Kriging空间插值方法在地表形变监测中的应用

研究目的:探讨分析Kriging空间插值方法引入到地表形变监测中的可行性,以防治矿区地质灾害的发生或重新利用矿区土地资源。研究方法:将监测区域网格化,以监测点两期的监测数据作为样本点,将高程变化量和坐标变化量当作随机变量,运用Kriging插值方法估值网格点沉降量的大小,并运用监测成果绘制了监测区沉降等值线图,对监测成果进行分析及变异函数的评价指标计算。研究结果:监测"盲区"表现出形变量稳定,标准方差较小,插值结果可靠。研究结论:将Kriging空间插值方法运用到地表形变监测中,可实现从整体上宏观地监测整个区域的形变情况。

青藏高原东南缘气象要素Anusplin和Cokriging空间插值对比分析

选取地形起伏度巨大的青藏高原东南缘为研究区,利用该研究区96个气象站点,结合高程数据,分别采用Cokriging和Anusplin空间插值方法,获取2010年250 m分辨率的年均温度和年累计降水插值曲面。并采用交叉验证方法对比Anusplin与Cokriging插值精度,分析了误差的空间分布特征,重点对比两种插值曲面差异较大的区域精度优劣,评价两种方法在复杂地区的适用性。结果表明,Anusplin在复杂地表的插值表现优于Cokriging,其中Anusplin气温插值的均方差仅为0.82℃,而Cokriging的均方差为1.45℃;两者的降水插值精度基本一致,但Anusplin在气象要素空间异质性大的区域优于Cokriging。因此,与Cokriging相比,Anusplin更适合青藏高原东南缘复杂地表气象要素空间插值。

Kriging空间插值最优估计模型的研究

空间插值对土地价格、降雨量、人口分布,等进行估计是最常用也是最有效的方法。空间插值的理论假设是空间位置上越靠近的点,越可能具有相似的特征值;而距离越远的点,其特征值相似的可能性越小。Kriging插值方法以统计学理论为基础。如果采样点数据比较少的情况下,可设计出对Kriging插值的半变异函数进行拟合的实验方案,并从中选出误差最小的估计模型。

应用Cokriging空间插值技术协同生成弱透水层流场

夹在潜水层和承压层之间弱透水层的水头是与潜水、承压含水层水头同时区域化的 ;以松辽盆地大庆市典型复合含水层为例 ,采用协同Cokriging方法生成了弱透水层流场。该方法计算简单 ,与传统方法相比具有较高的精度 ,可用于弱透水层流场分析和评价。

应用时空复合趋势面Kriging方法插值地表沉降

通过布设监测点可反映地表沉降变化趋势,确保施工和运营期间安全,但沉降监测点数量有限,且易受施工作业、天气等因素干扰导致数据缺失或污染,因此需对监测区域数据进行插值处理。针对采用传统地统计插值方法估计地铁地表沉降趋势精度较低的问题,提出了一种基于时空复合趋势面的Kriging插值方法。以乌鲁木齐地铁3号线2017年6月24日—9月3日共15期地铁地表沉降观测值为实验数据,分别采用两种方法对沉降监测点缺失数据进行插补。结果表明,相较于传统方法,基于时空复合趋势面的Kriging插值方法的拟合精度更高,RMSE可降低约35%。

基于Kriging插值代理模型的轴流式止回阀多目标优化

基于Kriging插值代理模型,对轴流式止回阀的各项性能进行综合优化,具体的优化目标为:降低正向流阻;减小阀芯振动;提升止回性能。通过试验设计方案找到影响轴流式止回阀正向流阻的主要结构参数因素,并以其作为优化对象,通过Kriging插值法拟合主要结构参数对应的性能样本点,在保证拟合精度的情况下,使用NSGA-II遗传算法同时对3个主要结构参数进行多目标优化,得到了三目标Pareto前沿,经过权衡不同因素对性能指标的影响大小,最终得到了综合性能最优的结构参数为:阀瓣丰满度系数α_(1)=2.199,阀芯长度L=386.322 mm,阀芯半径R=113.997 mm。其对应的止回阀性能为:正向出口流量Q=161.839 kg/s,正向出口流速v=3.30235 m/s,止回阀进口压力p=97632.2287 Pa。相比优化之前,阀门正向流阻减小了1.2%,阀芯振动降低了0.24%,止回性能提升了2.3%。

基于空间插值的不规则海洋地质样品测试分析数据聚类算法研究

海洋地质调查中获取大量海洋沉积物柱状样样品测试分析数据,样品测试分析目的不同导致柱状样数据采样深度不同,由此造成地质取样数据在三维空间上呈现不规则散点状分布。传统聚类算法无法在三维空间上对此类不规则散点数据进行聚类分析。对此,文章设计了一种基于空间插值的不规则地质样品测试分析数据聚类算法,有效地将三维样品测试分析散点数据降为二维数据后进行聚类分析,本算法较好地解决了地质体中试验测试数据的不均衡性问题,为海洋地质大数据分析提供了基础技术方法。

基于空间插值的长江口邻近海域春季悬浮物和叶绿素a空间分布分析

针对目前利用实测数据对长江口邻近海域水质状况进行分析研究相对偏少的情况,基于“淞航”号2018年春季航次对该海域的综合观测,利用实验室水样分析数据对船载温盐深仪(CTD)的测量数据进行校正,并对该区域2018年春季时节悬浮物(TSM)和叶绿素a(Chl-a)浓度的空间插值结果进行分析。研究结果表明:CTD观测数据与水样分析数据呈较强线性相关关系。反距离权重插值对TSM和Chl-a浓度空间分布具有整体最优的效果。TSM浓度在近岸和近海底较高,在观测区域内出现两个高值中心;Chl-a浓度在近岸海域较高,有较明显的片状高值结构,垂向上表层较高。TSM与Chl-a浓度分布在长江口南北表现出不同的特征,且两者具有一定的负相关性。长江径流、外海洋流、潮汐混合等水动力过程是影响该区域TSM和Chl-a浓度分布的主要因素。

基于AMCPSO优化Kriging插值的温度补偿方法研究

为了降低温度变化对转换力传感器测量精度的影响,提出一种自适应变异混沌粒子群算法(AMCPSO)优化Kriging插值的温度补偿算法(AMCPSO-Kriging)。研发转换力传感器,分析温度对传感器输出的影响,建立温度补偿标定实验平台,通过标定实验获得建立温度补偿模型所需要的样本集,采用数据稀疏化方法对样本数据进行优化。通过Kriging插值构建了温度补偿模型,利用AMCPSO算法以交叉验证方式下模型预测产生的均方根误差和作为适应度函数,对Kriging插值中的范围参数θ和平滑度参数pk进行寻优求解,得到性能最佳的温度补偿模型。基于AMCPSO-Kriging温度补偿模型对转换力传感器的测量效果进行实验验证,与标准力传感器进行对比。实验结果表明:对样本数据进行稀疏化处理,算法平均运行时间从1076 s减少到6 s,提高了温度补偿算法的运行效率。在−20~70℃温度范围内,经过AMCPSO算法优化的Kriging模型有效提高了转换力传感器的测量精度,相比于未经AMCPSO算法优化的Kriging插值,转换力传感器测量的平均满量程误差从1.2%FS降低到0.6%FS。通过现场实验验证温度补偿的效果,转换力传感器测量的绝对误差在70 N以内,最大满量程误差为2.3%FS。所提出的温度补偿方法有效消除了温度对传感器测量精度的影响,满足铁路工况使用要求,对转换力传感器在铁路上实际运用具有重要价值。

Orlicz空间中二元多项式插值的逼近

该文研究Orlicz空间中以Lissajous-Chebyshev结点为插值结点的二元多项式插值逼近问题.借助Holder不等式,光滑模等基本工具,利用Marcinkiewicz-Zygmund不等式及最佳单边逼近首先给出了Orlicz空间中高阶插值逼近的逼近度,其次研究了在不同情况下的二元插值逼近问题,利用光滑模,有界变差函数的总变差及最佳多项式逼近的阶给出了二元插值逼近度的估计.

