Предности Кригинг модела:
1. Пружа вероватноћан приказ варијабилности просторних података.
2. Модел се лако може ажурирати новим подацима.
3. То је флексибилна метода која се може применити у различитим облицима, као што су обични, универзални или индикаторски кригинг.
4. Може се користити за интерполацију или екстраполацију података, попуњавајући недостајуће вредности у скуповима података.
5. Узима у обзир просторну аутокорелацију и прилагођава предвиђања на основу удаљености између тачака података.
Недостаци Кригинг модела:
1. Модел захтева велику количину података да би произвео тачна предвиђања.
2. Ослања се на претпоставку стационарности, која претпоставља да се просторни обрасци и статистика података не мењају током времена.
3. Процес прорачуна може трајати дуго, посебно за велике скупове података.
4. Модел претпоставља да је просторни ковариограм познат или да се може тачно проценити.
5. Кригинг модели можда нису погодни за нестационарне податке, као што су они са променљивим трендом или варијансом током времена.
Датум објављивања: