山东省多年气象要素空间插值方法比较研究

针对山东省境内气象站点分布比较稀疏的情况,以1990～2001年山东省17个气象站点的年平均降水和温度为基础数据,分别建立了平均降水和温度与海拔、经纬度和植被指数(NDVI)之间的回归方程;在此基础上建立模拟站点以增加气象数据的信息量。分别采用反距离加权法(IDW)、径向基函数法(RBF)和普通克里格法(OK)3种插值方法进行比较插值分析。结果表明:模拟站点的加入大大提高了插值的精度;采用的3种插值方法中,普通克里格法比反距离加权法和径向基函数法具有更为理想的插值效果。     

改进的径向基插值方法在船型优化中的应用

船体曲面变形是实现船型优化的前提条件,基于径向基函数插值的曲面变形方法适合于船型水动力性能优化的需要.文中主要对径向基插值中的支撑半径求取方法进行了改进,提出了支撑半径的动态求取方法,重点考虑了可变点的分布和坐标变化量对支撑半径的影响.在此基础上,将改进的径向基插值方法运用到本团队开发的船舶水动力性能多学科综合优化平台...     

关于MQ函数拟插值的研究

径向基函数是处理多元问题的一种有效方法.Multi-Quadric函数是径向基函数的一种,通常简记为MQ函数.对Multi-Quadric函数拟插值在数值积分与微分中的应用进行实例研究.     

福州市城区PM_(10)浓度空间插值方法对比研究

基于福州市城区空气自动监测站点的PM_(10)浓度数据,通过对其分布特征进行探究,采用反距离权重插值法、径向基函数法和普通克里金插值法等进行空间插值,利用交叉验证对插值结果进行误差分析。结果显示,普通克里金法的空间插值效果最为理想,其次是径向基函数法,反距离权重插值法则最差。PM_(10)的季节性分布特征对空间插值结果有显著影响,三种方法夏季插值结果均明显优于其他季节,夏季径向基函数法插值结果只略逊于普通克里金法,此时可选择径向基函数法插值。三种插值方法的PM_(10)浓度空间分布趋势是一致的。     

径向基函数插值逼近的误差分析

函数逼近是数学规划中一个基本的问题,近年来,国内外的一些学者对径向基函数插值逼近问题进行了广泛的研究,对于某些测试函数来说,径向基插值相对于经典的插值方法,如牛顿插值、拉格朗日插值来说,在CPU时间、逼近程度等方面有着一定的优势,因此径向基函数插值成为解决散乱数据插值的一种新的有效的方法.将采用几种常见的径向基函数来逼近一元函数、二元函数,进行数值试验以及误差分析,并对径向基函数中的参数进行分析,获得了良好的误差分析结果.     

一种切触有理插值的构造方法

切触有理插值的构造方法大都是基于连分式进行的,其算法可行性是有条件的,且计算量非常大.利用Hermite插值基函数的方法和多项式插值的误差公式,构造出了切触有理插值函数并将其推广到向量值情形.相比于其他方法,其构造过程公式化,切触有理插值函数次数较低,且计算量较小,便于实际应用.     

基于GIS的云南省会泽者海镇土壤重金属插值方法

以云南省会泽县者海镇土壤中重金属的含量与分布状况进行数据采集,采用ArcGIS中的地统计分析模块对土壤中重金属分布进行空间插值研究.运用反距离加权插值、多项式插值、径向基函数插值法和克里金插值对土壤中重金属的进行插值比较,发现当土壤中的重金属基本符合正态分布是Kriging插值效果较好,而当数据为非正态分布其它的方法能够更好对该地区重金属发布进行模拟.     