基于商用微波链路反演降雨的空间插值方法对比研究

为探究适宜于商用微波链路降雨监测数据的空间插值方法,基于无线微波雨衰特性经验模型,分析不同线状降雨数据转换为点状降雨数据情景下,反距离权重法、克里金法和趋势面法对降雨空间插值的反演精度。研究结果表明:微波链路越密集,条数越多,其趋势的一致性越好;在微波线状数据转换为点状数据的五种情景中,将微波链路以200m为间隔概化为具体的降雨监测点时,空间插值效果较好;趋势面法的空间插值效果较好,反距离权重法次之,克里金法最差。研究结果明晰了线状降雨数据转换为格网型空间数据的原则,为商用微波链路组网构建空间二维雨量场提供了支撑,对提高线状降雨监测产品兼容性具有重要意义。

西南地区气温和降雨量空间预测的插值方法比较

以西南地区483个气象站点近20年间的数据资料为基础,引入坡度、海拔作为回归因子,选用普通克里金、协同克里金、回归克里金、经验贝叶斯克里金、贝叶斯回归克里金和地理权重回归法等6种插值方法,对西南地区的温度、降雨量进行空间插值比较,以此进行年平均温度、降雨量的空间预测。随后采用交叉验证法对6种插值方法的预测精度进行比较,从而选择适合西南地区的插值方法。结果表明,精度最高的插值方法为贝叶斯回归法,西南地区的年均温度和降水量从西北向东南逐步上升且受海拔的影响较大。

B样条拟插值算子在Orlicz空间中的逼近

为了研究B样条拟插值算子在Orlicz空间的逼近性质,根据m阶B样条算子所构造出的B样条拟插值算子的定义,利用B样条算子的基本性质、Orliz空间的相关性质和光滑模、K泛函及其等价性质等工具,参照B样条拟插值算子在Lp空间逼近的研究方法对B样条拟插值算子进行了研究,得到B样条拟插值算子的有界性,最后得出B样条拟插值算子在Orlicz空间的逼近正定理。

人群搜索算法拟合Kriging参数的空间数据插值

在Kriging理论模型参数拟合过程中,为减小变异函数权重分配带来的相关误差,全面考虑空间相关性,得到更准确的变异函数模型.采用人群搜索算法(seeker optimization algorithm, SOA),以变异函数拟合值与观测值的加权残差平方和最小为目标建立适应度函数,考虑样本数据的各向异性,迭代搜索模型最优参数进行Kriging插值.实验结果表明,相比于加权最小二乘法拟合,采用SOA拟合Kriging模型参数时,变异函数的加权残差和降低5%~40%,在球状模型、指数模型和高斯模型下Kriging插值的绝对误差分别降低31.02%、24.02%和25.13%.

小保当煤矿地质建模空间插值方法对比

三维地质建模促进了煤矿智能化发展,在煤炭行业的应用非常广泛且具有极其重要的意义。三维地质建模中插值方法对建模结果的准确性尤为重要,利用地面钻孔数据信息,分别采用反距离加权、最小曲率、径向基函数插值和简单克里金4种方法对各层面海拔高程进行空间插值,进行交叉验证,以MAE、MRE和RMSE评估插值精度,确定煤矿建模中最优插值方法。结果表明:M1、M3和M4煤层界面最优插值方法为简单克里金,M2煤层界面插值方法简单克里金与最小曲率法结果表现相当,MRE检验指标表明,简单克里金插值精度为M4>M3>M2>M1,M3和M4煤层结果MRE分别为0.013%和0.014%,M2和M1结果MRE分别为0.183%和0.274%,M3和M4煤层界面插值精度显著优于M2和M1界面。

