Numerous of studies have confirrmed

Numerous of studies have confirrmed that the kriging algorithm is most successful in the geospatial data prediction (Goovaerts, 1997). Firstly, kriging allows a great flexibility to control the characteristics of the prediction surface by the modification of variogram model. Secondly, it weighs the information locally, and the influence of a support point on the target value is controlled by the spatial correlation. In addition, kriging has the advantage to provide the expected mean square error of prediction in comparison with non-stochastic methods (Stein et al., 2002). In this study, the universal kriging (UK) algorithm is made use of to predict the wet delay. In UK, it is customary to decompose the predicted value into a deterministic component, the so-called trend, which models the large-scale variation, and a stochastic component, modeling the smooth small-scale fluctuations and the irregular part of the variation. The general model of UK is given as follows:

ผลลัพธ์ (ไทย) 1:

ศึกษายังมี confirrmed ที่ว่าขั้นตอนวิธี kriging ประสบความสำเร็จมากที่สุดในการทำนายข้อมูล geospatial (Goovaerts, 1997) ประการแรก kriging ช่วยให้ความยืดหยุ่นที่ดีในการควบคุมลักษณะของพื้นผิวการคาดเดาจากการปรับเปลี่ยนรูปแบบ variogram ประการที่สอง มันน้ำหนักข้อมูลเฉพาะ และอิทธิพลของจุดสนับสนุนค่าเป้าหมายจะถูกควบคุม โดยความสัมพันธ์ของพื้นที่ นอกจากนี้ kriging มีประโยชน์ให้ข้อผิดพลาดที่คาดว่าค่าเฉลี่ยกำลังสองของการคาดการณ์เมื่อเปรียบเทียบกับวิธีการไม่ใช่แบบเฟ้นสุ่ม (สไตน์และ al., 2002) ในการศึกษานี้ ขั้นตอนวิธี kriging สากล (UK) จะใช้ในการทำนายการหน่วงเวลาเปียก ในสหราชอาณาจักร มันเป็นขนบธรรมเนียมในเปื่อยค่าคาดการณ์ส่วนประกอบ deterministic เรียกว่าแนวโน้ม ซึ่งโมเดลการเปลี่ยนแปลงขนาดใหญ่ และส่วนประกอบแบบเฟ้นสุ่ม การสร้างโมเดลความผันผวนระบุเรียบและส่วนผิดปกติของการเปลี่ยนแปลง รูปแบบทั่วราชอาณาจักรจะได้รับเป็นดังนี้:

ผลลัพธ์ (ไทย) 2:

จำนวนมากของการศึกษามี confirrmed​​ ว่าอัลกอริทึม kriging จะประสบความสำเร็จมากที่สุดในการทำนายข้อมูลเชิงพื้นที่ (Goovaerts, 1997) ประการแรก kriging ช่วยเพิ่มความยืดหยุ่นที่ดีในการควบคุมลักษณะของพื้นผิวการทำนายโดยการเปลี่ยนแปลงของรูปแบบ variogram ประการที่สองจะมีน้ำหนักข้อมูลในพื้นที่และอิทธิพลของการสนับสนุนจุดมูลค่าเป้าหมายจะถูกควบคุมโดยความสัมพันธ์เชิงพื้นที่ นอกจากนี้ kriging มีความได้เปรียบที่จะให้คาดว่าค่าเฉลี่ยความคลาดเคลื่อนกำลังสองของการทำนายในการเปรียบเทียบกับวิธีการที่ไม่ใช่การสุ่ม (ไตน์ et al., 2002) ในการศึกษานี้ kriging สากล (UK) ขั้นตอนวิธีการทำใช้ในการทำนายความล่าช้าเปียก ในสหราชอาณาจักรมันเป็นธรรมเนียมในการย่อยสลายมูลค่าที่คาดการณ์ไว้เป็นองค์ประกอบที่กำหนดแนวโน้มที่เรียกว่าแบบจำลองการเปลี่ยนแปลงขนาดใหญ่และองค์ประกอบสุ่ม, การสร้างแบบจำลองความผันผวนขนาดเล็กได้อย่างราบรื่นและเป็นส่วนหนึ่งของการเปลี่ยนแปลงที่ผิดปกติ รูปแบบทั่วไปของสหราชอาณาจักรจะได้รับดังต่อไปนี้:

ผลลัพธ์ (ไทย) 3:

มากมายของการศึกษา confirrmed ว่าคริกกิ้งนี้ประสบความสำเร็จมากที่สุดในการพยากรณ์ข้อมูลภูมิสารสนเทศ ( goovaerts , 1997 ) ประการแรก คริกกิ้งช่วยให้ความยืดหยุ่นที่ดีในการควบคุมลักษณะของพื้นผิว โดยการปรับเปลี่ยนรูปแบบการทำนาย variogram . ประการที่สอง มันหนัก ข้อมูลในเครื่องและอิทธิพลของจุดสนับสนุนค่าเป้าหมายจะถูกควบคุมโดยความสัมพันธ์เชิงพื้นที่ นอกจากนี้ คริกกิ้งที่มีประโยชน์เพื่อให้คาดความคลาดเคลื่อนกำลังสองเฉลี่ยของการพยากรณ์ในการเปรียบเทียบกับวิธีการไม่สุ่ม ( Stein et al . , 2002 ) ในการศึกษานี้ คริกกิ้งสากล ( UK ) โดยจะใช้ทำนายการเปียก ในอังกฤษมันเป็นประเพณี การคาดการณ์มูลค่าเป็นส่วนประกอบที่สามารถคาดเดาได้ แนวโน้มที่เรียกว่า ซึ่งรูปแบบการเปลี่ยนแปลงขนาดใหญ่และองค์ประกอบสุ่มแบบเรียบขนาดเล็กความผันผวนและส่วนที่ผิดปกติของการเปลี่ยนแปลง . รูปแบบทั่วไปของสหราชอาณาจักรจะได้รับดังนี้