eşdikdörtgen düzleme kilometre olarak taşınır:
Projeksiyonlu koordinat türü seçilip boylam ve enlem aralığında (|x|\le180, |y|\le90) değerler verilirse şablon dereceyi düzlem koordinatı sayar ve "koordinatlar derece gibi görünüyor" uyarısı yazar (255–256); boylam–enlem ise cografi seçilmelidir. İstasyon, istasyon sütunundaki kimlik; boşsa paste(x, y) ile aynı koordinat (258).
Trend. trend = koordinat ise önce gözlem düzeyinde z=b_0+b_1X+b_2Y+\text{artık} en küçük kareler regresyonu uydurulur ve artıklar variogramda kullanılır (271); kriging aşamasında z\sim X+Y formülü evrensel krigingi kurar (378).
193.4.2 Deneysel uzay-zaman variogramı
Z matrisi n_s\times T_n'dir (eksik gözlem NA). Her zaman gecikmesi k (0\le k\le\min(\text{zaman\_gecikme},T_n-1)) ve uzaklık sınıfı c için:
- \mathcal N_{c,k}: istasyon çiftleri (i,j) ile her iki gözlemin de mevcut olduğu t değerlerinin kümesi; d_{ij} iki istasyon arası uzaklık.
- k=0: yalnız i<j (sıralanmamış çiftler). k\ge1: bütün sıralı çiftler, i=j dahil. i=j çiftleri (d=0) sıfırıncı uzaklık sınıfını oluşturur: yani aynı istasyonun k gün arayla ölçümleri.
- Sınıflar (b_{c-1},b_c], b_c=c\,w; genişlik w=\text{kesim}/\text{sınıf sayısı}; kesimin ötesindeki çiftler dışarıda kalır. Varsayılan kesim, kapsam köşegeninin üçte biridir (gstat varsayılanı).
- \bar h_{c,k}: sınıftaki ortalama uzaklık (çift sayısıyla ağırlıklı); tablodaki
ort_uzaklik.uzaklik_sinifisınıfın orta noktasıdır (sıfır sınıf için 0).
Neden k\ge1 için sıralı çiftler ve ayrı sıfır sınıfı
Zaman ekseninde \{Z(\mathbf s_i,t)-Z(\mathbf s_j,t+k)\} simetrik değildir (i\neq j için (i,j) ile (j,i) farklı çiftlerdir) ve ikisi de sayılır; böylece her iki gözlem yönü de değişintiye katkıda bulunur. i=j çiftleri saf zamansal yarı değişintidir ve uzamsal sınıflara karıştırılmaz.
Koddaki tercih
Şablon \sum(Z_i-Z_j)^2 toplamını, kare açılımını kullanan matris çarpımıyla hesaplar: S_2=(A^{\circ2})M_B^\top+M_A(B^{\circ2})^\top-2AB^\top (satır 287); A ve B sıfırla doldurulmuş değerlerin zaman kaymış dilimleri, M mevcut gözlem göstergeleridir. Bu, her istasyon çifti için döngüden çok hızlıdır ve gstat'ın variogramST çıktısıyla birebir aynıdır. Bölüm 193.6'daki bağımsız hesap bu özdeşliği kullanmaz: her çift için farkı doğrudan alır.
Tablodaki satırlar yalnız cift > 0 olan sınıflardır (309). 6'dan az dolu sınıf varsa şablon durur (306).
193.4.3 Anizotropi κ
Uzay-zaman anizotropisi \kappa, bir zaman adımına karşılık gelen uzaklıktır (km / adım). stani = 0 ise doğrusal sezgiyle kestirilir (gstat::estiStAni, 312–317): zaman gecikmesi 0 satırlarında \hat\gamma_0(h)=a+bh doğrusu uydurulur ve sıfır uzaklık sınıfının gecikmeye bağlı değerlerini (u=1,\dots) bu doğruyla eşleyen \kappa aranır:
- \hat\gamma(0,k): sıfır uzaklık sınıfında gecikme k için yarı değişinti; m gecikme sayısı.
- (a_1,a_2):
stani_altvestani_ust(varsayılankesim/6ve2·kesim/3); arama Brent yöntemiyle (optimise) yapılır.
Sonuç aralığın alt ya da üst ucunun %1'i içindeyse şablon "κ kestirim aralığının ucunda" uyarısı yazar (320–321); kestirim yine de kullanılır. Kestirim başarısız olursa (\kappa sonlu değil ya da ≤ 0) kesim / en büyük gecikme alınır ve konsola not düşülür (318). Elle verilen \kappa (stani > 0) doğrudan kullanılır.
193.4.4 Uzay-zaman variogram aileleri
Bileşen variogramları (uzamsal \gamma_s, zamansal \gamma_t, ortak \gamma_j) Üstel, Küresel, Gauss ya da Matérn olabilir; her bileşen bir külçe ve bir kısmi eşik içerir. Aileler (gstat tanımları; h uzaklık, u zaman gecikmesi):
Ailenin adı (model) |
\gamma(h,u) | Parametre sayısı |
|---|---|---|
ayrılabilir (separable) |
\mathrm{sill}\,\{\gamma_s(h)+\gamma_t(u)-\gamma_s(h)\gamma_t(u)\}; \gamma_s,\gamma_t birim eşikli | 5 (menzil_s, külçe_s, menzil_t, külçe_t, eşik) |
ürün-toplam (productSum) |
(k\,s_t+1)\gamma_s(h)+(k\,s_s+1)\gamma_t(u)-k\,\gamma_s(h)\gamma_t(u); s_s,s_t bileşen eşikleri | 7 |
metrik (metric) |
\gamma_j\bigl(\sqrt{h^2+(\kappa_m u)^2}\bigr) | 4 (eşik, menzil, külçe, \kappa_m) |
toplam-metrik (sumMetric) |
\gamma_s(h)+\gamma_t(u)+\gamma_j\bigl(\sqrt{h^2+(\kappa_m u)^2}\bigr) | 10 |
basit toplam-metrik (simpleSumMetric) |
\gamma_s(h)+\gamma_t(u)+\gamma_j(\cdot)+ tek ortak külçe | 8 |
Şablon başlangıç değerlerini ve sınırları kesim (c), en büyük gecikme (m_t) ve deneysel eşik (\sigma=\max\hat\gamma) cinsinden kurar (327–337): örneğin ayrılabilir modelde başlangıç menzilleri c/2 ve m_t/2, külçe oranları 0,1, eşik \sigma; sınırlar menzil_s\in(c/100,\,10c), külçe oranı (0{,}1), menzil_t\in(m_t/100,\,4m_t), eşik (\sigma/10,\,3\sigma).
