مدیریت و اخذ تصمیمات موثر در بسیاری از حوزههای علمی و اجرایی نیازمند سطوح پیوسته و دقیق از دادههای مکان مرجع است. معمولا چنین دادههایی مستقیما قابل اخذ نیستند و از دادههایی که به صورت نقطهای جمعآوری میگردند، تولید میشوند. علاوه بر هزینه قابل توجه جمعآوری دادههای نقطهای، این دادهها به ویژه در مناطق وسیع یا صعبالعبور به صورت پراکنده و نامنظم برداشت میشوند و در بسیاری از موارد با تغییرات زیاد در مقادیر مواجهند. گمانههای تحقیقاتی مربوط به اندازهگیری عیار مواد معدنی از جمله دادههای مکان مرجع نقطهای هستند که دارای ویژگیهای پراکندگی، بینظمی و همچنین تغییرات قابل توجه در مقادیر (شکستگی) هستند. با وجود اینکه پراکندگی و شکستگی دادهها در کارایی روشهای درونیابی تاثیرگذار است ولی از روشهای متداول، برای درونیابی انواع دادههای معدنی استفاده میگردد. در این مطالعه، از تلفیق دو روش کمترین مربعات متحرک و کمترین مربعات بازگشتی یک روش درونیابی دقیق، قابل اعتماد و انعطافپذیر برای درونیابی مواد معدنی پیشنهاد شده است. در روش پیشنهادی برای کشف شکستگی از مقادیر خطاهای ظاهری محاسبات کمترین مربعات استفاده شده است. در این روش، برای نقاط مرکزی یک آستانه پیوستگی (عدم شکستگی) بر اساس انحراف معیار مقادیر مشاهداتی تعیین میگردد، تا نقاط دارای شکستگی کشف و از محاسبه ارزش مقدار مرکزی حذف شوند. علاوه بر این، با استفاده از ویژگی بازگشتی، اندازه دامنه تاثیر به صورت دینامیک تعیین میگردد. در این روش برای هر نقطه مرکزی یک شعاع دامنه تاثیر منحصر به فرد متناسب با مقادیر و ساختار نقاط پیرامونی نقطه مرکزی تعیین میشود. دینامیک بودن اندازه شعاع دامنه تاثیر این امکان را فراهم مینماید که مقادیر ضرایب چندجملهای و به تبع آن مقدار مرکزی با دقت و قابلیت اعتماد مطلوب تعیین شوند. کارایی روش پیشنهادی از طریق اعمال آن بر روی دادههای شبیهسازی شده و همچنین مقایسه نتایج آن با نتایج حاصل از اجرای روشهای متداول درونیابی بر روی دادههای معدنی واقعی مورد ارزیابی قرار گرفته است. RMSE روش پیشنهادی با استفاده از روش اعتبارسنجی متقابل 10تایی برای عنصر کروم معادل 28.020 و برای آهن معادل 1.074 است. مقایسه این نتایج با روشهای متداول درونیابی نشان میدهد در شرایط توزیع نامناسب و پراکنده دادهها، کارایی روش پیشنهادی در مورد هر دو دسته عناصر دارای غلظت و تغییرات قابل توجه و عناصر دارای غلظت پایین و سطوح تقریباً یکنواخت بالاتر است.
