问题插值时间序列数据(平均问题)

Question

你好我想创建两个同位素数据(1970 - 1980)和(2010 - 2020)。可以提,两个映射的插值是基于平均值测量在每个时间段不同的车站。

但是,我现在有问题,我没有特定的数据年电台。

例如,电台B 1970 - 1974和1979 - 1980年的数据。1975 - 1978年的数据丢失!

但是如果我现在计算平均本站并插入数据,包括一个数据集(a)十年,我将会扭曲我的模型!有一个简单的数学解决方案权重数据?

是解决乘以B平均值为0.7,所以加权平均值是3.5吗?

Answer 1

是解决乘以B平均值为0.7,所以加权平均值是3.5吗?

不,这不是一个解决方案。这样做有效地分配一个值为零的站没有数据,这是错误的做法。

如果你想填写缺失的数据应用数据插值技术。这种技术只有效采样点之间是否存在相关性。

填写那些失踪的差距你需要做额外的计算。你所使用的技术,取决于你想要的结果或者是什么现在认为国家的艺术领域,适用的数据。

直到1990年代中期到2000年代早期,当矿石储量的品位估算值,使用块造型方法,逆距离权重方法使用。最初,$ \压裂{1}{d} $是这是一个相对快速计算执行。后来发现反距离平方美元(\压裂{1}{d ^ 2})美元了更好的结果。在某些情况下,逆距离权力n美元,美元(\压裂{1}{d ^ n})美元,在那里n美元通常介于2和2.5之间也使用。一般来说,然而,反距离平方成为行业“标准”一段时间。

反距离平方加权的好处相比简单逆距离权重是给更多的更少的加权距离样本。这是基于逻辑的样本接近彼此更容易沉积在相似条件下,因此更可能是相关的。

自2000年代初以来逆距离加权方法取代了克里格。克里格之间的主要区别之一,各种形式的逆距离权重与克里格,权重之和等于1。与其他方法,没有限制,或者规格重量的总和。

Answer 2

与长数据差异,任何类型的插值不占环境迫使(即模式)将是一个比较不足。例如,极端的年,但不包括在B会大大影响你的比较。我宁愿面具中可用的数据集与年B或填补丢失的年使用基于过程模型与环境迫使数据输出所需要的同位素数据。