MétaCan
Menu
Retour à la cohorte
Enregistrement W1496021161 · doi:10.1002/2013jb010364

Constructing empirical resolution diagnostics for kriging and minimum curvature gridding

2014· article· en· W1496021161 sur OpenAlexfundno aff
Ling‐Yun Chiao, Ying‐Nien Chen, Y. Gung

Notice bibliographique

RevueJournal of Geophysical Research Solid Earth · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Geostatistics and Mapping
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of TorontoNational Science Council
Mots-clésKrigingVariogramInterpolation (computer graphics)CurvatureComputer scienceAlgorithmFunction (biology)Resolution (logic)Image resolutionMathematical optimizationInverseMathematicsArtificial intelligenceMachine learningImage (mathematics)Geometry

Résumé

récupéré en direct d'OpenAlex

Abstract Resolution analysis is a crucial appraisal procedure in solving general estimation problems, especially for correctly interpreting the results of spatial analysis schemes. Resolution analyses based on the resolving kernels are typically applied to small inverse problems only when the inverse operators are explicitly accessible. Stochastic simulation schemes have been proposed to extract empirical resolution information for solving large inverse problem. In this study, we generalize the formulation of the empirical resolution length and derive the characteristic length of the point spread function for general estimation methods such as minimum curvature gridding and kriging interpolation schemes that are not equipped with explicitly accessible resolving kernels. The implementation of these resolution diagnostics has not been possible in the past and is demonstrated in this study to facilitate clarifying the advantages and limitations of these widely used methods. In addition, we compare these schemes, based on the resolution appraisal, with a multiscale gridding algorithm in the spatial analysis of the Pacific seafloor heat flow observations. By depicting the pattern of the resolution length variations of both the empirical averaging function and the point spread function for each of the estimated models, we demonstrate that schemes equipped with multiscale capability are more favorable for accommodating sparse, nonuniform data distribution than stationary schemes, such as the kriging method. Furthermore, the empirical resolution pattern constructed in this study facilitates the selection of an appropriate reference function and radii of influence for fitting the variogram, which is difficult but critical when using the kriging method.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,024
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,047
Tête enseignante GPT0,369
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research Solid EarthMême sujetSoil Geostatistics and MappingTravaux en français237 207