Uydurma. fit.StVariogram L-BFGS-B ile (Byrd ve ark., 1995; parscale = max(|başlangıç|, 10⁻³), en çok 10 000 yineleme) şu ağırlıklı ortalama kare hatayı en küçükler (345–346):
- j: N_j>0 olan (sınıf, gecikme) hücreleri; h_j sınıf ortalama uzaklığı; u_j gecikme.
- w_j:
fit_yontemi'ne göre ağırlık: 6 → 1 (paket varsayılanı); 7 → N_j/(h_j^2+\kappa^2u_j^2) (vinyetin ağırlığı; yakın uzaklık ve kısa gecikmeye daha çok ağırlık); 1 ve 3 → N_j; 2 ve 4 → N_j/\hat\gamma_j^2; 8 → N_j/h_j^2; 9 → N_j/u_j^2; 10 → 1/\hat\gamma_j^2; 11 → 1/(h_j^2+\kappa^2u_j^2). Yöntem 5 (REML) pakette uygulanmamıştır (bulgu B11). - \boldsymbol\theta: aileye göre 4–10 parametre.
model = hepsi seçilirse beş aile uydurulur ve wMSE'si en küçük olan seçilir (357); parametre sayıları farklı olduğundan bu ölçüt cezasızdır (bulgu B8). RMSE_variogram sütunu ağırlıksız karekök ortalama kare hatadır (350); yakinsama optim çıkış kodudur (0: başarılı).
193.4.5 Yerel uzay-zaman kriging
Seçilen modelden kovaryans, ayrılabilir ailede C(h,u)=\mathrm{sill}\,(1-\gamma_s(h))(1-\gamma_t(u))'dur (birim eşikli bileşenler; ortak nokta için C(0{,}0)=\mathrm{sill}). Her kestirim noktası (\mathbf s_0,t_0) için krigeST (nmax, stAni = κ):
- Ölçeklenmiş uzaklıkta \sqrt{(X-X_0)^2+(Y-Y_0)^2+\{\kappa\,(t-t_0)\}^2} (t gün biriminde) en yakın 2\,n_{\max} gözlem aday olur (
bufferNmax = 2). - Adaylardan kestirim noktasıyla kovaryansı en büyük n_{\max} tanesi seçilir.
- Seçilen n gözlem için genelleştirilmiş en küçük kareler ortalaması \hat\beta=(\mathbf 1^\top V^{-1}\mathbf 1)^{-1}\mathbf 1^\top V^{-1}\mathbf z ve kestirim
kurulur. Trend seçilmişse \mathbf 1 yerine (1,X,Y) kullanılır. Kriging varyansı hesaplanmaz (computeVar = FALSE, 380).
Neden iki adımlı komşuluk
Yalnız ölçeklenmiş uzaklıkla seçilen komşular, kovaryansı küçük ama uzaklıkça yakın gözlemleri içerebilir; kovaryansa göre yeniden sıralama, model yapısının gerçekten önemli saydığı gözlemleri seçer. Seçim \kappa ile ölçeklenir; metrik ailelerde modelin kendi anizotropisinden farklı olabilir (bulgu B10).
193.4.6 Çapraz doğrulama ve yalnız uzamsal karşılaştırma
cv_n gözlem veri satırlarından rastgele seçilir (sample; satır 388; n_{cv}=\min(cv\_n,\text{gözlem})). Her gözlem için o gözlem veriden çıkarılır, aynı istasyonda aynı zaman için kestirim yapılır (zaman son adımsa komşu bir adım sorguya eklenir, 391) ve
hesaplanır. Karşılaştırma yöntemi, aynı gözlemin kendi gününün öteki istasyonlarıyla yalnız uzamsal sıradan kriging'dir: sıfırıncı gecikmenin deneysel variogramına fit.variogram ile (başlangıç \mathrm{vgm}(0{,}8\sigma;\ \text{uzamsal model};\ \text{kesim}/3;\ 0{,}2\sigma); gstat varsayılanı ağırlık N_j/h_j^2) tek bir uzamsal variogram uydurulur; aynı günden en az 3 gözlem varsa en yakın n_{\max} gözlemle kriging yapılır (387–399). Her iki yöntemde de variogram parametreleri bütün veriden bir kez kestirilmiştir; çapraz doğrulama yalnız gözlemi dışarıda bırakır, parametreleri yeniden kestirmez (bulgu B6).
193.4.7 Kestirim haritası
harita_sayisi adet zaman adımı, 1 ile T_n arasında eşit aralıklı noktaların yuvarlanmasıyla seçilir (436–437); kapsama alanı istasyon koordinatlarının sınırlayıcı dikdörtgenidir (g\times g düzenli ızgara, 433–435); kestirim bütün veriyle ve yukarıdaki yerel krigingle yapılır (438–439). Panellerin renk aralığı ortaktır (443). Artılar o zaman adımında gözlem yapılan istasyonlardır (449). Tablo, her harita için ızgara değerlerinin en küçüğünü, ortalamasını ve en büyüğünü verir (453–454).
