CN106408661A - 一种基于地质曲面局部复杂度的自适应混合插值方法 - Google Patents
一种基于地质曲面局部复杂度的自适应混合插值方法 Download PDFInfo
- Publication number
- CN106408661A CN106408661A CN201610818786.7A CN201610818786A CN106408661A CN 106408661 A CN106408661 A CN 106408661A CN 201610818786 A CN201610818786 A CN 201610818786A CN 106408661 A CN106408661 A CN 106408661A
- Authority
- CN
- China
- Prior art keywords
- interpolation
- order
- value
- rho
- hybrid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geophysics And Detection Of Objects (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
Abstract
本发明公开了一种基于地质曲面局部复杂度的自适应混合插值方法,首先基于混合插值方式,采用双线性和双立方插值作为低阶和高阶成分。对于高低阶比例控制系数ρ,采取局部动态自适应的方式,针对每一个插值点计算该点的ρ值,使得在同一地质曲面上的各个局部区域能够自适应更加精确的比例值来匹配当前区域的地质复杂度,对于地质复杂度变化较大的地质曲面,能够很好的减少插值带来的误差。
Description
技术领域
本发明属于地质曲面重构技术领域,具体涉及一种基于地质曲面局部复杂度的自适应混合插值方法的设计。
背景技术
在工程地质领域中,从野外获取地表地形、地层界限、断层、地下水位和风化层厚度分布等各种原始地质数据大多数并不是沿规则网格分布的,而是离散不连续的数据,并且规模比较庞大,不能满足三维建模的要求,因此需要通过选择合适的空间插值技术对地质信息进行处理,重构地质空间界面。
基于多项式曲面拟合的方法是解决复杂地质曲面重构的最有效的方法之一。用多项式拟合方法重构曲面的困难在于如何确定多项式的阶,如果我们用低阶多项式拟合,在陡峭的地区将有一个较大的误差,但如果我们使用高阶多项式拟合,重构曲面将产生伪地质结构。
混合插值的目的是结合低阶和高阶多项式插值方法的优点,通过分析地质的复杂性,可以平衡高阶和低阶的权重。现有的方法通常选取一个全局的权重值来确定高阶和低阶的比值。事实上,实际的地质曲面可能会在某些地区有更多的高阶成分,而在其他地区有更多的低阶成分。因此,全局的权重值不能适应实际的地质表面重构的要求。
W.Z.SHI采用了一种新型的权重值来结合双线性和双立方插值方法的混合插值方法。不同的地质曲面的复杂度是不同的,但这种方法可以通过控制在每个曲面上的权重值满足不同类型的曲面。它比只采用线性插值法或非线性插值法更精确,即使这个权重值依赖于被内插的地形的复杂性。
然而在同一个地质曲面的不同区域的复杂度也是不同的,在一个曲面上使用一个权重值依旧会造成较大的误差,因此需要在目前研究现状的基础上提出一种自适应检测地质曲面的局部复杂度来匹配动态的权重值的方法。
发明内容
本发明的目的是为了解决现有技术中基于权重值的混合多项式曲面拟合方法不能很好应用于局部复杂度变化太大的地质曲面的问题,提出了一种基于地质曲面局部复杂度的自适应混合插值方法。
本发明的技术方案为:一种基于地质曲面局部复杂度的自适应混合插值方法,包括以下步骤:
S1、构建双线性插值函数作为混合插值的低阶成分;
S2、构建双立方插值函数作为混合插值的高阶成分;
S3、根据双线性插值函数和双立方插值函数构建混合插值函数;
S4、在每一个插值区域中求取混合插值函数的高低阶比例值ρ。
进一步地,步骤S1中双线性插值函数表示为:
f1(x,y)=a1+a2x+a3y+a4xy (1)。
进一步地,步骤S2中双立方插值函数表示为:
f2(x,y)=b1+b2x+b3y+b4x2+b5xy+b6y2+b7x3+b8x2y+b9xy2+b10y3 (2)。
进一步地,步骤S3具体为:
构建混合插值函数:
I=ρA+(1-ρ)B (3)
式中A=f1(x,y),表示混合插值的低阶成分;B=f2(x,y),表示混合插值的高阶成分;ρ表示混合插值函数的高低阶比例值,取值范围为0≤ρ≤1;令I=fρ(x,y),则有:
其中
进一步地,步骤S4具体为:
定义RMSE为:
其中f和fρ分别表示原始数据集和混合插值后的结果,fi,j和分别是在空间坐标(i,j)上的数据值和插值结果;
将公式(3)变换为:
I=ρ(A-B)+B (6)
也即是:
其中ai,i=1,2,...,n;bj,j=1,2,...,m;x,y都是已知的常数;然后在每一个插值区域得到了一个唯一的高低阶比例值ρ,以使得每一个构造曲面的RMSE值是最小的,具体过程为:
已知待插值利用n个已知点进行插值,则通过最小二乘法拟合曲面方程,整个插值的总误差为:
因为A和B中所有系数为常数,则令常数(A-B)为Ai,B为Bi,对系数ρ求偏导值:
当时,Q值最小,则插值区域的RMSE值最小,因此令公式(9)等于0得到一个一元一次方程,给定Ai和Bi值后可以求得ρ值并使得RMSE值最小。
本发明的有益效果是:本发明在进行地质曲面构造插值时,增加一步对于多项式方程高低阶比例控制系数ρ的计算,通过局部动态自适应的方式,针对每一个插值点计算该点的ρ值,使得在同一地质曲面上的各个局部区域能够自适应更加精确的比例值来匹配当前区域的地质复杂度。对于地质复杂度变化较大的地质曲面,能够很好的减少插值带来的误差,从而较大幅度的提高插值精度。
附图说明
图1为本发明提供的一种基于地质曲面局部复杂度的自适应混合插值方法流程图。
图2为本发明实施例的设定全局高低阶比例值ρ=0.3构建的插值曲面示意图。
图3为本发明实施例的设定全局高低阶比例值ρ=0.3的曲面等势线分布图。
图4为本发明实施例的设定全局高低阶比例值ρ=0.7构建的插值曲面示意图。
图5为本发明实施例的设定全局高低阶比例值ρ=0.7的曲面等势线分布图。
图6为本发明实施例的采用基于局部复杂度自适应的混合插值方法构建的插值曲面示意图。
图7为本发明实施例的采用基于局部复杂度自适应的混合插值方法的曲面等势线分布图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
一个多项式拟合公式的一般描述如下:一组样本数据点,一个该曲面可以近似估计插值点的值的函数。插值曲面通常表达如下:
其中,ap,q表示多项式的系数,可以由上述给定的样本数据点求得。
与单一的采用线性或非线性插值相比,混合多项式插值方式可以更好的针对地质曲面的特征调整高阶与低阶比例值ρ。
基于此,本发明提供了一种基于地质曲面局部复杂度的自适应混合插值方法,如图1所示,包括以下步骤:
S1、构建双线性插值函数作为混合插值的低阶成分。
一个地质曲面包括两个基本成分,一个是海拔变化频率较低的区域,另一个是海拔变化频率较高的区域。因此,将线性和非线性插值函数结合起来重建曲面是合理的,双线性方法是最流行的线性插值方法,其函数表达式如下:
f1(x,y)=a1+a2x+a3y+a4xy (1)
S2、构建双立方插值函数作为混合插值的高阶成分。
双立方插值是一种非线性插值方法,比大多数方法更有效,其函数表达式如下:
f2(x,y)=b1+b2x+b3y+b4x2+b5xy+b6y2+b7x3+b8x2y+b9xy2+b10y3 (2)
S3、根据双线性插值函数和双立方插值函数构建混合插值函数。
由于在现实世界中,地质曲面包含低频率和高频率,显然使用混合插值方法比双线性或双立方的其中一个更好。混合插值函数表示如下:
I=ρA+(1-ρ)B (3)
式中A=f1(x,y),表示混合插值的低阶成分;B=f2(x,y),表示混合插值的高阶成分;ρ表示混合插值函数的高低阶比例值,取值范围为0≤ρ≤1,当ρ值取0或1时,混合插值方法将成为双立方或双线性插值法。
令I=fρ(x,y),则有:
其中
S4、在每一个插值区域中求取混合插值函数的高低阶比例值ρ。
现有技术中,高低阶比例值ρ是一个需要事先给定的恒定的比率。但是即使在同一地质面上,不同的区域也存在着不同的复杂性。为了得到更精确的插值结果,我们应该在每个插补过程给高低阶比例值ρ赋予不同的值。
本发明实施例中,采用最小二乘法计算高低阶比例值ρ。如果给ρ指定一个值,我们可以得到混合插值系数和地质曲面的估计值,但这一结果不够准确。如果我们能找到一种自适应率保证在每个插值区域的均方根误差(RMSE)值最小,结果将会更准确。均方根误差(RMSE)的定义为:
其中f和fρ分别表示原始数据集和混合插值后的结果,fi,j和分别是在空间坐标(i,j)上的数据值和插值结果。
因此我们把ρ作为系数来求解,并采用最小二乘法再求解系数ρ,将公式(3)变换为:
I=ρ(A-B)+B (6)
也即是:
其中ai,i=1,2,...,n;bj,j=1,2,...,m;x,y都是已知的常数。现在,我们需要在每一个插值区域得到了一个唯一的高低阶比例值ρ,以使得每一个构造曲面的RMSE值是最小的,具体过程为:
