共查询到17条相似文献，搜索用时 109 毫秒
1.
地统计面插值算法在空间统计分析中有广泛应用,其目的是通过一组面要素的某已知属性值估算另一组面要素的属性值。地统计面插值算法多是基于克里金（Kriging）插值及其衍生算法。克里金插值算法考虑属性在空间位置上的变异性,需计算要素之间的协方差,是典型的计算密集型算法。本文分析了基于克里金插值的地统计算法计算过程,该算法中面要素间协方差计算相互独立,可作为并行计算单元划分。另外,面要素间协方差计算可使用快速傅里叶变换（FFT）快速计算,而FFT是一种非常适合并行处理的计算密集型算法。本文根据算法特征设计了基于异构集群计算的并行算法,并使用MPI+CUDA实现了该算法。实验结果表明,本文实现的算法比使用MPI实现的CPU集群的算法有更好的性能,具备良好的可扩展性,并且随着插值精度提高表现出更好的性能。 相似文献
2.
采用奇异谱迭代的区间四分法进行GPS坐标时间序列的插补。该方法基于自适应滤波的方法,从不完整的坐标时间序列中提取主要的特征成分完成插值,是对奇异谱迭代插值算法的改进。将本文方法与拉格朗日插值法进行比较发现,本文方法不仅拥有更高的插值精度,而且解决了奇异谱迭代插值的效率问题,计算效率得到很大提高。 相似文献
3.
基于GPS广播星历,利用五次样条插值算法进行卫星轨道标准化计算,计算结果表明该方法具有较高的逼近精度及良好的整体光滑性,并且克服了其他插值方法的一些缺点. 相似文献
4.
由于煤炭开采而形成的塌陷区地形形态复杂,本文利用分形插值理论模拟了塌陷区地形。在Matlab语言环境下,实现了塌陷区基于遗传算法求取无标度区最优解和基于FBM分形插值算法,在此基础上求解分形特征参数H和σ。对概率积分法预计的数据进行分形内插绘制地表下沉图,取得了理想的效果。 相似文献
5.
空间数据作为一种地理现象的离散度量广泛应用于各类地理空间分析。然而,空间数据经常由于各种原因出现数据的缺失,存在不完备的特性,需要利用空间插值方法对其进行插值估计。现有国内外对于空间插值方法的研究较多,但是对于空间插值影响因素的分析研究则相对较少。本文首先对国内外相关空间插值研究工作进行总结和回顾,进而探讨不同采样密度、采样分布和采样粒度对于空间插值精度的影响。在此基础上,提出一种基于信息熵的空间插值影响因素分析方法。该方法针对采样数据的不同采样密度和采样分布,对空间数据的可插值性进行比较分析,进而探讨插值粒度,即插值网格分辨率对于空间数据可插值性的影响。最后,采用一组实际数据验证了使用信息熵对空间数据进行可插值性研究的可行性和适用性。 相似文献
6.
7.
针对传统重力基准图制备中插值算法多、算法选择费时费力的实际,重点研究在局部重力场下插值算法的快速优选问题。结合长期制图的统计数据,利用层次分析法确定权值,并定义了算法优选量化系数--优选度,实现对不同插值算法的快速初步遴选。结果表明,该算法切实提高了特定条件下重力基准图插值算法的选取速度。 相似文献
8.
针对GNSS形变监测的传统粗差探测算法性能受限于数据长度的问题,提出基于小波分析的一阶导数粗差剔除法。首先使用新算法对原始信号进行粗差剔除,再利用广义延拓插值补充残缺点。实测算例结果表明,新算法执行时间是3倍中误差法（3σ法）的0.01倍,插值后与真实值偏离仅0.03 mm,远优于其他传统粗差探测手段。 相似文献
9.
遥感反演场数据会由于云雾、地物的遮挡,传感器性能等原因造成部分区域数据的缺失而影响遥感反演场数据的应用。矩阵填充理论针对低秩矩阵,利用矩阵的低秩性,即数据的高相关性,可以高精度地对低秩矩阵中的缺值数值进行恢复,其中矩阵填充理论中的SVT(Singular Value Thresholding)算法可以对矩阵中缺失数值进行快速、高精度的估计,应用广泛。本文应用矩阵填充理论的SVT算法,以缺值点为中心,方差最小作为窗口尺度选择的标准,这样可以保证区域数据的高相关性,建立局部窗口,对窗口进行SVT算法填充。本文也针对相同缺值区域进行了距离反比加权插值、Kriging插值法插值和整体SVT算法插值,整体SVT算法插值即并未对缺值点进行相关性窗口判断,而是直接对整个区域进行SVT填充。并对这几种方法的精度进行比较,得到局部SVT算法的精度相比整体SVT算法和距离反比加权插值算法的精度要高,与Kriging算法相比,其精度变化趋势相似,在锋面区域局部SVT算法精度比Kriging方法要高。 相似文献
10.
针对GNSS坐标时间序列插补中数据插值经验正交函数（data interpolating empirical orthogonal functions,DINEOF）算法受低相关度站点影响、连续长空缺插值效果欠佳的问题,提出相关数据插值经验正交函数（coefficient data interpolating empirical orthogonal functions,CDINEOF）算法。首先计算目标站点与其周围站点数据的相关度,然后筛选出相关度较高的数据构建观测矩阵,最后采用DINEOF算法对观测矩阵中的缺失数据进行插补。通过模拟数据和实测数据验证新方法的可行性,并与DINEOF算法和多项式插值法的结果进行对比分析。模拟数据实验结果表明,当观测数据存在连续长空缺时,CDINEOF算法的插值效果优于DINEOF算法和多项式插值法。实测数据实验结果表明,CDINEOF算法在保留方差最大化方面效果最好,与DINEOF算法和多项式插值法相比分别提升了11.8%和6.7%。 相似文献
11.
????ο?????????????????????????????VRS??????????????????????????????????????????????????????λ???ο????????????????????ο???????????????????????ò????????????ο???????????VRS?????????????????????????????????????????????????ó??????????巽??????????ο????????VRS????????????????繹??????С???????VRS??????????? 相似文献
12.
??????????λ?????????????????λ????????????????????????????????????????????GPS????α??????????????????????????GPS???????????λ???????????ü?????????????????????????????CSCORS???????????ε?λ????????????????β??λ??????????????仯????????????λ???????????????????GPS????????????ò????????ò????λ??????? 相似文献
13.
对比分析4种室内地磁基准图的构建算法,选取两种场景进行实验,并采用均方差、交叉验证法、积分均方误差等评价指标进行分析。结果表明,协同克里金插值算法有更高的精度,但构建速度较慢;标准高斯过程回归有更快的构建速度,但精度略低。因此,对于有高精度需求的场合可采用协同克里金算法;对于实时性要求高的情况,标准高斯过程回归更能满足需求。 相似文献
14.
针对用于插值的已知点较多时,插值计算需要解算大规模矩阵、计算耗时长甚至无法解算的问题,引入移动曲面的思想,取插值点周边最邻近k个已知点进行格林基函数二维样条移动插值,实例计算结果表示,该方法的插值精度高于Shepard插值法与多项式拟合法的精度。插值范围大及测点数量众多时,该方法仍可用,无需数据分区与光滑接边,与整体插值相比可大大降低计算时间。 相似文献
15.
随着机载激光雷达成像技术（LiDAR）的不断发展,激光点云数据处理的相关研究也在不断深入。点云滤波是机载激光雷达点云数据处理的重要环节之一。针对多数经典滤波方法在复杂地形和地物条件下的滤波效果不够理想的现状,提出一种新的基于相对变异系数的地形自适应正则化薄板样条插值点云滤波方法。采用二维区域增长获取初始插值参考点后,基于线特征约束对参考点进行优化,去除部分低可靠性参考点以得到较准确、分布离散均匀的初始插值参考点集合,在此基础上通过正则化薄板样条插值方式来拟合地形点与地物点之间的滤波分类面,完成对机载激光点云的高精度自适应滤波。对比实验结果表明,本文的地形自适应滤波方法在2组实验数据的总体错误率分别达到4.14%和4.17%,在错误率和多地形综合表现等方面具有优势,且滤波运算效率在目前主流的滤波算法中处于较高水平。另外,实验结果验证了地形自适应滤波方法在斜坡、山脊等起伏较多的复杂地形与包含植被和建筑物的混合地形等处的点云滤波结果具有较好的准确性。 相似文献
16.
??????????????????????3?????????????????????????????????????????????Χ????????????????????????????????????????????????????50 Hz????????????У???????????????????????????????????1/45?????????????????1/15?? 相似文献
17.
机载LiDAR点云是获取高质量数字高程模型(Digital Elevation Model, DEM)的主要数据源,而地表粗糙度作为DEM的主要派生产品,在地学研究中发挥了重要作用,但点云密度和插值方法对DEM及地表粗糙度精度影响程度并没有明确结论。为此,本文利用不同地形条件下的林区机载LiDAR点云为实验对象,将原始点云随机缩减为不同的采样密度,利用5种常用插值方法(克里金(Ordinary Kriging, OK),径向基函数(Radial Basis Function, RBF),不规则三角网(Triangulated Irregular Network, TIN),自然邻域(Natural Neighbor, NN)和反距离加权(Inverse Distance Weighting, IDW))构建各个测区不同采样密度条件下的DEM,并通过空间特征和统计特征两方面对DEM及其地表粗糙度精度分析。结果表明:(1) DEM插值算法的精度随点云密度缩减而降低,且数据量缩减至原始数据量的30%后,不同算法精度区别较为明显,其中,RBF和OK精度最优,IDW精度最低;(2) DEM误差与... 相似文献