基于径向基函数的结冰收集率计算的两级插值方法

为提高飞机结冰数值模拟中粒子轨迹计算的效率,基于拉格朗日方法,提出了两级插值方法。第一级插值为收集率插值,根据水滴轨迹在壁面撞击位置的收集率,采用径向基函数插值计算所有网格的收集率;第二级插值为轨迹插值,把水滴从远场运动撞击到壁面过程分为两个部分,在距机翼较远位置计算少量水滴轨迹,在壁面附近位置加密计算大量水滴轨迹。采用收集率插值时,由于结冰累积,线性插值或者高阶样条插值方法在遮蔽区内插值不准确,引入径向基函数插值来解决该问题。给出的算例表明,两级插值方法能够极大的提高拉格朗日法计算收集率的效率,径向基函数插值能够避免遮蔽区内插值不准确的问题。     

采样数量与空间插值方法对土壤属性预测精度的影响

不同的采样数量以及空间插值方法会对土壤属性预测精度产生影响。本文以安徽省淮北平原典型旱作农业区蒙城县为例,采用随机抽样的方法,从550个土壤样点中随机抽取50个样点作为验证样本,之后抽取500、400、300、200和100五个样本子集,采用普通克里格法、反距离权重插值法、局部多项式插值法和径向基函数插值4种空间插值方法,解析研究区土壤有机质空间变异,并利用独立验证和交叉验证方法比较不同样本数量和插值方法的预测精度的差异。发现不同采样数量对区域内土壤属性预测精度会产生较大影响,在淮北平原县域尺度上,以数字土壤属性制图为目的的土壤采样中,200个样点是比较合理的采样数量。不同插值方法对预测精度影响不显著,从交叉验证与独立验证的结果均表明,普通克里格法最优,局部多项式插值法和径向基函数插值法次之,反距离权重插值法的结果最差。     

基于改进径向基函数神经网络的交通出行选择策略分析

利用逻辑回归方法分析影响交通出行选择的各种因素;建立基于径向基函数神经网络的交通出行选择预测模型,同时建立基于线性回归-径向基函数神经网络模型和基于逻辑回归-径向基函数神经网络模型预测人们出行方式选择高铁还是火车.结果表明,与单一径向基函数神经网络算法相比,回归-径向基函数神经网络组合算法预测准确率更高,而逻辑回归-径向基函数神经网络可有效减少非重要因素影响,并能提升预测准确率,取得较佳预测效果.     

基于IFA优化RBF神经网络的短时交通流预测模型

针对短时交通流不确定性极强引起的预测结果精度低的问题,提出一种改进萤火虫算法(IFA)优化RBF神经网络的短时交通流预测模型(IFA-RBF).该模型通过引入线性递减惯性权重和混沌机制,来改进FA后期存在的易陷入局部极值和种群多样性匮乏的不足,利用IFA优化RBF神经网络的连接权重和基函数宽度,以提升RBF神经网络的短时交通流预测精度.实验结果表明,与Elman、BP、RBF和FA-RBF模型相比,构建的短时交通流预测模型(IFA-RBF)具有更高的预测精度,预测值与实际值拟合度较高.     

蚁群算法优化RBF神经网络的网络流量预测

传统RBF神经网络在网络流量预测过程中存在收敛速度慢、极易出现局部最优等缺点,从而导致预测精度低。采用蚁群算法优化RBF神经网络参数来进行网络流量预测。利用蚁群优化算法来训练RBF神经网络的基函数宽度和中心,简化网络结构,加快收敛速度,防止局部最优的出现,改善RBF神经网络的泛化能力。实验结果表明,相对于GA-RBF以及PSO-RBF流量预测模型,模型预测准确度更高,能够很好地描述网络流的变化规律。具有泛化能力强、稳定性良好的特点,在网络流量预测中有一定的实用价值。     

基于遗传算法径向基神经网络的交通流预测

为提高径向基（RBF）神经网络预测模型对交通流预测的准确性,提出了一种基于遗传算法优化径向基神经网络的交通流预测方法。利用遗传算法优化径向基神经网络的权值和阈值,然后训练RBF神经网络预测模型以求得最优解,并将该预测方法与RBF神经网络和BP神经网络的预测结果进行对比。仿真结果表明,该方法对交通流具有较好的非线性拟合能力,预测精度高于径向基神经网络和BP神经网络。     

