Vantaggi dei modelli Kriging:
1. Fornisce una rappresentazione probabilistica della variabilità dei dati spaziali.
2. Il modello può essere facilmente aggiornato con nuovi dati.
3. È un metodo flessibile che può essere applicato in varie forme, come il kriging ordinario, universale o indicatore.
4. Può essere utilizzato per interpolare o estrapolare dati, inserendo i valori mancanti nei set di dati.
5. Tiene conto dell'autocorrelazione spaziale e regola le previsioni in base alla distanza tra i punti dati.
Svantaggi dei modelli Kriging:
1. Il modello richiede una grande quantità di dati per produrre previsioni accurate.
2. Si basa sul presupposto della stazionarietà, che presuppone che i modelli spaziali e le statistiche dei dati non cambino nel tempo.
3. Il processo di calcolo può richiedere molto tempo, soprattutto per set di dati di grandi dimensioni.
4. Il modello presuppone che il covariogramma spaziale sia noto o possa essere stimato con precisione.
5. I modelli Kriging potrebbero non essere adatti a dati non stazionari, come quelli con una tendenza o una varianza che cambiano nel tempo.
Data di pubblicazione: