如何对块克里金法进行交叉验证？

【问题标题】：how to do cross-validation for block kriging?如何对块克里金法进行交叉验证？
【发布时间】：2014-10-11 08:29:37
【问题描述】：

我在 automap 包中编写了一个代码来交叉验证不同的克里金技术。我已经交叉验证了所有这些，但我无法编写块克里金法的代码。它显示了这个错误：

未使用的参数 (block=c(400,400))

library(automap)
mydata<-read.table(".../mydata.txt",header=T,sep=",")
colnames(mydata)=c("x","y","data1")
library(gstat)
coordinates(mydata)=~x+y
mygrids<-read.table(".../grids.txt",header=T,sep=",")
gridded(mygrids)=~x+y
block_kriging_cv<-autoKrige.cv(log(data1)~x+y, mydata, mygrids, block=c(400,400), model=c("Ste"), nfold=10)

现在，请告诉我如何解决它。修复此问题后的最后一步将是所有 cv 的 compare.cv ，对吗？

【问题讨论】：

标签： r cross-validation automap

【解决方案1】：

这意味着 autoKrige.cv 命令不考虑数据块。它逐点执行交叉验证，而不是逐块执行。

交叉验证会考虑 POINTS 的插值（或预测）估计值的准确性，而块克里金法是将整个区域划分为几个块并计算每个区域的估计值的局部平均值的平滑方法.换句话说，对于区域“块”，您没有“值”来比较克里金法所做的估计

【讨论】：

感谢@Fabio，但毕竟，我如何确保这种方法给出的估计值并不比简单、普通或通用克里金法更好。因为块克里金法的 SSE 图比其他方法的值少。所以，我不确定如何决定和判断哪个是最合适的插值方法。
我只会使用简单、普通和通用的克里金法。并从这三种方法的交叉验证中获得信息统计。块克里金法的交叉验证并非易事。
我也是这样做的。非常感谢@Fabio。
亲爱的@Fabio，您是否也可以编写代码：1. 计算空间均值，以及 2. 计算克里金结果的标准偏差或方差？谢谢