4cff6a5468&zoom=&png=0-308907&jpg=0-1121
4cff6a5468&zoom=&png=308908-672298&jpg=1122-2243
克里金插值法 克里金插值法又称空间局部插值法，是以变异函数理论和结构分析为基础，在有限区域内对区域化变量进行无偏最优估计的一种方法，是地统计学的主要内容之一，由南非矿产工程师D. Matheron 于1951年在寻找金矿时首次提出，法国著名统计学家G. Matheron 随后将该方法理论化、系统化，并命名为Kriging ，即克里金插值法。 1 克里金插值法原理 克里金插值法的适用范围为区域化变量存在空间相关性，即如果变异函数和结构分析的结果表明区域化变量存在空间相关性，则可以利用克里金插值法进行内插或外推。其实质是利用区域化变量的原始数据和变异函数的结构特点，对未知样点进行线性无偏、最优估计，无偏是指偏差的数学期望为0，最优是指估计值与实际值之差的平方和最小[1]。因此，克里金插值法是根据未知样点有限领域内的若干已知样本点数据，在考虑了样本点的形状、大小和空间方位，与未知样点的相互空间关系，以及变异函数提供的结构信息之后，对未知样点进行的一种线性无偏最优估计。 假设研究区域a 上研究变量Z （x ），在点x i ∈A （i=1，2，……，n ）处属性值为Z （x i ），则待插点x 0∈A 处的属性值Z （x 0）的克里金插值结果Z*（x 0）是已知采样点属性值Z （x i ）（i=1，2，……，n ）的加权和，即： )()(10* i n i i x Z x Z ∑==λ （1） 式中i λ是待定权重系数。 其中Z(x i )之间存在一定的相关关系，这种相关性除与距离有关外，还与其相对方向变化有关，克里金插值方法将研究的对象称“区域化变量” 针对克里金方法无偏、最小方差条件可得到无偏条件可得待定权系数 i λ (i=1，2，……， n)满足关系式： 11=∑=n i i λ （2） 以无偏为前提，kriging 方差为最小可得到求解待定权系数i λ的方程组：
几种常用的插值方法 数学系 信息与计算科学1班 李平 指导老师：唐振先 摘要:插值在诸如机械加工等工程技术和数据处理等科学研究中有许多直接的应用,在很多领域都要用插值的办法找出表格和中间值,插值还是数值积分微分方程数值解等数值计算的基础。本文归纳了几种常用的插值方法,并简单分析了其各自的优缺点。 关键词:任意阶多项式插值,分段多项式插值。 引言:所谓插值,通俗地说就是在若干以知的函数值之间插入一些未知函数值,而插值函数的类型最简单的选取是代数多项式。用多项式建立插值函数的方法主要用两种：一种是任意阶的插值多项式,它主要有三种基本的插值公式：单项式,拉格朗日和牛顿插值；另一种是分段多项式插值,它有Hermite 和spine 插值和分段线性插值。 一．任意阶多项式插值： 1.用单项式基本插值公式进行多项式插值： 多项式插值是求通过几个已知数据点的那个n-1阶多项式,即P n-1(X)=A 1+A 2X+…A n X n-1,它是一个单项式基本函数X 0,X 1…X n-1的集合来定义多项式,由已知n 个点（X,Y ）构成的集合,可以使多项式通过没数据点,并为n 个未知系数Ai 写出n 个方程,这n 个方程组成的方程组的系数矩阵为Vandermonde 矩阵。 虽然这个过程直观易懂,但它都不是建立插值多项式最好的办法,因为Vandermonde 方程组有可能是病态的,这样会导致单项式系数不确定。另外,单项式中的各项可能在大小上有很大的差异,这就导致了多项式计算中的舍入误差。 2.拉格朗日基本插值公式进行插值： 先构造一组插值函数L i （x ） =011011()()()() ()()()() i i n i i i i i i n x x x x x x x x x x x x x x x x -+-+--------L L L L ，其中i=0，… n.容易看出n 次多项式L i （x ）满足L i （x ）=1，（i=j ）；L i （x ）=0，（i ≠j ），其中
常见的插值方法及其原理 这一节无可避免要接触一些数学知识，为了让本文通俗易懂，我们尽量绕开讨厌的公式等。为了进一步的简化难度，我们把讨论从二维图像降到一维上。 首先来看看最简单的‘最临近像素插值’。 A,B是原图上已经有的点，现在我们要知道其中间X位置处的像素值。我们找出X位置和A,B位置之间的距离d1,d2，如图，d2要小于d1,所以我们就认为X处像素值的大小就等于B处像素值的大小。 显然，这种方法是非常苯的，同时会带来明显的失真。在A,B中点处的像素值会突然出现一个跳跃，这就是为什么会出现马赛克和锯齿等明显走样的原因。最临近插值法唯一的优点就是速度快。 图10，最临近法插值原理 接下来是稍微复杂点的‘线性插值’（Linear） 线性插值也很好理解，AB两点的像素值之间，我们认为是直线变化的，要求X点处的值，只需要找到对应位置直线上的一点即可。换句话说，A,B间任意一点的值只跟A,B有关。由于插值的结果是连续的，所以视觉上会比最小临近法要好一些。线性插值速度稍微要慢一点，但是效果要好不少。如果讲究速度，这是个不错的折衷。 图11，线性插值原理