193.5 Kod adım adım
| Satırlar | Ne yapar | Neden / dikkat |
|---|---|---|
| 202–208 | .m iki dilli ileti yardımcısı; veri ve paket denetimi; paketler yüklenir. |
gstat, sp, spacetime, zoo gereklidir. |
| 210–219 | Sütunları alır, bir veri çerçevesine toplar; sayısal değişken; eksik satırları çıkarır; en az 20 gözlem. | Eksik satır sayısı konsola yazılır (217). |
| 220–246 | Zamanı as.POSIXct ile çözer (sayısal ise olduğu gibi); en küçük adımı bulur; düzenlilik; adım etiketi. |
Yazım biçimi her satır için ayrı seçilir (225–232); yalnız tarih içeren satırlar gece yarısı sayılır ve not düşülür (234–235). Kategorik türde ama etiketleri sayı olan sütun sayısal adım olur (222). |
| 247–274 | Coğrafi ya da projeksiyonlu koordinat; istasyon tablosu; km çevrimi; kimlik ve yineleme denetimleri; trend artığı; Z matrisi; özet satırı. | Köşegen 10 000'i aşarsa 1000'e bölünür (265). |
| 276–309 | Deneysel variogram: matris özdeşliğiyle S_2 ve N; sınıflara ayırma; StVariogram nesnesi ve tablo. |
Sıfır sınıfı yalnız k>0'da (289–291). |
| 311–323 | \kappa: elle ya da estiStAni; ortak ölçek ve Matérn \kappa. |
κ aralığın uçlarının %1'i içindeyse uyarı notu yazılır (320–321). |
| 324–337 | Aile tanımları, başlangıç değerleri ve sınırlar. | vg() Matérn κ'sını bütün bileşenlere iletir (326). |
| 338–359 | Aile(ler)i fit.StVariogram ile uydurur, tabloyu kurar, en iyi modeli seçer; sınıra yapışma ya da başarısız aileler yalnız notla. |
wMSE optim değeridir (352). |
| 360–369 | Model parametre tablosu; zamansal birim days. |
temporal unit krigeST için gereklidir (369). |
| 371–380 | STSDF nesnesi (zaman 2000-01-01'den günlük); kriging çağrısı kst. |
Zaman gün adımı gibi kodlanır; adım uzunluğu κ ve gecikmede adım sayısıdır. |
| 382–414 | Çapraz doğrulama: sample, birini dışarıda bırakma, yalnız uzamsal kriging, tablo ve şekil. |
Tohum burada devreye girer (388). |
| 416–428 | Variogram şekli: deneysel noktalar ve model çizgileri. | variogramSurface ile. |
| 430–456 | Haritalar ve özet tablo. | Bütün veriyle kriging (439). |
193.6 Elle hesap: örnek veride bağımsız yeniden hesap
Ara değerler dogrulama/uzay_zaman_kriging/elle_hesap.py ve elle_krige.py ile (numpy, scipy; gstat ve şablon kodu kullanılmadan) ve r_dogrulama.R ile (yalnız temel R) hesaplanmıştır. Deneysel variogram her istasyon çiftinin farkından doğrudan toplanmıştır (şablonun matris özdeşliği kullanılmaz). Aşağıdaki adımlar örnek ayarı izler.
Adım 1 — Zaman ekseni ve koordinatlar. 365 gün, adım 1 gün, T_n=365; istasyonlar 69; koordinatlar 1000'e bölünür; kapsam köşegeni 992{,}480 km, kesim 330{,}827 km, sınıf genişliği w=22{,}055 km.
Adım 2 — Deneysel variogram. Gecikme 0'da 15 dolu sınıf ve toplam 384 626 çift vardır; birinci sınıf (0;22{,}06] km'de N=1307 çift, \bar h=18{,}838 km, \hat\gamma=17{,}0768. Gecikme 1'de 16 sınıf (sıfır sınıfı dahil) ve toplam 789 590 çift vardır; sıfır sınıfında N=22\,595, \hat\gamma=37{,}8172 (aynı istasyonun art arda iki gününün farkı). Gecikme 6'da sıfır sınıfı \hat\gamma=111{,}1896 (N=22\,284); \sigma=\max\hat\gamma=131{,}1917. Bütün 111 dolu sınıfta çift sayısı, ortalama uzaklık ve yarı varyans üç hesapta 10^{-9} içinde aynıdır.
Adım 3 — κ. Gecikme 0'ın 15 sınıfına \hat\gamma=a+bh uydurulur: a=20{,}0338, b=0{,}152921 (\hat\gamma km başına yaklaşık 0{,}153 artar). Sıfır sınıfının 6 gecikme değeri (37{,}817;\ 66{,}864;\ 87{,}133;\ 101{,}846;\ 109{,}176;\ 111{,}190) doğruyla eşlenir; \kappa\in(55{,}138;\ 220{,}551) aralığında kök-ortalama-kare 10,562 ile en küçüktür: \hat\kappa=117{,}3222 km/gün (Brent; paketin optimise çağrısıyla R sütunu 117{,}322187, Python sütunu 117{,}322187).
Adım 4 — Ağırlıklı en küçük kareler. w_j=N_j/(h_j^2+\kappa^2u_j^2) ağırlığıyla ayrılabilir model en küçüklenir (başlangıç: menzil_s=165{,}4, külçe_s=0{,}1, menzil_t=3, külçe_t=0{,}1, eşik 131{,}19). Çözüm: uzamsal Üstel menzil 558{,}1265 km (külçe oranı 0{,}141762), zamansal Küresel menzil 5{,}581306 gün (külçe 0), eşik 123{,}9404; \mathrm{wMSE}=6{,}817119. Python L-BFGS-B (558{,}1247; 0{,}141764; 5{,}581240; 123{,}9396; 6{,}817119) ve R optim (558{,}126487; 0{,}141762; 5{,}581306; 123{,}940447; 6{,}817119) aynı en küçüğü bulur.
Adım 5 — Kovaryans. C(h,u)=\mathrm{sill}\,(1-\gamma_s(h))(1-\gamma_t(u)): C(100;0)=88{,}9217, C(100;2)=43{,}1713, C(0;1)=90{,}9874, C(300;6)=0 (zamansal menzil 5,58 günü aşıyor). Karşılık gelen \gamma: 35{,}0187; 80{,}7691; 32{,}9531; 123{,}9404.
Adım 6 — Tek bir kestirim (tohum 1'in ilk çapraz doğrulama gözlemi). veri çerçevesinin 878. satırı: istasyon DEBB053, 2005-01-14, gözlenen z=14{,}0 µg/m³. Gözlem dışarıda bırakılır. Ölçeklenmiş uzaklıkta en yakın 100 aday; bunların zaman farkı dağılımı: 25 aynı gün, 50 bir gün uzaklıkta, 25 iki gün uzaklıkta. Kovaryansa göre ilk 50: 25 aynı gün, 23 bir gün uzaklık, 2 iki gün uzaklık. GLS ortalaması \hat\beta=17{,}1925; kestirim \hat z=15{,}4453; hata e=+1{,}4453. Kriging ağırlıklarının toplamı 1 (en küçük ağırlık -0{,}137, en büyük 0{,}502).
Adım 7 — Çapraz doğrulama ölçütleri. 30 gözlem için: RMSE 5{,}187597, ME -0{,}426586, MAE 3{,}255408, r=0{,}916442. Yalnız uzamsal: RMSE 8{,}189, ME 0{,}167, MAE 5{,}637, r=0{,}756.
Adım 8 — Harita. 15 × 15 ızgara, gün 1 ve gün 365: en küçük, ortalama, en büyük (2{,}8805;\ 16{,}1053;\ 34{,}0093) ve (2{,}2238;\ 16{,}0471;\ 29{,}6173).
193.6.1 Doğrulama: MerQuR+, Python ve R
MerQuR+ sütunu şablonun "Deneysel uzay-zaman variogramı", "Uydurulan modeller", "Seçilen model", "Çapraz doğrulama" ve "Kestirim haritası özeti" tablolarından tam hassasiyetle alınmıştır; \kappa konsol metninden (6 anlamlı basamak). Python ve R sütunları gstat, spacetime ve şablon kodu kullanmaz; kriging adımı Python'da MerQuR+'ın uydurduğu parametrelerle, R'de kendi uydurmasıyla yürütülmüştür. Ölçütler her blokta yazılıdır: deneysel variogram 10^{-9}, aynı hedefi en küçükleyen ayrı eniyileyiciler 10^{-4} (parametre) ve 10^{-6} (wMSE), kriging 10^{-5}, yalnız uzamsal karşılaştırma 10^{-4}.
Deneysel uzay-zaman variogramı (gecikme 0–6, 15 uzaklık sınıfı; 111 dolu sınıf)
| Büyüklük | MerQuR+ | Python (bağımsız) | R (bağımsız) | En büyük fark | Ölçüt | |
|---|---|---|---|---|---|---|
| gecikme 0: toplam çift sayısı | 3,846260·105 | 3,846260·105 | 3,846260·105 | 0 | 1,0e−9 | ✓ |
| gecikme 0: çift ağırlıklı ortalama yarı varyans | 51,58475755 | 51,58475755 | 51,58475755 | 4,1e−16 | 1,0e−9 | ✓ |
| gecikme 1: toplam çift sayısı | 7,895900·105 | 7,895900·105 | 7,895900·105 | 0 | 1,0e−9 | ✓ |
| gecikme 1: çift ağırlıklı ortalama yarı varyans | 66,02926035 | 66,02926035 | 66,02926035 | 4,3e−16 | 1,0e−9 | ✓ |
| gecikme 2: toplam çift sayısı | 7,873800·105 | 7,873800·105 | 7,873800·105 | 0 | 1,0e−9 | ✓ |
| gecikme 2: çift ağırlıklı ortalama yarı varyans | 86,61328173 | 86,61328173 | 86,61328173 | 0 | 1,0e−9 | ✓ |
| gecikme 3: toplam çift sayısı | 7,855390·105 | 7,855390·105 | 7,855390·105 | 0 | 1,0e−9 | ✓ |
| gecikme 3: çift ağırlıklı ortalama yarı varyans | 103,94565422 | 103,94565422 | 103,94565422 | 4,1e−16 | 1,0e−9 | ✓ |
| gecikme 4: toplam çift sayısı | 7,829020·105 | 7,829020·105 | 7,829020·105 | 0 | 1,0e−9 | ✓ |
| gecikme 4: çift ağırlıklı ortalama yarı varyans | 116,41742856 | 116,41742856 | 116,41742856 | 1,2e−16 | 1,0e−9 | ✓ |
| gecikme 5: toplam çift sayısı | 7,807380·105 | 7,807380·105 | 7,807380·105 | 0 | 1,0e−9 | ✓ |
| gecikme 5: çift ağırlıklı ortalama yarı varyans | 122,71329662 | 122,71329662 | 122,71329662 | 5,8e−16 | 1,0e−9 | ✓ |
| gecikme 6: toplam çift sayısı | 7,788540·105 | 7,788540·105 | 7,788540·105 | 0 | 1,0e−9 | ✓ |
| gecikme 6: çift ağırlıklı ortalama yarı varyans | 125,48557186 | 125,48557186 | 125,48557186 | 9,1e−16 | 1,0e−9 | ✓ |
Ölçütü karşılayan: 14/14. 111 sınıfın hepsinde çift sayısı, ortalama uzaklık ve yarı varyans için en büyük göreli fark 4,9e−15.
Anizotropi κ ve ayrılabilir model
| Büyüklük | MerQuR+ | Python (bağımsız) | R (bağımsız) | En büyük fark | Ölçüt | |
|---|---|---|---|---|---|---|
| κ (km / gün; konsolda 6 anlamlı basamak) | 117,322 | 117,32218675 | 117,32218675 | 1,6e−6 | 1,0e−5 | ✓ |
| uzamsal aralık (km) | 558,12648737 | 558,12465435 | 558,12648737 | 3,3e−6 | 1,0e−4 | ✓ |
| uzamsal külçe oranı | 0,14176196 | 0,14176406 | 0,14176196 | 2,1e−6 | 1,0e−4 | ✓ |
| zamansal aralık (gün) | 5,58130644 | 5,58123986 | 5,58130644 | 1,2e−5 | 1,0e−4 | ✓ |
| zamansal külçe oranı | 0 | 0 | 0 | 0 | 1,0e−4 | ✓ |
| eşik | 123,94044701 | 123,93960593 | 123,94044701 | 6,8e−6 | 1,0e−4 | ✓ |
| wMSE (fit.method = 7) | 6,81711889 | 6,81711889 | 6,81711889 | 1,8e−10 | 1,0e−6 | ✓ |
Ölçütü karşılayan: 7/7. Python sütunu scipy L-BFGS-B, R sütunu optim(method = "L-BFGS-B") ile aynı hedef işlevi (ağırlık N_j/(h^2+\kappa^2u^2)) en küçüklemiştir; MerQuR+ ile R aynı algoritma ve sayısal türev adımını kullandığından neredeyse birebir, Python farklı türev adımıyla 10^{-5} düzeyinde ayrışır.
Birini dışarıda bırakma çapraz doğrulaması (30 gözlem, tohum 1)
| Büyüklük | MerQuR+ | Python (bağımsız) | R (bağımsız) | En büyük fark | Ölçüt | |
|---|---|---|---|---|---|---|
| uzay-zaman kriging: RMSE | 5,18759704 | 5,18759704 | 5,18759704 | 3,1e−14 | 1,0e−5 | ✓ |
| uzay-zaman kriging: ortalama hata | −0,42658595 | −0,42658595 | −0,42658595 | 1,6e−13 | 1,0e−5 | ✓ |
| uzay-zaman kriging: MAE | 3,25540818 | 3,25540818 | 3,25540818 | 1,1e−13 | 1,0e−5 | ✓ |
| uzay-zaman kriging: korelasyon | 0,91644231 | 0,91644231 | 0,91644231 | 3,0e−15 | 1,0e−5 | ✓ |
| uzay-zaman kriging: n | 30 | 30 | 30 | 0 | 1,0e−9 | ✓ |
| yalnız uzamsal kriging: RMSE | 8,18930883 | 8,18929401 | 8,18929211 | 2,0e−6 | 1,0e−4 | ✓ |
| yalnız uzamsal kriging: ortalama hata | 0,16697004 | 0,16696502 | 0,16696437 | 5,7e−6 | 1,0e−4 | ✓ |
| yalnız uzamsal kriging: MAE | 5,63685227 | 5,63684168 | 5,63684032 | 2,1e−6 | 1,0e−4 | ✓ |
| yalnız uzamsal kriging: korelasyon | 0,75580353 | 0,75580454 | 0,75580467 | 1,1e−6 | 1,0e−4 | ✓ |
Ölçütü karşılayan: 9/9. Seçilen 30 gözlem R'nin set.seed(1); sample(23230, 30) çağrısından gelir; Python sütunu aynı indeksleri kullanır. Uzay-zaman satırlarında kriging yerel komşuluk (2·nmax aday, kovaryansa göre ilk nmax) ve GLS ortalamayla kurulmuştur. Yalnız uzamsal satırlarda değişken parametreleri bağımsız WLS (N_j/h^2) uydurmasından geldiğinden ölçüt 10^{-4}'tür.
Kestirim haritası özeti (15 × 15 ızgara)
| Büyüklük | MerQuR+ | Python (bağımsız) | R (bağımsız) | En büyük fark | Ölçüt | |
|---|---|---|---|---|---|---|
| 2005-01-01: en küçük | 2,88053467 | 2,88053467 | 2,88053467 | 1,0e−12 | 1,0e−5 | ✓ |
| 2005-01-01: ortalama | 16,10533352 | 16,10533352 | 16,10533352 | 6,4e−15 | 1,0e−5 | ✓ |
| 2005-01-01: en büyük | 34,00934236 | 34,00934236 | 34,00934236 | 2,5e−13 | 1,0e−5 | ✓ |
| 2005-12-31: en küçük | 2,22381372 | 2,22381372 | 2,22381372 | 1,2e−12 | 1,0e−5 | ✓ |
| 2005-12-31: ortalama | 16,04708261 | 16,04708261 | 16,04708261 | 1,9e−14 | 1,0e−5 | ✓ |
| 2005-12-31: en büyük | 29,61726974 | 29,61726974 | 29,61726974 | 3,7e−13 | 1,0e−5 | ✓ |
Ölçütü karşılayan: 6/6.
Yayımlanmış değerlerle (Gräler ve ark., 2016, Tablo 2)
| Büyüklük | MerQuR+ | Yayımlanmış (yuvarlanmış) | — | En büyük fark | Ölçüt | |
|---|---|---|---|---|---|---|
| ayrılabilir (Üstel + Küresel), wMSE | 6,81711889 | 6,82 | — | 4,2e−4 | 6,0e−3 | ✓ |
| metrik (ortak Üstel), wMSE | 10,25487899 | 10,25 | — | 4,8e−4 | 6,0e−3 | ✓ |
| metrik (ortak Küresel), wMSE | 10,58706601 | 10,59 | — | 2,8e−4 | 6,0e−3 | ✓ |
| toplam-metrik (Küresel + Üstel / Küresel), wMSE | 3,30567873 | 3,31 | — | 1,3e−3 | 6,0e−3 | ✓ |
| basit toplam-metrik (Küresel + Üstel / Küresel), wMSE | 3,3056788 | 3,31 | — | 1,3e−3 | 6,0e−3 | ✓ |
| κ (km / gün) | 117,322 | 117,3 | — | 1,9e−4 | 6,0e−3 | ✓ |
| ayrılabilir: uzamsal Üstel aralık (km) | 558,12648737 | 558 | — | 2,3e−4 | 6,0e−3 | ✓ |
| ayrılabilir: uzamsal külçe | 0,14176196 | 0,14 | — | 1,8e−3 | 6,0e−3 | ✓ |
| ayrılabilir: zamansal Küresel aralık (gün) | 5,58130644 | 5,6 | — | 3,3e−3 | 6,0e−3 | ✓ |
| ayrılabilir: eşik | 123,94044701 | 124 | — | 4,8e−4 | 6,0e−3 | ✓ |
Ölçütü karşılayan: 10/10. Yayımlanmış sütun makalenin yuvarlanmış değerleridir; ölçüt göreli 6\times10^{-3}'tür (ikinci anlamlı basamağın yuvarlama payı).
Toplam ölçütü karşılayan: 46/46.