已知待插值利用n个已知点进行插值,则通过最小二乘法拟合曲面方程。整个插值的总误差为:
因为A和B中所有系数为常数,则令常数(A-B)为Ai,B为Bi,对系数ρ求偏导值:
当时,Q值最小,则插值区域的RMSE值最小,因此令公式(9)等于0得到一个一元一次方程,给定Ai和Bi值后可以求得ρ值并使得RMSE值最小。
通过不同的方法重构地质曲面,可以看出各种方法的优缺点。如图2、图4、图6所示分别为设定全局高低阶比例值ρ=0.3,ρ=0.7以及采用本发明提供的基于局部复杂度自适应的混合插值方法所得到的地质曲面图。图中灰色的曲面是我们构建的插值曲面,黑色的曲线被称为种子线是由已知的地质曲面的数据集构造。浅色圈代表的伪地质构造地形,深色圈反映与给定的数据集的一致程度。为区分不同的插值方法,我们同时形成了重建地质曲面的等势线一同进行比较。图3、图5、图7分别为图2、图4、图6的等势线分布图。
由图2和图3可知,当设定全局高低阶比例值ρ=0.3时,意味着它有着更多的双立方成分,所以它比双线性插值法更准确但是也构建了一些伪地质结构。由图4和图5可知,当设定全局高低阶比例值ρ=0.7时,意味着它具有更多的双线性成分,插值结果比ρ=0.3时更光滑,可以从图5的等势线中可以看出;但由于高频成分较少,插值精度不太高。由图6和图7可知,当采用采用本发明提供的基于局部复杂度自适应的混合插值方法时,比全局固定ρ值的插值结果更准确。同时,我们可以从图7看到,该方法的等势线十分有序,很好的结合了双线性和双立方方法的优点。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (5)
1.一种基于地质曲面局部复杂度的自适应混合插值方法,其特征在于,包括以下步骤:
S1、构建双线性插值函数作为混合插值的低阶成分;
S2、构建双立方插值函数作为混合插值的高阶成分;
S3、根据双线性插值函数和双立方插值函数构建混合插值函数;
S4、在每一个插值区域中求取混合插值函数的高低阶比例值ρ。
2.根据权利要求1所述的基于地质曲面局部复杂度的自适应混合插值方法,其特征在于,所述步骤S1中双线性插值函数表示为:
f1(x,y)=a1+a2x+a3y+a4xy (1)。
3.根据权利要求1所述的基于地质曲面局部复杂度的自适应混合插值方法,其特征在于,所述步骤S2中双立方插值函数表示为:
f2(x,y)=b1+b2x+b3y+b4x2+b5xy+b6y2+b7x3+b8x2y+b9xy2+b10y3 (2)。
4.根据权利要求1-3任一所述的基于地质曲面局部复杂度的自适应混合插值方法,其特征在于,所述步骤S3具体为:
构建混合插值函数:
I=ρA+(1-ρ)B (3)
式中A=f1(x,y),表示混合插值的低阶成分;B=f2(x,y),表示混合插值的高阶成分;ρ表示混合插值函数的高低阶比例值,取值范围为0≤ρ≤1;令I=fρ(x,y),则有:
其中
5.根据权利要求4所述的基于地质曲面局部复杂度的自适应混合插值方法,其特征在于,所述步骤S4具体为:
定义RMSE为:
其中f和fρ分别表示原始数据集和混合插值后的结果,fi,j和分别是在空间坐标(i,j)上的数据值和插值结果;
将公式(3)变换为:
I=ρ(A-B)+B (6)
也即是:
其中ai,i=1,2,...,n;bj,j=1,2,...,m;x,y都是已知的常数;然后在每一个插值区域得到了一个唯一的高低阶比例值ρ,以使得每一个构造曲面的RMSE值是最小的,具体过程为:
已知待插值利用n个已知点进行插值,则通过最小二乘法拟合曲面方程,整个插值的总误差为:
因为A和B中所有系数为常数,则令常数(A-B)为Ai,B为Bi,对系数ρ求偏导值:
当时,Q值最小,则插值区域的RMSE值最小,因此令公式(9)等于0得到一个一元一次方程,给定Ai和Bi值后可以求得ρ值并使得RMSE值最小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610818786.7A CN106408661A (zh) | 2016-09-13 | 2016-09-13 | 一种基于地质曲面局部复杂度的自适应混合插值方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610818786.7A CN106408661A (zh) | 2016-09-13 | 2016-09-13 | 一种基于地质曲面局部复杂度的自适应混合插值方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106408661A true CN106408661A (zh) | 2017-02-15 |
