EBK 回归预测 (地统计分析工具)

汇总

EBK 回归预测是一种地统计插值法，用到了经验贝叶斯克里金法及解释变量栅格，其中的解释变量栅格会影响正在内插的数据的值。 这种方法整合了克里金法和回归分析，使得预测的结果比单独使用任何一种方法都更准确。

详细了解 EBK 回归预测

用法

• 此工具仅支持预测地图输出。 要创建标准误差、分位数或概率图，请先输出一个地统计图层，然后使用 GA 图层转栅格将其转换为栅格（或多个栅格）。

• 此克里金方法可以处理具有中等程度非平稳性的输入数据。

• 对于此插值方法，仅允许使用标准圆形和平滑圆搜索邻域。

• 如果任何输入解释变量栅格包含大量 NoData 像元，输出地统计图层可能无法在地图中可视化。 但这并不是问题，计算已经正确执行。 要可视化输出，可用 GA 图层转栅格或GA 图层转格网将地统计图层转换为栅格。 您也可以选择使用输出预测栅格参数直接从此工具输出栅格。

• 如果输入因变量要素处于地理坐标系中，将使用弦距离来计算所有距离。 有关弦距离的更多信息，请参阅“什么是经验贝叶斯克里金法”帮助主题中的地理坐标中数据的距离计算章节。