Beş yayımlanmış tablo değerinin (Gräler ve ark., 2016, Tablo 2) hepsi yuvarlama payı içinde yeniden üretilmiştir: ayrılabilir 6,82; metrik 10,25 ve 10,59; toplam-metrik ve basit toplam-metrik 3,31. Çalıştırmalar q3_uz_metric_exp, q3_uz_metric_sph, q3_uz_sum_metric ve q3_uz_basit_sum_metric ile yapılmıştır (\mathrm{wMSE}=10{,}25488; 10{,}58707; 3{,}305679; 3{,}305679).
193.7 Çıktıyı okuma
Örnek ayarın konsol metni:
Uzay-zaman verisi: 69 istasyon, 365 zaman adımı (adım = 1 gün), 23230 gözlem (doluluk %92,2); uzaklık birimi km
Uzay-zaman anizotropisi κ = 117,322 km / adım (kestirildi (estiStAni, aralık 55,14–220,6))
Tablolar (kısaltılmış; sayılar olduğu gibi):
Deneysel uzay-zaman variogramı (kesim 330,8 km, 15 sınıf, gecikme 0–6)
zaman_gecikmesi uzaklik_sinifi cift ort_uzaklik yari_varyans
0 11.02755 1307 18.83805 17.07683
0 33.08266 7867 34.57881 22.99535
0 55.13777 12418 56.10778 31.18017
...
6 319.7991 64088 320.2636 129.0715 (111 satır)
Uydurulan uzay-zaman variogram modelleri (fit.method = 7; wMSE = ağırlıklı ortalama kare hata)
model wMSE RMSE_variogram parametre_sayisi yakinsama
ayrılabilir 6.817119 5.746693 5 0
Seçilen model: ayrılabilir (aralık birimleri: uzamsal km, zamansal adım; stAni km/adım)
bilesen model kismi_esik aralik kappa
uzamsal Nug 0.141762 0 NaN
uzamsal Exp 0.858238 558.1265 NaN
zamansal Nug 0 0 NaN
zamansal Sph 1 5.581306 NaN
sill 123.9404 NaN NaN
Birini dışarıda bırakma çapraz doğrulaması (30 rastgele gözlem; nmax = 50)
yontem RMSE ortalama_hata MAE korelasyon n
uzay-zaman kriging (ayrılabilir) 5.187597 -0.426586 3.255408 0.9164423 30
yalnız uzamsal kriging (aynı zaman adımı) 8.189309 0.16697 5.636852 0.7558035 30
Kestirim haritası özeti (15 × 15 ızgara)
zaman en_kucuk ortalama en_buyuk
2005-01-01 2.880535 16.10533 34.00934
2005-12-31 2.223814 16.04708 29.61727
| Öğe | Ne yazar | Nasıl yorumlanır |
|---|---|---|
| Konsol özeti | İstasyon, zaman adımı ve gözlem sayısı; doluluk; \kappa | Doluluk %50'nin çok altındaysa kestirim zayıftır. \kappa aralık ucundaysa "κ kestirim aralığının ucunda" uyarısı çıkar ve κ güvenilmezdir. |
| Deneysel variogram | Her (gecikme, uzaklık sınıfı) için çift sayısı, ortalama uzaklık, yarı varyans | Gecikme arttıkça eğriler yükselir ve düzleşir: zamansal bağımlılık azalıyor. Aynı gecikmede uzaklıkla artış uzamsal bağımlılığı gösterir. Çift sayısı küçük sınıflara güvenilmez. |
| Uydurulan modeller | wMSE (uyum), ağırlıksız RMSE, parametre sayısı, yakinsama |
wMSE yalnız aynı ağırlıklandırma ve aynı veri için karşılaştırılır. yakinsama ≠ 0 ise parametreler sınırda olabilir. |
| Seçilen model | Bileşen parametreleri | Nug külçe (ölçüm hatası ve mikro ölçek), Exp/Sph kısmi eşik ve menzil; sill toplam eşik. Örnekte uzamsal menzil 558 km, zamansal menzil 5,6 gün: 5–6 günü aşan zaman uzaklığında gözlemler ilişkisiz sayılır (C(300;6)=0). |
| Çapraz doğrulama | RMSE, ortalama hata, MAE, r iki yöntemde | RMSE ne kadar küçükse o kadar iyi. ME sıfıra yakınsa yanlılık yoktur. Örnekte uzay-zaman kestirimi RMSE'yi 8{,}19'dan 5{,}19'a (%37) indirir ve r'yi 0{,}76'dan 0{,}92'ye çıkarır. |
| Harita özeti | Panel başına en küçük, ortalama, en büyük kestirim | Gözlem aralığı (0–177) ile karşılaştırılır; aşırı değerler (negatif ya da çok büyük) trendin ya da model yanlışlığının işaretidir. |
Şekil 193.1. Çapraz doğrulamada gözlenen ve kestirilen değerler (dolu daire: uzay-zaman; açık daire: yalnız uzamsal).

Şekil 193.2. Zaman gecikmelerine göre deneysel (nokta) ve uydurulan ayrılabilir uzay-zaman variogramı (çizgi).

Şekil 193.3. İki zaman adımı için kestirim haritaları (artılar o gün gözlem yapılan istasyonlar; renk aralığı ortak).

Şekil 193.2'de model gecikme 0'da deneysel noktalarla uyumludur. Gecikme 1–4'te modelin sıfıra yakın uzaklıktaki sıçraması (külçe) deneysel sıçramadan büyüktür ve model kısa uzaklıklarda deneysel noktaların üzerinde kalır (ör. gecikme 1'de uzaklık 0^+ için model 46, deneysel nokta 41,5 ve aynı istasyon sınıfı 37,8); ayrılabilir yapı külçe oranını bütün gecikmelerde sabit tutar. Metrik ve toplam-metrik aileler bu esnekliği bileşenler arasında dağıtır (örnekte wMSE 6,82'den 3,31'e iner; 193.4.4).
Aile karşılaştırması. Aynı veride (fit_yontemi = 7) wMSE (daha küçük daha iyi uyum): ayrılabilir (Üstel + Küresel) 6,817; ürün-toplam 6,392; metrik (ortak Üstel) 10,255; metrik (ortak Küresel) 10,587; toplam-metrik (Küresel + Üstel / Küresel) 3,306; basit toplam-metrik 3,306. model = hepsi (varsayılan bileşenlerle: Üstel, Küresel, Küresel) beş ailenin wMSE'sini 6{,}817; 6{,}392; 10{,}587; 3{,}740; 3{,}719 bulur ve basit toplam-metriği seçer.