Family
ID=57999683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610818786.7A Pending CN106408661A (zh) | 2016-09-13 | 2016-09-13 | 一种基于地质曲面局部复杂度的自适应混合插值方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106408661A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107464287A (zh) * | 2017-08-14 | 2017-12-12 | 电子科技大学 | 基于多目标优化的曲面重构方法 |
CN109495040A (zh) * | 2018-03-23 | 2019-03-19 | 上海大郡动力控制技术有限公司 | 基于动态电感的电机pi控制参数整定方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521882A (zh) * | 2011-12-05 | 2012-06-27 | 西北工业大学 | 基于离散高程和自适应混合加权得到海床地形数据的方法 |
JP2013126130A (ja) * | 2011-12-15 | 2013-06-24 | Ricoh Co Ltd | 画像処理装置、画像処理方法および画像処理プログラム |
CN104915522A (zh) * | 2015-07-01 | 2015-09-16 | 华东理工大学 | 结合过程先验和数据驱动模型的混合建模方法及系统 |
CN105427283A (zh) * | 2015-11-06 | 2016-03-23 | 北京航空航天大学 | 一种基于Hessian隐函数的交互式体分割方法 |
-
2016
- 2016-09-13 CN CN201610818786.7A patent/CN106408661A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521882A (zh) * | 2011-12-05 | 2012-06-27 | 西北工业大学 | 基于离散高程和自适应混合加权得到海床地形数据的方法 |
JP2013126130A (ja) * | 2011-12-15 | 2013-06-24 | Ricoh Co Ltd | 画像処理装置、画像処理方法および画像処理プログラム |
CN104915522A (zh) * | 2015-07-01 | 2015-09-16 | 华东理工大学 | 结合过程先验和数据驱动模型的混合建模方法及系统 |
CN105427283A (zh) * | 2015-11-06 | 2016-03-23 | 北京航空航天大学 | 一种基于Hessian隐函数的交互式体分割方法 |
Non-Patent Citations (2)
Title |
---|
W. Z. SHI 等: "A hybrid interpolation method for the refinement of a regular grid digital elevation model", 《INTERNATIONAL JOURNAL OF GEOGRAPHICAL INFORMATION SCIENCE》 * |
霍晓程 等: "用最小二乘法拟合曲面方程", 《赤峰学院学报(自然科学版)》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107464287A (zh) * | 2017-08-14 | 2017-12-12 | 电子科技大学 | 基于多目标优化的曲面重构方法 |
CN107464287B (zh) * | 2017-08-14 | 2021-04-27 | 电子科技大学 | 基于多目标优化的曲面重构方法 |
CN109495040A (zh) * | 2018-03-23 | 2019-03-19 | 上海大郡动力控制技术有限公司 | 基于动态电感的电机pi控制参数整定方法 |
CN109495040B (zh) * | 2018-03-23 | 2022-07-22 | 上海大郡动力控制技术有限公司 | 基于动态电感的电机pi控制参数整定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bell et al. | Assimilation of data into an ocean model with systematic errors near the equator | |