其他插值方法 立方插值，样条插值等等，他们的目的是试图让插值的曲线显得更平滑，为了达到这个目的，他们不得不利用到周围若干范围内的点，这里的数学原理就不再详述了。 图12，高级的插值原理 如图，要求B,C之间X的值，需要利用B,C周围A,B,C,D四个点的像素值，通过某种计算，得到光滑的曲线，从而算出X的值来。计算量显然要比前两种大许多。 好了，以上就是基本知识。所谓两次线性和两次立方实际上就是把刚才的分析拓展到二维空间上，在宽和高方向上作两次插值的意思。在以上的基础上，有的软件还发展了更复杂的改进的插值方式譬如S-SPline, Turbo Photo等。他们的目的是使边缘的表现更完美。
克里金插值法及其适用范围 克里金插值法又称空间局部插值法，是以变异函数理论和结构分析为基础，在有限区域内对区域化变量进行无偏最优估计的一种方法，是地统计学的主要内容之一，由南非矿产工程师D. Matheron 于1951年在寻找金矿时首次提出，法国着名统计学家G . Matheron 随后将该方法理论化、系统化，并命名为Kriging ，即克里金插值法。 1 克里金插值法原理 克里金插值法的适用范围为区域化变量存在空间相关性，即如果变异函数和结构分析的结果表明区域化变量存在空间相关性，则可以利用克里金插值法进行内插或外推。其实质是利用区域化变量的原始数据和变异函数的结构特点，对未知样点进行线性无偏、最优估计，无偏是指偏差的数学期望为0，最优是指估计值与实际值之差的平方和最小[1]。因此，克里金插值法是根据未知样点有限领域内的若干已知样本点数据，在考虑了样本点的形状、大小和空间方位，与未知样点的相互空间关系，以及变异函数提供的结构信息之后，对未知样点进行的一种线性无偏最优估计。 假设研究区域a 上研究变量Z （x ），在点xi ∈A （i=1，2，……，n ）处属性值为Z （xi ），则待插点x0∈A 处的属性值Z （x0）的克里金插值结果Z*（x0）是已知采样点属性值Z （xi ）（i=1，2，……，n ）的加权和，即： )()(10* i n i i x Z x Z ∑==λ （1） 式中i λ是待定权重系数。 其中Z(xi)之间存在一定的相关关系，这种相关性除与距离有关外，还与其相对方向变化有关，克里金插值方法将研究的对象称“区域化变量” 针对克里金方法无偏、最小方差条件可得到无偏条件可得待定权系数i λ (i=1，2，……，n)满足关系式： 11=∑=n i i λ （2） 以无偏为前提，kriging 方差为最小可得到求解待定权系数i λ的方程组：
五种插值法的对比研究 1. 选题依据 1.1 选题背景 插值法是一种古老的数学方法，插值法历史悠久。据考证，在公元六世纪时， 我国焯(zhuo) 已经把等距二次插值法应用于天文计算。十七世纪时，Newton 和 Gregory(格雷格里) 建立了等距节点上的一般插值公式，十八世纪时，Lagrange(拉格朗日) 给出了更一般的非等距节点插值公式。 而它的基本理论是在微积分产生以后逐渐完善的，它的实际应用也日益增多，特别是在计算机工程中。许多库函数的计算实际上归结于对逼近函数的计算。 1.2 研究的目的和意义 插值法是数值分析中最基本的方法之一。 在实际问题中碰到的函数是各种各样的，有的甚至给不出表达式，只提供了一些离散数据，例如，在查对数表时， 要查的数据在表中找不到，就先找出它相邻的数，再从旁边找出它的修正值， 按一定关系把相邻的数加以修正，从而找出要找的数，这种修正关系实际上就是一种插值。 在实际应用中选用不同类型的插值函数，逼近的效果也不同。在数值计算方法中，我们学习过五种基本的插值方法，即Lagrange 插值、Newton 插值、分段线性插值、分段三次Hermite 插值、样条插值函数。所以通过从这五种插值法的基本思想、特征、性质和具体实例入手，探讨五种插值法的优缺点和适用围，让学习者能够迅速而准确的解决实际问题，掌握插值法的应用。 2. 研究的方法 从具体实例入手并结合Matlab 在科学计算中的优势，通过实验对它们的精度和效率进行比较分析。 3. 论文结构 3.1 论文的总体结构 第一部分 导言 主要介绍选题的背景、目的及意义、研究现状、文献综述等。 第二部分 五种插值法的基本思想、性质及特点 在数值计算方法中，插值法是计算方法的基础，数值微分、数值积分和微分方程数值解都建立在此基础上。 插值问题的提法是：已知f(x)(可能未知或非常复杂函数)在彼此不同的n+1 个实点0x ,1x ,…n x 处的函数值是f(0x )，f(1x )，…,f(n x )，这时我们简单的说f(x)有n+1 个 离散数据对0n i i )}y ,{(x i .要估算f(x)在其它点x 处的函数值，最常见的一种办法就是插 值，即寻找一个相对简单的函数y(x)，使其满足下列插值条件：y(i x )=f(i x )，i=0,1,…,n.，并以y(x)作为f(x)的近似值.其中y(x)称为插值函数，f(x)称为被插函数。