Almanya'da 2005 yılı günlük PM10 (69 kırsal arka plan istasyonu, 23 230 gözlem) için ayrılabilir uzay-zaman variogramı (uzamsal Üstel, zamansal Küresel) uydurulmuş (\mathrm{wMSE}=6{,}82; fit.method = 7); uzamsal menzil 558 km, zamansal menzil 5,6 gün, eşik 123,9, anizotropi 117,3 km/gün'dür. 30 gözlemle birini dışarıda bırakma doğrulamasında uzay-zaman krigingin RMSE'si 5,19 µg/m³ (r=0{,}92), aynı gün yalnız uzamsal krigingin RMSE'si 8,19 µg/m³ (r=0{,}76) bulunmuştur.
193.8 Sık hatalar ve tuzaklar
- Saatlik veride gece yarısı satırlarının yalnız tarih olarak yazılması. Tablo programından aktarılan saatlik veride 00:00 damgası çoğu kez "2005-03-01" olarak gelir. Şablon her satırın yazım biçimini ayrı seçer; yalnız tarih içeren satırlar gece yarısı sayılır ve bir not yazılır. Bu satırlar gerçekten başka bir saatse (ör. 12:00) damga tam yazılmalıdır.
- Sayısal zaman adımının kategorik algılanması. 1, 2, … gibi adım numarası kategorik türde gelse de etiketlerin hepsi sayıysa sayısal adım olarak okunur; sayı olmayan etiket varsa tarih olarak çözülmeye çalışılır.
- Derece koordinatını projeksiyonlu seçmek. Çalışır ama uzaklıklar derece olarak hesaplanır; κ, menzil ve sonuçlar değişir (aynı veride κ = 1,44 derece/gün; RMSE 5,06 ve 5,30). Şablon bu durumda uyarı yazar; boylam–enlem veride
koordinat_turu = cografiseçilmelidir. - Metre koordinatla çalışıp
kesimi metre yazmak.km_ceviraçıkken koordinatlar kilometreye çevrilir vekesimkilometre cinsindendir; "çalışma birimiyle" ifadesi bunu kapsar. 100 000 yazılan bir kesim 100 000 km demektir ve "yeterli çift yok" hatasına yol açabilir. - κ'nın aralık ucuna yapışması. Bağımlılık zayıfsa ya da gecikme büyükse κ aralığın alt ya da üst ucunda çıkar ve şablon uyarı yazar; kesin yorum yerine
stani_alt/stani_ustgenişletilir ya da κ elle verilir. - Çok az çapraz doğrulama gözlemine güvenmek. Varsayılan 50 gözlemde bile sıralama tohumla değişebilir: küçük örnek veride 10 gözlemle tohum 1'de uzay-zaman 5,33 ve yalnız uzamsal 9,08; tohum 2'de 5,78 ve 5,79. Bütün 1403 gözlemde 7,08 ve 8,11 (B5). En az 200–300 gözlem ya da farklı tohumlarla yineleme önerilir.
- Çapraz doğrulamayı yeni bir istasyon için hata sanmak. Yalnız gözlem dışarıda bırakılır; aynı istasyonun öteki günleri ve bütün veriden uydurulmuş variogram kullanılır (B6). Yeni istasyon doğruluğu için istasyonu bütün günleriyle dışarıda bırakan bir doğrulama gerekir.
model = hepsiseçerken wMSE'ye tek ölçüt olarak güvenmek. Parametre sayısı farklı ailelerde ceza yoktur; iç içe modellerde eniyileyici yerel en küçüğe takılabilir (B8).fit_yontemi = 5. gstat REML ağırlıklandırmasını uygulamamıştır; şablon bu değerde "REML gstat paketinde uygulanmamıştır" iletisiyle durur. Yöntem 3 ve 4, 1 ve 2 ile aynıdır.- Süre. Tam veriyle (23 230 gözlem) örnek ayar yaklaşık 20 s, toplam-metrik ve basit toplam-metrik 17–58 s,
hepsi270 s,cv_n = 2000(alt kümede 1403 gözlem) 201 s sürer. - Düzensiz zaman adımı. Ölçüm aralığı değişen (ör. günlük ve haftalık karışık) veri durdurur; kayıp günler sorun değildir (kayıp günün tüm istasyonlarda eksik olması da).
- Kestirim haritasını gözlem aralığının ötesinde yorumlamak. Harita istasyon ağının sınırlayıcı dikdörtgenini kaplar; ağın dışındaki köşeler dışdeğer biçimdedir.
193.9 Uzman soruları
S1. Ayrılabilir modelin wMSE'si neden metrik ve toplam-metrik ailelerinkinden çok farklı ve hangisi seçilmeli?
Ayrılabilir model uzaklık ve zaman bağımlılığını çarpar; külçe ve eğri biçimi bütün gecikmelerde aynı kalır. Şekil 193.2'de gecikme 1–4'te modelin kısa uzaklıktaki sıçraması deneysel olandan büyüktür. Toplam-metrik aile üç bileşenle (uzamsal, zamansal, ortak) bu biçimi gecikmeye göre değiştirebilir: 10 parametre, wMSE 3,31 (Küresel + Üstel / Küresel). wMSE parametre sayısına ceza koymaz; ailelerin kriging sonrası çapraz doğrulama RMSE'si de karşılaştırılmalıdır (193.4.4, B8).
S2. \kappa 117 km/gün çıkıyor; bunun anlamı nedir ve neden iki farklı \kappa var (kestirilen ve metrik modelin uydurduğu)?
\kappa, bir günlük zaman farkını eşdeğer uzamsal uzaklığa çevirir. Doğrusal sezgi önceden sıfır gecikmeden kestirir (117,32). Metrik ve toplam-metrik modellerde ayrıca model içinde bir \kappa_m uydurulur (191,65 ve 177,74; 184,68); kriging komşuluk araması yine önceden kestirilen \kappa ile yapılır (B10). İkisinin farklı olması hata değildir ama komşuluk seçimi ile kovaryans iki ayrı ölçekte çalışır.