基于空间插值技术的深圳市PM_(2.5)时空分布特征分析

为研究深圳市PM_(2.5)的时空分布特征,获取了全市11个空气质量国控监测站点2015—2019年的PM_(2.5)逐时数据,利用计算机语言Python对数据进行预处理,在此基础上综合采用时序数据统计分析、空间插值技术和相关性分析揭示PM_(2.5)的时、空间变化规律。结果显示:深圳市2015—2019年PM_(2.5)浓度总体呈现出“西高东低,北高南低”的空间分布格局,PM_(2.5)高浓度天数和高浓度区域面积逐年减少,空气质量呈现出明显的好转趋势;各监测站点的PM_(2.5)年浓度均值在18-38μg/m^(3)之间波动,主要表现为先下降后小幅回升然后又下降;季浓度均值在10-54μg/m^(3)之间波动,呈现出明显的“冬季>秋季>春季>夏季”的季节性变化规律;月浓度均值多以6月份为中心,呈现出“V”字型分布规律;日浓度均值超标天数占比最多不超过8%,且超标天数占比逐年下降;各监测站点的PM_(2.5)日浓度均值变化的一致性与各站点之间的空间距离关系不强。

基于随机森林算法的荆州市降水量空间插值研究

精确的降水量空间分布式信息对气象灾害预警和水资源管理至关重要。文章以荆州市观测降水量资料为基础,构建基于随机森林(RF)的降水量插值模型,对荆州市降水量进行空间插值。结果显示,2022年荆州市降水量介于726.00~1269.00mm,呈现中等程度离散性。观测降水量与协变量之间呈非线性复杂关系,所使用的环境变量具有一定解释意义。基于该模型插值得到荆州市降水量呈现东西部高、中部低的地带性特征。结果可为类似地区的降水量插值研究提供参考。

基于XGBoost算法的山东省降水量空间插值研究

准确的降水量空间分布信息对智慧型农业、水务和环境建设具有重要意义。为克服传统插值法仅考虑站点间空间距离关系的不足,引入XGBoost回归算法构建降水量与海拔、经度、纬度、气温之间非线性关系模型,预测生成山东省500 m空间分辨率的降水量分布信息。结果表明,XGBoost模型验证精度R2达0.78,MAE和RMSE分别为40.29 mm、46.70 mm,相比于传统Anusplin模型的R2提升了5.38%,MAE和RMSE分别减小了55.42%、43.60%。该模型精细反映了省域降水量栅格面,显示山东省降水量呈现自东南沿海和鲁中南向北、西方向地带性减少分布。

顺平县平原区耕地土壤有机质预测精度研究——基于采样尺度和空间插值方法

为研究县域尺度土壤调查最适宜的采样尺度和插值方法,以河北省顺平县山前平原区为例,按照8点/km^(2)点位密度采集1532个土壤样品并测定土壤有机质。从样点中抽取250m×250m、500m×500m、1km×1km、2km×2km 4个采样尺度样本子集,结合地统计学和GIS对有机质空间变异特征进行分析,并对不同采样尺度和插值方法下有机质含量空间插值结果进行分析比较。结果表明:研究区有机质含量具有中等变异性,普通克里金法插值精度优于规则样条函数法和反距离权重法。为保证研究区有机质空间变异评价精度,较为适宜的采样尺度为1km×1km。

基于符号回归的四川省多因子气温空间插值

以四川省为例开展复杂地形下气温插值方法的研究,结合遥感数据、DEM数据与气象站点数据,基于符号回归分别构建多因子气温插值模型、少因子气温插值模型,并与多元线性回归模型和传统插值方法(反距离权重法、普通克里金法、协同克里金法)进行对比。结果表明:基于符号回归的两种模型与多元线性回归模型在四季插值精度均显著优于传统插值方法,其中多因子气温插值模型在四季精度皆为最高;评估基于符号回归的两种模型与多元线性回归模型在简单与复杂地形区域下的气温插值精度,多元线性回归模型在夏季整体精度最差,少因子气温插值模型在冬季的复杂地形区域插值精度最低,而多因子气温插值模型在两种地形区域的全年插值精度皆最优;多因子气温插值模型的气温空间分布特征与遥感气温产品最相近,整体误差较小,可精准反映气温空间分布特征。基于符号回归的多因子气温插值模型可以提升复杂地形区域气温插值精度。