Таким образом, расположение и плотность проб в конечном итоге влияют на назначение весов, а также на направленную непрерывность, обеспечиваемую моделью вариограммы. Данные будут экранированы там, где имеется большое количество проб в том же направлении, что и интерполируемый блок. Сильно сгруппированные данные также будут подвержены влиянию отрицательных весов.
«Отрицательные веса в ординарном кригинге (ОК) возникают, когда данные, близкие к оцениваемому местоположению, экранируют отдаленные данные. В зависимости от вариограммы и степени экранирования отрицательные веса могут быть значительными». Clayton V. Deutsch, 1995, Correcting for negative weights in ordinary kriging.
Высокие отрицательные веса также наблюдаются, когда в вариограммной модели используются нулевые или очень низкие значения самородка. Направленная и вариограмма вдоль скважины может быть использована для определения соответствующего значения эффекта самородка без того, чтобы значения становились слишком высокими и чрезмерно сглаживали данные. Увеличение значения эффекта самородка приведет к снижению отрицательных весов для близко расположенных проб. Но важно подчеркнуть, что это повлияет только на близко расположенные пробы. Моделируемый радиус действия вариограммы также играет роль в более удаленных пробах и влиянии назначения весов.
Модель, подобранная к экспериментальной вариограмме, также играет свою роль. Гауссовы модели часто приводят к очень высоким отрицательным значениям, поскольку они имеют тенденцию присваивать больший вес более близким пробам / имеют низкую дисперсию (h) в начале. Экспоненциальные модели, следовательно, намного лучше сферических моделей из-за формы модели при малых значениях расстояния.
Если мы переключимся с примеров, где оцениваются содержания и представим, что ординарный кригинг используется для оценки высоты поверхности. Легко понять, почему веса ведут себя так, как они себя ведут. В приведенном ниже примере оцениваются значения RL. У нас есть 4 известных значения (зеленые) и одно оцениваемое значение (фиолетовое).