基于插值组合核的LS-SVR板形预测方法

基于RBF核的LS-SVR模型,采用实验变差函数计算插值算法权值,对权系数与各训练样本内积值相乘所反映样本空间结构和相互间关联度的插值核函数进行构造,提出了一种通过Kriging空间散乱插值方法利用样本数据构造出的插值核函数与RBF核函数进行组合而成的核方法。结果表明,该方法使LS-SVR板形预测有更好的性能,在提升预测算法泛化能力的同时,实现了对板形的精准回归预测。     

3种空间插值方法在道路尘中Pb监测数据统计处理中的应用比较

以福建省龙岩市道路扬尘监测分析中的Pb元素质量浓度为例, 选取地统计学中具有代表性的反距离权重法、 径向基函数法、 普通克里格法3种空间插值方法, 进行污染物浓度的空间插值, 通过对插值结果进行交叉验证和评价, 对这3种插值方法进行对比研究. 道路扬尘样本共56个, 其中44个样本用于空间插值, 其余12个样本用于结果验证. 结果表明, 普通克里格法的平均预测误差为-0.129 6, 均方根预测误差为24.19, 与其他两种方法相比, 在检验标准上有明显优势, 故普通克里格法对于描述污染物质量浓度的空间分布趋势效果最佳, 而其他两种方法对Pb元素的空间分布插值精度较差.     

基于RBF神经网络的城市快速路短时交通流预测研究

为检验灰色模型及径向神经网络模型用于短时交通流预测的可行性及适用性,本文分析和比较了灰色模型GM（1,1）和RBF径向神经网络模型对短时交通流的预测效果。仿真实例表明,灰色模型不适合用于短时交通流预测,而径向神经网络能够准确预测短期交通流的未来变化趋势,当径向基函数的分布密度值在0.8~1.0之间时能够取得较高的预测精度。     

基于混沌神经网络的交通流预测算法

为提高 RBF 神经网络的交通流预测精度,提出基于混沌-RBF（Chaos-RBF,C-RBF）神经网络的交通流预测算法,该算法首先计算混沌相空间的嵌入维数和嵌入延迟,构造得到的相空间向量作为 RBF 神经网络的输入,其相空间次邻向量作为期望输出值,滚动训练得到神经网络的权值,然后以实际交通流作为输入,经由网络计算得到预测值。仿真结果表明该算法相比于 RBF 神经网络,预测精度提高 96%,证明了该算法的有效性。     

基于Pair Copula函数的空间预测模型及其应用

对于空间数据的插值预测,大多采用传统的空间插值方法如反距离加权插值法和克里金插值法,这2种方法在边缘分布或存在异常值的情况下会导致预测精度相对较低;采用基于Copula理论的方法克服了这一问题。通过Pair-Copula函数描述了空间相依结构并利用MCMC方法(贝叶斯估计法)估计参数,讨论基于空间数据对未观测位置相关数据进行了空间插值预测;结合重庆市雾霾数据对该方法与反距离加权插值法、普通克里金和泛克里金插值法进行比较,结果发现基于Pair-Copula函数的空间预测模型具有更高的精度。     

基于混沌自适应遗传 ν SVR的城市客运量预测

针对城市客运量预测问题本身所存在的小样本、高维数和非线性等特点,将ν-支持向量回归机(ν-support vector regression,ν-SVR)应用于城市客运量预测.为了提高ν-SVR模型的预测精度和泛化性能,利用基于混沌理论和自适应机制的混沌自适应遗传算法(chaosadaptive genetic algorithm,CAGA)优选ν-SVR模型参数,建立了基于CAGA进行参数优选的CAGA-ν-SVR城市客运量预测模型.结合1978～2008年统计数据进行了仿真预测,结果表明该模型的预测性能优于RBF神经网络模型、GA-SVR模型和GA-ν-SVR模型,平均绝对相对误差控制在2.3%以内,可有效应用于城市客运量预测.     

基于RBF网络的交通事故预测

随着我国交通需求的持续增长,机动车的数量不断增加,交通事故频频发生,安全成为交通管理中一个不容忽视的问题。为减少交通事故发生,需要根据交通事故发生的原因对交通事故进行分析预测,以便对引发事故的重要原因采取有效的措施。运用RBF网络,建立交通事故预测模型,并将预测结果与实际数据进行比较,对我国交通事故管理有重要的意义。