Page 22 - 4345

інтерполяції наявних даних залежить також від кількості вихідних
точок даних і рівномірності їх розподілу в області інтерполяції.
Набір, що містить близько десяти точок, дозволить визначити не
більш ніж загальні закономірності розподілу досліджуваного

параметра. У цьому випадку рекомендуються методи крігінгу і
радіальних базисних функцій. Для побудови трендових поверхонь
можна використовувати поліноміальну регресію. При наборі менше

250 точок рекомендується крігінг із лінійною варіограмною
моделлю. Набір з 250-1000 точок з оптимальною швидкістю
обробляють тріангуляція з лінійною інтерполяцією, крігінг і
радіальні базисні функції. Коли набір налічує більше 1000 точок,
швидка оцінка даних може бути зроблена з використанням методів

мінімальної кривизни і тріангуляції з лінійною інтерполяцією.
Точно, але порівняно повільно працюють методи крігінгу і
радіальних базисних функцій.
Методи побудови сіткових функцій, реалізовані в пакеті

Surfer, можна розбити на два класи: інтерполюючі і згладжуючі.
Інтерполюючі можуть включати згладжуючий параметр. Якщо його
значення не дорівнює нулю, інтерполятор стає таким, що
згладжуючим.
У пакеті Surfer інтерполяторами є:

Метод зворотних відстаней (Inverse Distance to а Power),
якщо не заданий згладжуючий параметр;
Метод Кріге (Kriging), якщо не заданий параметр Nugget

Effect;
Метод радіальних базисних функцій (Radial Basis
Functions), якщо не заданий параметр RI;
Метод Шепарда (Shepard’s method), якщо не заданий
згладжуючий параметр;

Тріангуляція з лінійною інтерполяцією (Triangulation with
linear Interpolation).
Решта всіх методів побудови сіткових моделей є
згладжуючими. Вони використовуються в тих випадках, коли

експериментальні дані виміряні у вузлах сітки не точно, а з деякою
похибкою. Згладжуючі методи не привласнюють ваги рівні одиниці,
навіть тим значенням, які збігаються з вузлами сітки.

20