Surfer软件插值方法 1、距离倒数乘方法距离倒数乘方格网化方法是一个加权平均插值法，可以进行确切的或者圆滑的方式插值。方次参数控制着权系数如何随着离开一个格网结点距离的增加而下降。对于一个较大的方次，较近的数据点被给定一个较高的权重份额，对于一个较小的方次，权重比较均匀地分配给各数据点。计算一个格网结点时给予一个特定数据点的权值与指定方次的从结点到观测点的该结点被赋予距离倒数成比例。当计算一个格网结点时，配给的权重是一个分数，所有权重的总和等于1.0。当一个观测点与一个格网结点重合时，该观测点被给予一个实际为1.0 的权重，所有其它观测点被给予一个几乎为0.0 的权重。换言之，该结点被赋给与观测点一致的值。这就是一个准确插值。距离倒数法的特征之一是要在格网区域内产生围绕观测点位置的"牛眼"。用距离倒数格网化时可以指定一个圆滑参数。大于零的圆滑参数保证，对于一个特定的结点，没有哪个观测点被赋予全部的权值，即使观测点与该结点重合也是如此。圆滑参数通过修匀已被插值的格网来降低"牛眼"影响。 2、克里金法克里金法是一种在许多领域都很有用的地质统计格网化方法。克里金法试图那样表示隐含在你的数据中的趋势，例如，高点会是沿一个脊连接，而不是被牛眼形等值线所孤立。克里金法中包含了几个因子：变化图模型，漂移类型和矿块效应。 3、最小曲率法最小曲率法广泛用于地球科学。用最小曲率法生成的插值面类似于一个通过各个数据值的，具有最小弯曲量的长条形薄弹性片。最小曲率法，试图在尽可能严格地尊重数据的同时，生成尽可能圆滑的曲面。使用最小曲率法时要涉及到两个参数：最大残差参数和最大循环次数参数来控制最小曲率的收敛标准。 4、多元回归法多元回归被用来确定你的数据的大规模的趋势和图案。你可以用几个选项来确定你需要的趋势面类型。多元回归实际上不是插值器，因为它并不试图预测未知的Z 值。它实际上是一个趋势面分析作图程序。使用多元回归法时要涉及到曲面定义和指定XY的最高方次设置，曲面定义是选择采用的数据的多项式类型，这些类型分别是简单平面、双线性鞍、二次曲面、三次曲面和用户定义的多项式。参数设置是指定多项式方程中X 和Y组元的最高方次。 5、径向基本函数法径向基本函数法是多个数据插值方法的组合。根据适应你的数据和生成一个圆滑曲面的能力，其中的复二次函数被许多人认为是最好的方法。所有径向基本函数法都是准确的插值器，它们都要为尊重你的数据而努力。为了试图生成一个更圆滑的曲面，对所有这些方法你都可以引入一个圆滑系数。你可以指定的函数类似于克里金中的变化图。当对一个格网结点插值时，这些个函数给数据点规定了一套最佳权重。 6、谢别德法谢别德法使用距离倒数加权的最小二乘方的方法。因此，它与距离倒数乘方插值器相似，但它利用了局部最小二乘方来消除或减少所生成等值线的"牛眼"外观。谢别德法可以是一个准确或圆滑插值器。在用谢别德法作为格网化方法时要涉及到圆滑参数的设置。圆滑参数是使谢别德法能够象一个圆滑插值器那样工作。当你增加圆滑参数的值时，圆滑的效果越好。 7、三角网/线形插值法三角网插值器是一种严密的插值器，它的工作路线与手工绘制等值线相近。这种方法是通过在数据点之间连线以建立起若干个三角形来工作的。原始数据点的连结方法是这样：所有三角形的边都不能与另外的三角形相交。其结果构成了一张覆盖格网范围的，由三角形拼接起来的网。每一个三角形定义了一个覆盖该三角形内格网结点的面。三角形的倾斜和标高由定义这个三角形的三个原始数据点确定。给定三角形内的全部结点都要受到该三角形的表面的限制。因为原始数据点被用来定义各个三角形，所以你的数据是很受到尊重的。8.自然邻点插值法自然邻点插值法(NaturalNeighbor)是Surfer7.0才有的网格化新方法。自然邻点插值法广泛应用于一些研究领域中。其基本原理是对于一组泰
克里金插值法及其适用范围 29 巴任若测绘学院 克里金插值法又称空间局部插值法，是以变异函数理论和结构分析为基础，在有限区域内对区域化变量进行无偏最优估计的一种方法，是地统计学的主要内容之一，由南非矿产工程师D. Matheron于1951年在寻找金矿时首次提出，法国著名统计学家G. Matheron随后将该方法理论化、系统化，并命名为Kriging，即克里金插值法。 1 克里金插值法原理 克里金插值法的适用范围为区域化变量存在空间相关性，即如果变异函数和结构分析的结果表明区域化变量存在空间相关性，则可以利用克里金插值法进行内插或外推。其实质是利用区域化变量的原始数据和变异函数的结构特点，对未知样点进行线性无偏、最优估计，无偏是指偏差的数学期望为0，最优是指估计值与实际值之差的平方和最小[1]。因此，克里金插值法是根据未知样点有限领域内的若干已知样本点数据，在考虑了样本点的形状、大小和空间方位，与未知样点的相互空间关系，以及变异函数提供的结构信息之后，对未知样点进行的一种线性无偏最优估计。 假设研究区域a上研究变量Z（x），在点xi∈A（i=1，2，……，n）处属性值为Z（xi），则待插点x0∈A处的属性值Z（x0）的克里金插值结果Z*（x0）是已知采样点属性值Z（xi）（i=1，2，……，n）的加权和，即：
)()(10* i n i i x Z x Z ∑==λ （1） 式中i λ是待定权重系数。 其中Z(xi)之间存在一定的相关关系，这种相关性除与距离有关外，还与其相对方向变化有关，克里金插值方法将研究的对象称“区域化变量” 针对克里金方法无偏、最小方差条件可得到无偏条件可得待定权系数i λ (i=1，2，……，n)满足关系式： 11=∑=n i i λ （2） 以无偏为前提，kriging 方差为最小可得到求解待定权系数i λ的方程组： ???????=??==+∑∑==1)n ,2,1)(,(),(101n i i j j i n i i j x x C x x C λμλ， （3） 式中，C （xi ，xj ）是Z(xi)和Z(xj)的协方差函数。 2 国内外研究进展 从克里金方法被提出到现在已有完善的理论，并在很多领域得到了实际的应用，在某些领域的应用又推动了克里金理论的发展[3]。它的发展可归纳为四个时期，每个时期都是以每一届地质统计学大会的召开为标志。第一时期，初次提出了地质统计学理论，将地质统计学与传统的统计学分开，且提出了区域化变量、简单克里金、普通克