Balmaseda et al. | Evaluation of the ECMWF ocean reanalysis system ORAS4 | |
Reilly et al. | The principle of superposition and its application in ground-water hydraulics | |
Brisset et al. | On the assimilation of altimetric data in 1D Saint–Venant river flow models | |
CN108898250B (zh) | 一种基于D藤copula函数的月径流模拟方法 | |
CN104732531B (zh) | 一种高分辨率遥感图像信噪比曲线自适应获取方法 | |
CN104573393A (zh) | 一种基于贝叶斯理论的土壤水分站点数据升尺度方法 | |
CN110909447B (zh) | 一种高精度电离层区域短期预报方法 | |
Grouillet et al. | Sensitivity analysis of runoff modeling to statistical downscaling models in the western Mediterranean | |
Laloyaux et al. | Implicit and explicit cross‐correlations in coupled data assimilation | |
CN106483147A (zh) | 基于modis和实测数据协同的长时间序列被动微波土壤水分精度改进研究 | |
Guidard et al. | Introducing the coupling information in a limited‐area variational assimilation | |
Waheed et al. | Anisotropic eikonal solution using physics-informed neural networks | |
CN106408661A (zh) | 一种基于地质曲面局部复杂度的自适应混合插值方法 | |
CN103236067A (zh) | 一种像素级sar影像时间序列构建的局部自适应配准方法 | |
Gerritsen et al. | A modelling study of tidally induced equilibrium sand balances in the North Sea during the Holocene | |
CN106599548A (zh) | 陆面蒸散发遥感估算的时空尺度匹配方法及装置 | |
Kurapov et al. | Representer-based analyses in the coastal upwelling system | |
Beggan et al. | Ensemble Kalman filter analysis of magnetic field models during the CHAMP-Swarm gap | |
CN107590855A (zh) | 曲面重构的多目标优化模型、插值方法及曲面重构方法 | |
Oda et al. | Spatial Interpolation of consolidation properties of Holocene clays at Kobe Airport using an artificial neural network | |
CN107888272A (zh) | 一种随机分布鲁棒波束成形器的构建及其计算方法 | |
CN103678788B (zh) | 基于曲面论的空间数据插值与曲面拟合方法 | |
AU2013283825B2 (en) | Truncation diagram determination for a pluri-gaussian estimation | |
Nadarajah | A new bivariate beta distribution with application to drought data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170215 |