S3. Çapraz doğrulamayı istasyon düzeyinde yapabilir miyim?
Şablon yalnız tek bir (istasyon, gün) gözlemini çıkarır. İstasyon düzeyi doğrulama için istasyonun bütün günleri veriden çıkarılıp kestirilmelidir; bu, modelin yeni konum doğruluğunu ölçer ve gözlem düzeyinden daha büyük hata verir (B6). Şablonda yoktur.
S4. `fit_yontemi = 6` (varsayılan) ve 7 ne farklılaştırır?
6 eşit ağırlıktır: bütün dolu hücreler aynı etkiye sahiptir; 7 çift sayısını ve uzay-zaman uzaklığını hesaba katar: N_j/(h_j^2+\kappa^2u_j^2) (yakındaki ve çok çiftli hücreler daha çok ağırlık alır). Küçük alt kümede (24 istasyon × 60 gün) ayrılabilir modelin uzamsal menzili yöntem 6'da 496 km, yöntem 1'de (N_j) 501 km, yöntem 11'de 585 km çıkar (q3_uz_k_ornek, q3_uz_k_fit1, q3_uz_k_fit11); yani menzil ağırlığa duyarlıdır ve seçim raporlanmalıdır.
S5. Tohum sonucu nasıl etkiler ve nasıl sabitlenir?
Yalnız çapraz doğrulamada seçilecek gözlemleri etkiler (sample). Kod panelindeki Tohum alanına bir tamsayı yazılırsa aynı gözlemler seçilir; boşsa her çalıştırmaya yeni bir tohum atanır ve künyeye yazılır. Variogram uydurma ve harita deterministiktir (q3_uz_k_tohum2: uydurulan parametreler tohum 1 ile aynı, çapraz doğrulama farklı).
S6. Metre ve kilometre koordinatlarla sonuçlar aynı mı?
Evet, kesim ve menzil birimi dışında: q3_uz_k_km (kilometre) ve q3_uz_k_ornek (metre, km_cevir açık) aynı wMSE'yi (534,9325) ve aynı κ'yı (118,224 km/gün) verir. km_cevir kapalıyken metre koordinatla menzil 496 148,6 (metre) çıkar; κ ve ağırlıklar birimle ölçeklenir ve çapraz doğrulama RMSE'si 5,326353 (km ile 5,326354) olur: birimin sonuca etkisi sayısal hata düzeyindedir ama optimizasyonun kararlılığı için kilometre önerilir.
S7. Gözlem yapılmayan bir günü nasıl doldururum?
Şablon eksik günü doldurmaz; yalnız haritaları ve çapraz doğrulamayı üretir. Eksik bir gün için haritayı o güne denk seçmek harita_sayisi ile dolaylı yapılabilir (eşit aralıklı seçim); belirli bir (istasyon, gün) kestirimi için model parametreleri alınıp krigeST ayrıca çağrılmalıdır.
S8. Trend (`koordinat`) ne zaman gerekir?
Ortalama konumla sistematik değişiyorsa (ör. kuzey–güney eğilimi) trend artıkları üzerinde variogram kurmak eşiği ve menzili küçültür ve kriging evrensel kriging olur. Örnek küçük veride trend uzamsal menzili 496'dan 523 km'ye taşıdı ve wMSE'yi 534,9'dan 543,9'a çıkardı; çapraz doğrulama RMSE'si 5,326'dan 5,301'e indi. Trend modelin ekstrapolasyon uçlarında harita değerlerini aşırı yapabilir (örnekte harita en büyüğü 43,9'dan 49,5'e çıktı).
S9. Yalnız uzamsal karşılaştırma neden "aynı zaman adımı" ile yapılıyor ve adil mi?
Karşılaştırma, kestirilen gözlemin kendi gününün öteki istasyonlarıyla kriging yapar; zamansal komşular kullanılmaz. Yani uzay-zaman yönteminin kazancı "zamansal komşuların ek bilgisi"dir. Variogram bütün veriden bir kez uydurulduğundan her iki yöntem de iyimser kestirim üretir ama aynı biçimde; karşılaştırma adildir ama mutlak hataları iyimserdir (B6).
193.10 Kaynaklar
- Byrd, R. H., Lu, P., Nocedal, J., & Zhu, C. (1995). A limited memory algorithm for bound constrained optimization. SIAM Journal on Scientific Computing, 16(5), 1190–1208. https://doi.org/10.1137/0916069
- Cressie, N. (1985). Fitting variogram models by weighted least squares. Journal of the International Association for Mathematical Geology, 17(5), 563–586. https://doi.org/10.1007/BF01032109
- Cressie, N., & Huang, H.-C. (1999). Classes of nonseparable, spatio-temporal stationary covariance functions. Journal of the American Statistical Association, 94(448), 1330–1339. https://doi.org/10.1080/01621459.1999.10473885
- De Iaco, S., Myers, D. E., & Posa, D. (2001). Space–time analysis using a general product–sum model. Statistics & Probability Letters, 52(1), 21–28. https://doi.org/10.1016/S0167-7152(00)00200-5
- Gneiting, T. (2002). Nonseparable, stationary covariance functions for space–time data. Journal of the American Statistical Association, 97(458), 590–600. https://doi.org/10.1198/016214502760047113
- Gräler, B., Pebesma, E., & Heuvelink, G. (2016). Spatio-temporal interpolation using gstat. The R Journal, 8(1), 204–218. https://doi.org/10.32614/RJ-2016-014
- Pebesma, E. J. (2004). Multivariable geostatistics in S: The gstat package. Computers & Geosciences, 30(7), 683–691. https://doi.org/10.1016/j.cageo.2004.03.012
- Pebesma, E. (2012). spacetime: Spatio-temporal data in R. Journal of Statistical Software, 51(7). https://doi.org/10.18637/jss.v051.i07
- Snepvangers, J. J. J. C., Heuvelink, G. B. M., & Huisman, J. A. (2003). Soil water content interpolation using spatio-temporal kriging with external drift. Geoderma, 112(3–4), 253–271. https://doi.org/10.1016/S0016-7061(02)00310-5