gstatでkrigingすると遅い速度が遅い

Question

Rのgstatパッケージでkrige関数を使用して、いくつかの空間的な海洋深度データを補間しようとしています。約1000ポイント以上を探しています。関数は、無理やりに時間をかけて終了します（つまり、完了するまでに数時間から数日かかる）。これは正常ですか、何か間違っていますか？私の最終的な目標は非常に大きなデータセット（> 30,000データポイント）の時空間クリギングを行うことであり、これらの実行時間では実現できないと心配しているため、特に心配しています。

私はgstat-1.1-3とR-3.3.2を実行しています。以下は、私が実行しているコードです：

library(sp); library(raster); library(gstat) 
v.utm # SpatialPointsDataFrame with >30,000 points 

# Remove points with identical positons 
zd = zerodist(v.utm) 
nzd = v.utm[-zd[,1],] # Layer with no identical positions 

# Make a raster layer covering point layer 
resolution=1e4 
e = extent(as.matrix(v.utm@coords))+resolution 
r = raster(e,resolution=resolution) 
proj4string(r) = proj4string(v.utm) 

# r is a 181x157 raster 

# Fit variogram 
fv = fit.variogram(variogram(AVGDEPTH~1, nzd),model=vgm(6000,"Exp",1,5e5,1)) 

# Krige on random sample of 500 points - works fine 
size=500 
ss=nzd[sample.int(nrow(nzd),size),] 
depth.krig = krige(AVGDEPTH~1,ss,as(r,"SpatialPixelsDataFrame"), 
       model=depth.fit) 

# Krige on random sample of 5000 points - never seems to end 
size=5000 
ss=nzd[sample.int(nrow(nzd),size),] 
depth.krig = krige(AVGDEPTH~1,ss,as(r,"SpatialPixelsDataFrame"), 
       model=depth.fit) 

Answer 1

コレスキー分解（または類似）の複雑あなたが10でポイント数を掛けた場合、時間はそれがかかることを意味し、O（N^3）されます係数1000との増加は、少なくとも限りgstatが懸念しているため、この問題のうち二つの方法があります：

1. BLAS（例えばOpenBLAS、またはMKL）の最適化バージョンをインストールする - これが解決しませんO（n^3）問題ではあるが、利用可能なコアの数nでnを最大に高速化する可能性がある
2. 完全共分散行列を選択しないでください地元の地域（引数maxdistおよび/またはnmax）