参数

• Dialog
• Python

标注	说明	数据类型
输入因变量要素	包含要内插的字段的输入点要素。	Feature Layer
因变量字段	包含因变量值的输入要素字段。 这是将进行插值的字段。	Field
输入解释变量栅格	表示用于构建回归模型的解释变量的输入栅格。 这些栅格将表示会影响因变量值的变量。 例如，内插温度数据时应该将高程栅格用作解释变量，这是因为温度会受到高程的影响。 最多可以使用 62 个解释栅格。	Raster Layer; Mosaic Layer
输出地统计图层	显示插值结果的输出地统计图层。	Geostatistical Layer
输出预测栅格 （可选）	显示插值结果的输出栅格。 默认像元大小为解释变量栅格中像元大小的最大值。 要设置其他像元大小，请使用像元大小环境设置。	Raster Dataset
输出诊断要素类 （可选）	输出面要素类显示每个本地模型的区域，并包含有关本地模型的诊断信息字段。 对于每个子集，均创建包围该子集中所有点的面，以便轻松识别每个子集包含的点。 例如，如果有 10 个本地模型，则该输出中将包含 10 个面。 要素类将包含以下字段： 主成分数量 (PrincComps)—用作解释变量的主成分数量。 该值总是小于或等于解释变量栅格数。 方差百分比 (PercVar)—主成分捕获的方差百分比。 该值将大于或等于下方方差的最小累积百分比参数中指定的值。 均方根误差 (RMSE)—各个交叉验证误差的平方平均数的平方根。 该数值越小，模型拟合效果越好。 90% 区间 (Perc90)—落在 90% 交叉验证置信区间内的数据点的百分比。 理想情况下，该数字应接近 90。 如果该值明显小于 90，则表明低估了标准误差。 如果该值明显大于 90，则表明高估了标准误差。 95% 区间 (Perc95)—落在 95% 交叉验证置信区间内的数据点的百分比。 理想情况下，该数字应接近 95。 如果该值明显小于 95，则表明低估了标准误差。 如果该值明显大于 95，则表明高估了标准误差。 平均绝对误差 (MeanAbsErr)—交叉验证误差绝对值的平均值。 该值应尽可能小。 它与均方根误差类似，但受极值影响较小。 平均误差 (MeanError)—交叉验证误差的平均值。 该值应接近于零。 若该值明显非零，则表明预测结果存在偏差。 连续分级概率评分 (CRPS)—这是一种诊断方法，用于测量预测的累积分布函数与每个已观测数据值之间的偏差。 该值应尽可能小。 该诊断方法优于交叉验证诊断方法，因为它将数据与整个分布进行比较而不是与单点预测进行比较。	Feature Class
因变量测量误差字段 （可选）	指定因变量要素中每个点的测量误差的字段。 对于每个点，此字段的值都应对应于该点测量值的标准差。 如果每个点的测量误差值不同，请使用此字段。 产生不稳定测量误差的常见原因是测量数据时所用的设备不同。 一个设备可能比另一个精确，即其测量误差更小。 例如，一个温度计舍入到最接近的度，而另一个温度计舍到最接近的度的十分之一。 通常，测量误差范围由测量设备的制造商会提供，或通过实践经验获得。 如果没有测量误差值或测量误差值未知，请将此参数留空。	Field
方差的最小累积百分比 （可选）	定义解释变量栅格的主成分所需捕获的方差的最小累积百分比。 在构建回归模型之前，将事先计算解释变量的主成分，并会在回归中将这些主成分用作解释变量。 每一个主成分将捕获解释变量方差的某一特定百分比，且此参数将控制每个本地模型主成分必须捕获的方差的最小百分比。 例如，如果所提供的值为 75，那么软件将使用至少捕获 75% 的解释变量方差所必须的最小主成分数。 各个主成分之间互不相关，因此将使用主成分解决多重共线性（相互关联的解释变量）问题。 所有解释变量中包含的大部分信息通常只能在少数的几个主成分中捕获。 因此，放弃最不实用的主成分，可使模型计算在不明显损失精度的情况下更稳定且更高效。 为计算主成分，解释变量必须具有变化性，因此，如果任意解释变量栅格包含子集内的常量值，这些常量栅格将不会用于计算该子集的主成分。 如果子集中的所有解释变量栅格均包含常量值，则输出诊断要素类将报告：使用的主成分为零，捕获的变化性百分比为零。	Double
子集面要素 （可选）	用于定义计算本地模型位置的面要素。 每个面内的点都将用于本地模型。 此参数在因变量值需根据已知区域进行变化的情况下十分有用。 例如，这些面可代表卫生政策会因区域不同而有所变化的行政卫生区。 还可以使用生成子集面工具来创建子集面。 由此工具创建的面将紧凑而不重叠。	Feature Layer
因变量变换类型 （可选）	将应用于输入数据的变换类型。 无—不应用任何变换。 这是默认设置。 经验法—具有“经验”基本函数的“乘偏斜”变换。 对数经验—具有“对数经验”基本函数的“乘偏斜”变换。 所有数据值必须为正。 如果选择此选项，则所有预测均为正。	String
半变异函数模型类型 （可选）	用于插值的半变异函数模型。 指数—指数半变异函数 块金—块金半变异函数 消减函数—消减半变异函数 K-Bessel—K-Bessel 半变异函数	String
各局部模型中的最大点数 （可选）	输入数据将自动分为子集，每一子集中的点数不大于这一数目。 如果提供了子集面要素，则忽略此参数的值。	Long
局部模型区域重叠系数 （可选）	表示本地模型（也称子集）之间重叠程度的系数。 每个输入点均可落入多个子集中，重叠系数指定了各点将落入的子集的平均数。 高重叠系数值会使输出表面更加平滑，但处理时间也更长。 值必须介于 1 和 5 之间。 如果提供了子集面要素，则忽略此参数的值。	Double
模拟的次数 （可选）	每个本地模型模拟的半变异函数的数量。 使用的模拟越多，则模型计算越稳定，但模型所用的计算时间也会越长。	Long
搜索邻域 （可选）	定义哪些周围点将用于控制输出。 默认为标准。 标准圆形 最大邻居数—将用于估计未知位置值的最大相邻要素数。 最小邻居数—将用于估计未知位置值的最小相邻要素数。 扇区类型—邻域的几何。 一个扇区—单个椭圆。 四个扇区—分为四个扇区的椭圆。 具有偏移的四个扇区—分为四个扇区并平移 45 度的椭圆。 八个扇区—分为八个扇区的椭圆。 角度—移动窗口的轴（圆形）或长半轴（椭圆形）的旋转角度。 半径—搜索圆形的半径长度。 平滑圆 平滑系数—“平滑插值”选项将生成一个外椭圆和一个内椭圆，两者之间的距离等于长半轴乘以平滑系数。 落在最小椭圆之外、但位于最大椭圆之内的点，将利用取值介于零与一之间的 Sigmoid 函数进行加权。 半径—搜索圆形的半径长度。	Geostatistical Search Neighborhood

环境

像元大小, 重合点, 当前工作空间, 范围, 地理变换, 掩膜, 输出坐标系, 并行处理因子, 临时工作空间, 捕捉栅格

许可信息

• 基本: 需要 Geostatistical Analyst
• 标准: 需要 Geostatistical Analyst
• 高级: 需要 Geostatistical Analyst

相关主题

• “插值分析”工具集概览
• 查找地理处理工具