1. 克里金法（Kriging） 克里金法是通过一组具有z 值的分散点生成估计表面的高级地统计过程。与其他插值方法不同，选择用于生成输出表面的最佳估算方法之前应对由z 值表示的现象的空间行为进行全面研究。 克里金插值与IDW插值的区别在于权重的选择，IDW仅仅将距离的倒数作为权重，而克里金考虑到了空间相关性的问题。它首先将每两个点进行配对，这样就能产生一个自变量为两点之间距离的函数。对于这种方法，原始的输入点可能会发生变化。在数据点多时，结果更加可靠。该方法通常用在土壤科学和地质中。 2. 反距离权重法（Inverse Distance Weighted，IDW） 反距离权重法（反距离权重法）工具所使用的插值方法可通过对各个待处理像元邻域中的样本数据点取平均值来估计像元值。点到要估计的像元的中心越近，则其在平均过程中的影响或权重越大。此方法假定所映射的变量因受到与其采样位置间的距离的影响而减小。例如，为分析零售网点而对购电消费者的表面进行插值处理时，在较远位置购电影响较小，这是因为人们更倾向于在家附近购物。 反距离权重法主要依赖于反距离的幂值。幂参数可基于距输出点的距离来控制已知点对内插值的影响。幂参数是一个正实数，默认值为2。 通过定义更高的幂值，可进一步强调最近点。因此，邻近数据将受到最大影响，表面会变得更加详细（更不平滑）。随着幂数的增大，内插值将逐渐接近最近采样点的值。指定较小的幂值将对距离较远的周围点产生更大影响，从而导致更加平滑的表面。 由于反距离权重公式与任何实际物理过程都不关联，因此无法确定特定幂值是否过大。作为常规准则，认为值为30 的幂是超大幂，因此不建议使用。此外还需牢记一点，如果距离或幂值较大，则可能生成错误结果。 3. 含障碍的样条函数（Spline with Barriers） 含障碍的样条函数工具使用的方法类似于样条函数法工具中使用的技术，其主要差异是此工具兼顾在输入障碍和输入点数据中编码的不连续性。 含障碍的样条函数工具应用了最小曲率方法，其实现方式为通过单向多格网技术，以初始的粗糙格网（在本例中是已按输入数据的平均间距进行初始化的格网）为起点在一系列精细格网间移动，直至目标行和目标列的间距足以使表面曲率接近最小值为止。 4. 地形转栅格（Topo to Raster） 地形转栅格和依据文件实现地形转栅格工具所使用插值技术是旨在用于创建可更准确地表示自然水系表面的表面，而且通过这种技术创建的表面可更好的保留输入等值线数据中的山脊线和河流网络。 5. 样条函数（Spline） 样条函数法工具所使用的插值方法使用可最小化整体表面曲率的数学函数来估计值，以生成恰好经过输入点的平滑表面。
数值分析报告 班级： 专业： 流水号： 学号： 姓名：
常用的插值方法 序言 在离散数据的基础上补插连续函数，使得这条连续曲线通过全部给定的离散数据点。插值是离散函数逼近的重要方法，利用它可通过函数在有限个点处的取值状况，估算出函数在其他点处的近似值。 早在6世纪，中国的刘焯已将等距二次插值用于天文计算。17世纪之后，牛顿、拉格朗日分别讨论了等距和非等距的一般插值公式。在近代，插值法仍然是数据处理和编制函数表的常用工具，又是数值积分、数值微分、非线性方程求根和微分方程数值解法的重要基础，许多求解计算公式都是以插值为基础导出的。 插值问题的提法是：假定区间[a，b〕上的实值函数f（x）在该区间上n＋1个互不相同点x0，x1……x n处的值是f（x0），……f（x n），要求估算f（x）在[a，b〕中某点的值。其做法是：在事先选定的一个由简单函数构成的有n＋1个参数C0， C1，……C n的函数类Φ(C0，C1，……C n)中求出满足条件P（x i）＝f（x i）（i＝0，1，……n）的函数P(x)，并以P(x)作为f(x)的估值。此处f（x）称为被插值函数，x0，x1，……xn 称为插值结(节)点，Φ(C0，C1，……C n)称为插值函数类，上面等式称为插值条件，Φ（C0，……C n）中满足上式的函数称为插值函数，R（x）＝f（x）－P（x）称为插值余项。
求解这类问题，它有很多种插值法，其中以拉格朗日(Lagrange)插值和牛顿(Newton)插值为代表的多项式插值最有特点，常用的插值还有Hermit 插值，分段插值和样条插值。 一．拉格朗日插值 1.问题提出： 已知函数()y f x =在n+1个点01,,,n x x x L 上的函数值01,,,n y y y L ，求任意一点 x '的函数值()f x '。 说明：函数()y f x =可能是未知的；也可能是已知的，但它比较复杂，很难计算其函数值()f x '。 2.解决方法： 构造一个n 次代数多项式函数()n P x 来替代未知（或复杂）函数()y f x =，则 用()n P x '作为函数值()f x '的近似值。 设()2012n n n P x a a x a x a x =++++L ，构造()n P x 即是确定n+1个多项式的系数 012,,,,n a a a a L 。 3.构造()n P x 的依据： 当多项式函数()n P x 也同时过已知的n+1个点时，我们可以认为多项式函数 ()n P x 逼近于原来的函数()f x 。根据这个条件，可以写出非齐次线性方程组： 20102000 20112111 2012n n n n n n n n n n a a x a x a x y a a x a x a x y a a x a x a x y ?++++=?++++=?? ? ?++++=?L L L L L 其系数矩阵的行列式D 为范德萌行列式： ()20 0021110 2111n n i j n i j n n n n x x x x x x D x x x x x ≥>≥= = -∏L L M M M M L
