空间数据插值的自动化方法研究

克里金插值是空间数据插值的常用方法,其关键在于变异函数的正确拟合。目前一些空间统计分析工具及开发包对变异函数的拟合主要以一定的人工经验为先导,通过直观的方法来确定变异函数的一些参数并反复调整,这种人工干预的操作步骤不仅妨碍了克里金插值的自动化,参数设置和模型选择也没有科学理论依据,因此预测的结果往往不精确。针对这一问题,围绕着自动化目标,基于R语言中的变异函数的自动拟合函数实现了自动克里金插值,并对自动拟合模型进行了自动交叉验证。实验结果表明该空间数据插值自动化方法可行。     

普通Kriging插值算法研究

地统计学是进行空间变异分析的有力工具.文章说明了地统计学的基本原理及其实现算法,并应用该算法对研究区域的草句白浆土有效磷的空间变异特征进行了分析,通过计算得出的地统计学参数说明了土壤有效磷具有中等空间相关性,并生成了该养分的空间分布图.     

运用DLG高程数据制作高精度DEM的探讨

现利用已有DLG矢量地形高程点数据,根据平面样条函数插值原理,自编了空间数据插值程序,并利用该程序实现了对原始密度不足的高程数据进行两次加密插值预处理,通过该程序的使用,获取了研究区域高精度的DEM数据,最后借助ARCGIS平台,实现了高分辨率DEM的制作.     

Matlab程序设计在GPS高程拟合中的应用

介绍了二次曲面拟合法、多面函数拟合法以及Matlab自带的griddata拟合插值函数法。计算结果表明,Matlab强大的数据处理能力运用在GPS高程拟合中,处理方式简洁,计算量少,精度可靠,同时具有立体可视特征。     

空间插值算法在GIS中的应用

在GIS的研究中,通常需要具有一定规则的数据,而多数可获得的数据都是呈现离散状态并且是不规则分布的,这就需要应用空间插值的方法把离散的不规则数据转换成规则数据.本文介绍了几种常用的空间插值模型的原理与方法,并通过规则格网DEM的建立,说明空间插值算法在GIS中的应用.     

拟合推估新用——新逼近模式

作为拟合推估的新用之一，提出一种带有随机量的新逼近模式，将拟合推估的通行算法，去短取长，藉以推得良好的插值。     

地统计学分析技术及其在气象中的适用性

首先论述了地统计学的一些特点，然后从变异函数和Kriging插值两个方面介绍了地统计学的分析技术，最后讨论了地统计学在气象研究中的适用性。     

状态方程求解中的拉格郎日插值公式应用

用对角矩阵及相似矩阵性质证明了“当状态转移矩阵ｅ＾Ａｔ中方阵Ａ的特征根相异时，拉格朗日插值公式与Ｌａｐｌａｃｅ变换法对ｅ＾Ａｔ表达具有一致性，并用极限方法对方阵Ａ含二重根时拉格朗日插值公式的应用进行了推导。ｋ     

条件模拟的原理及应用

本文采用条件模拟的方法原理,对某储层的物性参数进行非均质模拟.该方法克服了统计模拟和Kriging估值的缺陷,并充分考虑区域化变量的空间结构性,以实际数据为例,给出了若干个条件模拟结果.     

基于机器学习的稀疏样本下的土壤有机质估算方法

采用GRNN（Generalized Regression Neural Network）和RF（Random Forest）2种机器学习方法构建土壤有机质预测模型,以提高稀疏样本情况下的土壤有机质估算精度。依据北京市大兴区农用地2007年的土壤有机质采样数据,按MMSD准则（Minimization of the Mean of the Shortest Distances）抽稀为8种不同采样密度的样本（分别为2703、1352、676、339、169、85、43、22个样本）,分别采用GRNN、RF和Ordinary kriging对各采样密度下的未知采样点进行预测,采用交叉检验的方式验证各采样密度下未知样点的预测精度。随着采样点密度的下降,样点间的空间自相关性逐渐减弱,半变异函数的拟和精度变差,预测点结果误差增大,预测的置信度降低。当抽稀到43个和22个采样点时,样点间的空间自相关性接近歼灭,半变异函数的决定系数较低且残差较大。普通克里格受到采样点数量和采样密度、样点的空间结构的影响比较明显,其预测精度随采样点数量的下降而下降。在85个采样点及以下时,其预测值与观测值之间没有显著的相关性。GRNN和RF的预测精度受采样密度的影响不大,其预测精度在一个较小的范围内波动,其预测值围绕观测值在一定阈值空间内震荡波动,具有较好的相关性,在85个及以下的采样密度时,预测精度相对普通克里格有较大的提升。普通克里格法不适合在稀疏样本条件下空间插值计算,尤其是在空间自相关性比较弱的情况下。机器学习模型能充分学习土壤间环境信息、样点空间邻近效应信息,兼顾属性相似性和空间自相关,具有更好的稳定性和适应性,不容易受到采样点数量、构型和采样密度等因素的影响,即使在采样点空间自相关性很弱的情况下也能做出稳定预测精度。