高精度曲面建模与经典模型的误差比较分析

通过数值实验， 比较分析了高精度曲面建模（HASM）与TIN，Cubic，Spline，IDW和Kriging等经典模型的模拟误差. 误差分析结果表明， 当采样间距为2h，迭代次数为64时， HASM的平均绝对误差是TIN的1/47470，Cubic的1/4941，Spline的1/2746，IDW的1/449520，Kriging的1/450530； HASM的平均相对误差是TIN的1/52170，Cubic的1/6206，Spline的1/3707，IDW的1/573252，Kriging的1/575049. 虽然HASM具有自动捕捉峰值、消除边界振荡和精度高等非常好的数值特点，但存在运算量较大的问题.     

四种气温空间插值方法适用性分析

探讨不同地貌类型区各种气温空间插值方法的精度及其适用性,为环境科学、生态学和地理学等区域性研究提供气象要素空间插值方法选择依据。基于地面气象站点实测气温数据,采用Kriging、IDW、Spline和TPS四种空间插值方法对三江源区、横断山区、内蒙古草原和松嫩平原等热点研究区域进行气温空间插值精度对比分析。结果表明:①TPS插值法引入高程作为协变量提高了插值精度,适用于如青藏高原东南缘地形起伏较大、地域范围较广的区域,但在干热河谷等特殊地理环境中,插值精度有所下降且存在低估现象;②Kriging插值精度高于IDW和Spline,适用于地势平坦的松嫩平原等区域;③IDW和Spline插值法对气象站点分布和密度要求较高,适用于气象站点密度大且地形起伏较小的区域。4种气温插值方法中,TPS插值法精度最高,其次为Kriging插值法,IDW和Spline插值法精度相当。     

站点密度对复杂地形PRISM月降雨空间插值精度的影响

【目的】利用降雨和高程与坡向等地形因子之间关系,分析站点密度对于坡面回归方程模型(PRISM)插值精度的影响,探究该模型的适用范围。【方法】以北京西北山区为例,基于研究区数字高程模型(DEM)、山地自动气象站点数据和降雨数据计算插值结果,采用反距离加权法(IDW)、克里金法(Kriging)和样条函数法(Spline)等插值方法,以及交叉验证和实测数据验证等方法进行数据对比,分析站点密度对插值结果的影响。【结果】当站点密度从0.55×10^-2个/km²降低到0.18×10^-2个/km²时,各种插值方法的插值精度均随站点密度的减少而降低,PRISM模型的变化程度最大,Spline的变化程度最小; 同时当站点密度逐渐降低至0.18×10^-2个/km²时,PRISM模型的插值误差超越Kriging和IDW,但仍在Spline之上。【结论】当站点密度较低时,PRISM模型优势不明显,建议使用IDW和Kriging。     

高精度曲面建模与误差分析

以曲面论为理论基础,运用格点生成方法和网格计算技术,建立了一个高精度曲面模型(HPSM).通过比较新建模型HPSM与传统模型TIN对z=2sin(πx)·sin(πy) 1标准曲面的模拟结果发现:HPSM模拟得到的曲面和等高线与实际情况基本吻合;而TIN模型的模拟结果与标准曲面相比有较大的差异,模拟曲面出现了棱角、峰值被削平等不合理现象,等高线图的中心部分本应该近似于同心圆,而TIN模型的模拟结果却是棱形或者其他形状的多边形.误差分析结果表明:对各种计算步长和采样间距,HPSM的绝对误差和相对误差都远小于TIN;而且随着计算步长和采样间距的增加,HPSM误差的增长速度远低于TIN误差的增长速度.HPSM的应用和发展将改进计算机辅助设计系统、解决地理信息系统(GIS)面临的多维功能和尺度转换问题.     

GANs与GRBFNN在空间插值中的对比分析

为了进一步提高空间插值的精度,搭建生成对抗网络(GANs)、最小二乘生成对抗网络(LSGANs)及Gauss径向基神经网络(GRBFNN)。使用国家气象科学数据网1960—2013年619个气象站点数据的平均值,将上述3种深度学习模型对降水量和平均气温的插值结果与普通Kriging(OK)及反向距离加权(IDW)的插值结果进行对比分析,并进行交叉验证。结果表明:全国气象站点降水量和平均气温数据的空间插值中,IDW法优于OK法。当训练样本较多时,LSGANs模型空间插值表现最好;当训练样本数量较少时,GRBFNN的插值精度最高。高程对平均气温的插值精度影响较大,对降水量的插值精度影响较小。LSGANs和GRBFNN深度学习模型有助于拓展空间插值的思路和应用范围,具有很好的前景。     

基于Kriging模型的地面气温空间插值研究

基于中国气象局提供的全国192个气象观测站的日均地面气温(SAT)数据,利用Kriging模型对研究区域内任意位置SAT进行插值评估.为了使应用于Kriging模型的试验数据满足弱平稳性,首先使用傅立叶级数拟合并去除原数据中的年趋势;并根据各位置的地理坐标,包括海拔和经纬度,拟合出研究区域的空间趋势.反距离加权(IDW)插值法作为比较对象也被应用于试验中.采用交叉验证的方式,将192个观测站依次作为目标点进行插值并与该站的实际数据比较,计算各站插值评估的平均绝对误差(MAE)与均方根误差(RMSE),从而比较两种方法的精确度.结果表明Kriging模型在174个观测站得到的插值结果优于IDW插值法.并且,在Kriging过程中,去除时间趋势和空间趋势对准确获取研究区域内的空间相关性起到了重要作用.     

基于多重分形理论的地表高程插值方法研究

从地表高程插值的研究现状出发,将多重分形理论引入Kriging和IDW两种常见插值方法,并对四种插值方法进行了比较分析.结果表明,在相同的样本数据条件下,多重分形插值的精度要高于IDW插值方法和Kriging插值方法.通过对局部奇异性指数的计算,多重分形插值方法合理地强化了局部区域的估值结果,可以更好地表达整个地区高程的局部奇异性.     

基于PC-Kriging模型与主动学习的齿轮热传递误差可靠性分析

为提高齿轮热传递误差可靠性分析的计算效率和精度,提出了一种高效的基于PC-Kriging代理模型与主动学习函数LIF相结合的可靠性分析方法.采用多项式混沌展开(polynomial-chaos-expansion,PCE)替代传统Kriging模型的回归基函数来增强预测模型的全局近似精度,并利用Kriging模型来捕捉预测模型局部特征的能力.采用最小角回归(LAR)构建回归基函数的最优多项式数量集,同时用Akaike信息准则(AIC)来确定最优的截断集合.并采用一种主动学习函数LIF选择每次迭代的最佳样本点以提高模型收敛效率.通过齿轮热传递误差算例表明:与传统的Kriging代理模型相比,所提出方法在保证精度的同时可以极大地减少预测模型可靠性分析中的学习次数.     

天津降水数据的空间插值分析

采用反距离加权法(IDW)、梯度距离平方反比法(GIDW)、普通克里格法(OK)、协同克里格法(COKRING)插值方法,对天津市及周边地区四种频率年平均最大一日暴雨量数据的空间插值精度进行对比研究.交叉验证表明:四种频率降水量的插值平均绝对误差(MAE)为:15.77mm、18.42 mm、11.71mm、11.72mm;平均均方根误差(RMISE)为:22.02 mm、33.29 mm、19.43mm、19.71 mm;插值精度排序为OK>COKING>IDW>GIDW;OK与COKRING差别并不明显,GIDW精度远低于IDW;降水频率的高低影响插值的误差,二者呈显著负相关关系.天津一日最大暴雨量的空间分布特征为:由北部山地和东南部沿海向中部地区逐渐减少.     

非线性采样观测器的误差分析

通过分析非线性系统采样观测器的误差,给出了观测器误差一致最终有界的条件,估算了误差的最终边界.分析结果表明,采样周期固定时,选择精度更高的数值方法可以减小观测器的误差.