13. 数据插值与拟合 实际中，通常需要处理实验或测量得到的离散数据（点）。插值与拟合方法就是要通过离散数据去确定一个近似函数（曲线或曲面），使其与已知数据有较高的拟合精度。 1.如果要求近似函数经过所已知的所有数据点，此时称为插值问 题（不需要函数表达式）。 2.如果不要求近似函数经过所有数据点，而是要求它能较好地反 映数据变化规律，称为数据拟合（必须有函数表达式）。 插值与拟合都是根据实际中一组已知数据来构造一个能够反映数据变化规律的近似函数。区别是：【插值】不一定得到近似函数的表达形式，仅通过插值方法找到未知点对应的值。【拟合】要求得到一个具体的近似函数的表达式。 因此，当数据量不够，但已知已有数据可信，需要补充数据，此时用【插值】。当数据基本够用，需要寻找因果变量之间的数量关系（推断出表达式），进而对未知的情形作预测，此时用【拟合】。
一、数据插值 根据选用不同类型的插值函数，逼近的效果就不同，一般有：（1）拉格朗日插值（lagrange插值） （2）分段线性插值 （3）Hermite （4）三次样条插值 Matlab 插值函数实现： （1）interp1( ) 一维插值 （2）intep2( ) 二维插值 （3）interp3( ) 三维插值 （4）intern( ) n维插值 1.一维插值（自变量是1维数据） 语法：yi = interp1(x0, y0, xi, ‘method’) 其中，x0, y0为原离散数据（x0为自变量，y0为因变量）；xi为需要插值的节点，method为插值方法。 注：（1）要求x0是单调的，xi不超过x0的范围； （2）插值方法有‘nearest’——最邻近插值；‘linear’——线性插值；‘spline’——三次样条插值；‘cubic’——三次插值；
The GLOBEC Kriging Software Package – EasyKrig3.0July 15, 2004 Copyright (c) 1998, 2001, 2004 property of Dezhang Chu and Woods Hole Oceanographic Institution. All Rights Reserved. The kriging software described in this document was developed by Dezhang Chu with funding from the National Science Foundation through the U.S. GLOBEC Georges Bank Project's Program Service and Data Management Office. It was originally inspired by a MATLAB toolbox developed by Yves Gratton and Caroline Lafleur (INRS-Océanologie, Rimouski, Qc, Canada), and Jeff Runge (Institut Maurice-Lamontagne, now with University of New Hampshire). This software may be reproduced for noncommercial purposes only. This program is distributed in the hope that it will be useful, but WITHOUT ANY WARRANTY. Contact Dr. Chu at dchu@https://www.doczj.com/doc/679057674.html, with enhancements or suggestions for changes. Table of Contents: 1. INTRODUCTION 1.1 General Information 1.1.1 About kriging 1.1.2 Brief descriptions of easy_krig3.0 1.2 Getting started 1.2.1 Operating systems 1.2.2 Down-load the program 1.2.3 Quick start 2. DATA PROCESSING STAGES 2.1 Data Preparation 2.2 Semi-variogram 2.3 Kriging 2.4 Visualization 2.5Saving Kriging Results 3. EXAMPLES 3.1 Example 1: An Aerial Image of Zooplankton Abundance Data 3.2 Example 2: A Vertical Section of Salinity Data – An Anisotropic Data set 3.3 Example 3: Batch Process of Pressure (dbar) at Different Potential Density Layers 3.4 Example 4: 3-Dimensional Temperature Data 4. REFERENCES
数值分析 报告 班级： 专业： 流水号： 学号： 姓名：
常用的插值方法 序言 在离散数据的基础上补插连续函数，使得这条连续曲线通过全部给定的离散数据点。插值是离散函数逼近的重要方法，利用它可通过函数在有限个点处的取值状况，估算出函数在其他点处的近似值。 早在6世纪，中国的刘焯已将等距二次插值用于天文计算。17世纪之后，牛顿、拉格朗日分别讨论了等距和非等距的一般插值公式。在近代，插值法仍然是数据处理和编制函数表的常用工具，又是数值积分、数值微分、非线性方程求根和微分方程数值解法的重要基础，许多求解计算公式都是以插值为基础导出的。 插值问题的提法是：假定区间[a，b〕上的实值函数f（x）在该区间上 n＋1 个互不相同点x 0，x 1 (x) n 处的值是f（x ），……f（x n ），要求估算f（x）在[a，b〕 中某点的值。其做法是：在事先选定的一个由简单函数构成的有n＋1个参数C ， C 1，……C n 的函数类Φ(C ，C 1 ，……C n )中求出满足条件P（x i ）＝f（x i ）（i＝0，1，…… n）的函数P(x)，并以P(x)作为f(x)的估值。此处f（x）称为被插值函数，x 0，x 1 ，……xn 称为插值结(节)点，Φ(C 0，C 1 ，……C n )称为插值函数类，上面等式称为插值条件， Φ（C 0，……C n ）中满足上式的函数称为插值函数，R（x）＝ f（x）－P（x）称为 插值余项。
求解这类问题，它有很多种插值法，其中以拉格朗日(Lagrange)插值和牛顿(Newton)插值为代表的多项式插值最有特点，常用的插值还有Hermit 插值，分段插值和样条插值。 一．拉格朗日插值 1.问题提出： 已知函数()y f x =在n+1个点01,, ,n x x x 上的函数值01,, ,n y y y ，求任意一点 x '的函数值()f x '。 说明：函数()y f x =可能是未知的；也可能是已知的，但它比较复杂，很难计算其函数值()f x '。 2.解决方法： 构造一个n 次代数多项式函数()n P x 来替代未知（或复杂）函数()y f x =，则 用()n P x '作为函数值()f x '的近似值。 设()2012n n n P x a a x a x a x =+++ +，构造()n P x 即是确定n+1个多项式的系数 012,,,,n a a a a 。 3.构造()n P x 的依据： 当多项式函数()n P x 也同时过已知的n+1个点时，我们可以认为多项式函数 ()n P x 逼近于原来的函数()f x 。根据这个条件，可以写出非齐次线性方程组： 20102000 201121112012n n n n n n n n n n a a x a x a x y a a x a x a x y a a x a x a x y ?+++ +=?++++=??? ?+++ +=? 其系数矩阵的行列式D 为范德萌行列式： () 200021110 2 111n n i j n i j n n n n x x x x x x D x x x x x ≥>≥= = -∏
kriging 插值作为地统计学中的一种插值方法由南非采矿工程师D.G.Krige于1951年首次提出，是一种求最优、线形、无偏的空间内插方法。在充分考虑观测资料之间的相互关系后，对每一个观测资料赋 予一定的权重系数，加权平均得到估计值。 这里介绍普通Kriging插值方法的基本步骤：1.该方法中衡量各点之间空间相关程度的测度是半方 差，其计算公式为： h为各点之间距离，n 是由h 分开的成对样本点的数量，z 是点的属性值。 2.在不同距离的半方差值都计算出来后，绘制半方差图，横轴代表距离，纵轴代表半方差。半方差图中有三个参数nugget（表示距离为零时的半方差）,sill（表示基本达到恒定的半方差值）,range(表示一个值域范围，在该范围内半方差随距离增加，超过该范围，半方差值趋于恒定)。利用做出的半方差图找出与之拟合的最好的理论变异函数模型（这是关键所在），可用于拟合的模型包括高斯模型、线性模型、球状 模型、指数模型、圆形模型。 ----球状模型，球面模型空间相关随距离的增长逐渐衰减，当距离大于球面半径后，空间相关消失。 3.用拟合的模型计算出三个参数。例如球状模型中nugget为c0，range为a，sill为c。 4．利用拟合的模型估算未知点的属性值，方程为： ，z0为估计值，zx是已知点的值，wx为权重，s是用来估算未知点的 已知点的数目。 假如用三个点来估算，则有
这样权重就可以求出，然后估算未知点。 （上述内容根据《地理信息系统导论》（Kang-tsung Chang著；陈健飞等译，科学出版社，2003）第十三章内容进行总结，除球状模型公式外其余公式皆来自此书） 下面是本人自己编写的利用海洋中断面上观测站点的实测温度值来估算未观测处的温度的Fortran程序，利用距离未知点最近的五个观测点来估算未知点的温度，选用模型为球状模型。 do ii=1,nx if(tgrid(ii,1)==0.)then do i=1,dsite(ii) !首先寻找距离最近的五个已知点位置 do j=1,nh if(d(mm(ii),j).ne.0.or.j==1)then hmie(j)=d(mm(ii),j)-dgrid(i) else hmie(j)=9999 end if hmid(j)=abs(hmie(j)) end do do j=1,nh do k=j,nh if(hmid(j) 专题五数据分析与多项式计算5.3 数据插值 ?引例-零件加工问题 ?数据插值的计算机制 ?数据插值的实现方法 ?应用案例-粮储仓的通风控制问题 x 035791112131415 y0 1.2 1.7 2.0 2.1 2.0 1.8 1.2 1.0 1.6 机翼下轮廓线 在飞机制造中，机翼的加工是一项关键技术。由于机翼尺寸很大，通常在图纸中只能标出一些关键点的数据。下表给出了某型飞机机翼的下缘轮廓线数据，求x每改变0.1时y的值。 引例-零件加工问题 >> x=[0,3,5,7,9,11,12,13,14,15]; >>y=[0,1.2,1.7,2.0,2.1,2.0,1.8,1.2,1.0,1.6]; >> x1=0:0.1:15; >> y1=interp1(x,y,x1,'spline'); >> plot(x1,y1) 数据插值的计算机制 x x 1x2…x k…x n y y1y2…y k…y n y=f(x) φ(x)≈f(x)未知函数近似函数 满足φ(x i )=y i(i=1,2,3,…,n) 从数学上来说，数据插值是一种函数逼近的方法。 数据插值的实现方法 在MATLAB中，一维插值函数为interp1()，其调用格式为： Y1=interp1(X,Y,X1,method) 该语句将根据X、Y的值，计算函数在X1处的值。其中，X、Y是两个等长的已知向量，分别表示采样点和采样值。X1是一个向量或标量，表示要插值的点。 method参数用于指定插值方法，常用的取值有以下四种： （1）linear：线性插值，默认方法。将与插值点靠近的两个数据点用直线连接，然后在直线上选取对应插值点的数据。 （2）nearest：最近点插值。选择最近样本点的值作为插值数据。 1、距离倒数乘方法 距离倒数乘方格网化方法是一个加权平均插值法，可以进行确切的或者圆滑的方式插值。方次参数控制着权系数如何随着离开一个格网结点距离的增加而下降。对于一个较大的方次，较近的数据点被给定一个较高的权重份额，对于一个较小的方次，权重比较均匀地分配给各数据点。计算一个格网结点时给予一个特定数据点的权值与指定方次的从结点到观测点的该结点被赋予距离倒数成比例。当计算一个格网结点时，配给的权重是一个分数，所有权重的总和等于1.0。当一个观测点与一个格网结点重合时，该观测点被给予一个实际为 1.0 的权重，所有其它观测点被给予一个几乎为0.0 的权重。换言之，该结点被赋给与观测点一致的值。这就是一个准确插值。距离倒数法的特征之一是要在格网区域内产生围绕观测点位置的"牛眼"。用距离倒数格网化时可以指定一个圆滑参数。大于零的圆滑参数保证，对于一个特定的结点，没有哪个观测点被赋予全部的权值，即使观测点与该结点重合也是如此。圆滑参数通过修匀已被插值的格网来降低"牛眼"影响。 2、克里金法 克里金法是一种在许多领域都很有用的地质统计格网化方法。克里金法试图那样表示隐含在你的数据中的趋势，例如，高点会是沿一个脊连接，而不是被牛眼形等值线所孤立。克里金法中包含了几个因子：变化图模型，漂移类型和矿块效应。 3、最小曲率法 最小曲率法广泛用于地球科学。用最小曲率法生成的插值面类似于一个通过各个数据值的，具有最小弯曲量的长条形薄弹性片。最小曲率法，试图在尽可能严格地尊重数据的同时，生成尽可能圆滑的曲面。使用最小曲率法时要涉及到两个参数：最大残差参数和最大循环次数参数来控制最小曲率的收敛标准。 4、多元回归法 多元回归被用来确定你的数据的大规模的趋势和图案。你可以用几个选项来确定你需要的趋势面类型。多元回归实际上不是插值器，因为它并不试图预测未知的Z 值。它实际上是一个趋势面分析作图程序。使用多元回归法时要涉及到曲面定义和指定XY的最高方次设置，曲面定义是选择采用的数据的多项式类型，这些类型分别是简单平面、双线性鞍、二次曲面、三次曲面和用户定义的多项式。参数设置是指定多项式方程中X 和Y组元的最高方次。 5、径向基本函数法 径向基本函数法是多个数据插值方法的组合。根据适应你的数据和生成一个圆滑曲面的能力，其中的复二次函数被许多人认为是最好的方法。所有径向基本函数法都是准确的插值器，它们都要为尊重你的数据而努力。为了试图生成一个更圆滑的曲面，对所有这些方法你都可以引入一个圆滑系数。你可以指定的函数类似于克里金中的变化图。当对一个格网结点插值时，这些个函数给数据点规定了一套最佳权重。 6、谢别德法 谢别德法使用距离倒数加权的最小二乘方的方法。因此，它与距离倒数乘方插值器相似，但它利用了局部最小二乘方来消除或减少所生成等值线的"牛眼"外观。谢别德法可以是一个准确或圆滑插值器。在用谢别德法作为格网化方法时要涉及到圆滑参数的设置。圆滑参数是使谢别德法能够象一个圆滑插值器那样工作。当你增加圆滑参数的值时，圆滑的效果越好。 7、三角网/线形插值法 三角网插值器是一种严密的插值器，它的工作路线与手工绘制等值线相近。这种方法是通过在数据点之间连线以建立起若干个三角形来工作的。原始数据点的连结方法是这样：所有三角形的边都不能与另外的三角形相交。其结果构成了一张覆盖格网范围的，由三角形拼接起来的网。每一个三角形定义了一个覆盖该三角形内格网结点的面。三角形的倾斜和标高由定义这个三角形的三个原始数据点确定。给定三角形内的全部结点都要受到该三角形的表面的限制。因为原始数据点被用来定义各个三角形，所以你的数据是很受到尊重的。 8.自然邻点插值法 自然邻点插值法(NaturalNeighbor)是Surfer7.0才有的网格化新方法。自然邻点插值法广泛应用于一 第十章 插值与拟合方法建模 在生产实际中，常常要处理由实验或测量所得到的一批离散数据，插值与拟合方法就是要通过这些数据去确定某一类已经函数的参数，或寻求某个近似函数使之与已知数据有较高的拟合精度。插值与拟合的方法很多，这里主要介绍线性插值方法、多项式插值方法和样条插值方法，以及最小二乘拟合方法在实际问题中的应用。相应的理论和算法是数值分析的内容，这里不作详细介绍，请参阅有关的书籍。 §1 数据插值方法及应用 在生产实践和科学研究中，常常有这样的问题：由实验或测量得到变量间的一批离散样点，要求由此建立变量之间的函数关系或得到样点之外的数据。与此有关的一类问题是当原始数据 ),(,),,(),,(1100n n y x y x y x 精度较高，要求确定一个初等函数)(x P y =（一般用多项式或分段 多项式函数）通过已知各数据点（节点），即n i x P y i i ,,1,0,)( ==，或要求得函数在另外一些点（插值点）处的数值，这便是插值问题。 1、分段线性插值 这是最通俗的一种方法，直观上就是将各数据点用折线连接起来。如果 b x x x a n =<<<= 10 那么分段线性插值公式为 n i x x x y x x x x y x x x x x P i i i i i i i i i i ,,2,1,,)(11 1 11 =≤<--+--= ----- 可以证明，当分点足够细时，分段线性插值是收敛的。其缺点是不能形成一条光滑曲线。 例1、已知欧洲一个国家的地图，为了算出它的国土面积，对地图作了如下测量：以由西向东方向为x 轴，由南向北方向为y 轴，选择方便的原点，并将从最西边界点到最东边界点在x 轴上的区间适当的分为若干段，在每个分点的y 方向测出南边界点和北边界点的y 坐标y1和y2，这样就得到下表的数据（单位：mm ）。 Kriging插值法 (2012-04-19 13:48:09) 转载▼ 标签： 杂谈 克里金法是通过一组具有z 值的分散点生成估计表面的高级地统计过程。与插值工具集中的其他插值方法不同，选择用于生成输出表面的最佳估算方法之前，有效使用克里金法工具涉及z 值表示的现象的空间行为的交互研究。 什么是克里金法？ IDW（反距离加权法）和样条函数法插值工具被称为确定性插值方法，因为这些方法直接基于周围的测量值或确定生成表面的平滑度的指定数学公式。第二类插值方法由地统计方法（如克里金法）组成，该方法基于包含自相关（即，测量点之间的统计关系）的统计模型。因此，地统计方法不仅具有产生预测表面的功能，而且能够对预测的确定性或准确性提供某种度量。 克里金法假定采样点之间的距离或方向可以反映可用于说明表面变化的空间相关性。克里金法工具可将数学函数与指定数量的点或指定半径内的所有点进行拟合以确定每个位置的输出值。克里金法是一个多步过程；它包括数据的探索性统计分析、变异函数建模和创建表面，还包括研究方差表面。当您了解数据中存在空间相关距离或方向偏差后，便会认为克里金法是最适合的方法。该方法通常用在土壤科学和地质中。 克里金法公式 由于克里金法可对周围的测量值进行加权以得出未测量位置的预测，因此它与反距离权重法类似。这两种插值器的常用公式均由数据的加权总和组成： ?其中： Z(s i) = 第i个位置处的测量值 λi = 第i个位置处的测量值的未知权重 s0 = 预测位置 N = 测量值数 在反距离权重法中，权重λi仅取决于预测位置的距离。但是，使用克里金方法时，权重不仅取决于测量点之间的距离、预测位置，还取决于基于测量点的整体空间排列。要在权重中使用空间排列，必须量化空间自相关。因此，在普通克里金法中，权重λi取决于测量点、预测位置的距离和预测位置周围的测量值之间空间关系的拟合模型。以下部分将讨论如何使用常用克里金法公式创建预测表面地图和预测准确性地图。 使用克里金法创建预测表面地图 要使用克里金法插值方法进行预测，有两个任务是必需的： ?找到依存规则。 ?进行预测。 要实现这两个任务，克里金法需要经历一个两步过程： 1.创建变异函数和协方差函数以估算取决于自相关模型（拟合模型）的统计相关性（称 为空间自相关）值。 2.预测未知值（进行预测）。 由于这两个任务是不同的，因此可以确定克里金法使用了两次数据：第一次是估算数据的空间自相关，第二次是进行预测。 变异分析数据插值(ppt)
常见几种插值方法
数学建模案例分析插值与拟合方法建模1数据插值方法及应用
克里金算法
相关主题
文本预览