- •Введение
- •Основные возможности пакета Surfer
- •1.2. Основные возможности модуля геостатического анализа (Geostatical Analyst) Гис-пакета ArcGis 9.3.
- •В чем важность ArcGis Geostatistical Analyst?
- •Кому пригодится ArcGis Geostatistical Analyst?
- •4. Каковы функции ArcGis Geostatistical Analyst?
- •Исследование данных и Построение поверхностей
- •12. Что такое Исследовательский анализ пространственных данных?
- •13. Что такое методы интерполяции?
- •14. Как выбрать подходящий метод интерполяции?
- •15. Включены ли в Geostatistical Analyst методы интерполяции, основанные на сплайнах?
- •16. Что такое автокорреляция?
- •17. Что такое кригинг?
- •18. Что такое вариаограмма (полувариограмма)?
- •19. Что такое моделирование ошибок?
- •20. Может ли Geostatistical Analyst выявить ошибки в моих данных?
- •21. Нужно ли дополнительное программное обеспечение для оценки оптимальных параметров прогнозных моделей, включенных в Geostatistical Analyst?
- •22. Можно ли проводить в Geostatistical Analyst поблоковый кригинг?
- •1.3. Подходы к построению карт
- •Подходы к анализу пространственно распределенных данных
- •1.4. Детерминистские методы интерполяции
- •Визуализация интерполяции по методу глобального полинома
- •Визуализация интерполяции по методу локальных полиномов
- •Визуализация радиальных базисных функций
- •Метод взвешенных (обратных) расстояний
- •Метод радиальных базисных функций
- •Когда использовать радиальные базисные функции
- •1.5. Геостатические методы интерполяции
- •2. Методы построения сеточных моделей
- •2.1. Метод Крайгинга
- •Метод радиальных базисных функций
- •2.3. Метод обратных расстояний
- •2.4. Метод Шепарда
- •2.5. Метод минимальной кривизны
- •2.6. Метод полиномиальной регрессии
- •2.7. Триангуляция с линейной интерполяцией
- •2.8. Метод ближайшего соседа
- •2.9. Метод естественного соседа
- •2. 10. Сравнительная характеристика основных методов построения сеточной функции
Метод радиальных базисных функций
Радиальные базисные функции (Radial basis functions - RBF) -это целый ряд жестких методов интерполяции; то есть, поверхность, построенная с использованием этих функций, будет проходить через все опорные точки.
Методы RBF концептуально похожи на метод "резинового листа", когда лист проходит через все опорные точки, и при этом минимизируется общая кривизна поверхности. Выбранная базисная функция определяет, как резиновый лист пройдет через опорные точки. На рисунке 20 внизу наглядно показано, как поверхность, построенная с использованием радиальной базисной функции RBF, проходит через опорные точки с высотами. На профиле обратите внимание, что поверхность проходит через значения опорных точек.
Рисунок 20 – Радиальные функции
Будучи жесткими интерполяторами, методы RBF отличаются от интерполяторов, использующих глобальные и локальные полиномы, поскольку эти два метода являются нежесткими интерполяторами и не предполагают прохождения поверхности через опорные точки (аппроксимируют значения в опорных точках). При сравнении методов с использованием радиальных базисных функций и метода взвешенных расстояний, другого жесткого интерполятора, следует отметить, что метод IDW никогда не даст значений, которые будут выше максимальных или ниже минимальных значений опорных точек.
В отличие от метода взвешенных расстояний, функции RBF могут давать значения выше максимальных и ниже минимальных измеренных значений (см. рисунок 21).
Рисунок 21– Профили поверхности, построенные по методу IDW и RBF
Оптимальные параметры функций определяются так же, как и для метода взвешенной интерполяции и локальных полиномов, т.е. с использованием перекрестной проверки (см. раздел этой главы, посвященный методу взвешенных расстояний).
Когда использовать радиальные базисные функции
Радиальные базисные функции используются для построения сглаженных поверхностей для большого количества опорных точек. Функции дают хорошие результаты для плавно меняющихся поверхностей, таких как рельеф.
Эти методы не подходят в тех случаях, когда на поверхности происходит резкое изменение значений на коротком расстоянии по горизонтали и/или в тех случаях, когда вы предполагаете, что в исходных данных могут быть ошибки или неточности.
Теоретические основы использования радиальных базисных функций
В модуле Geostatistical Analyst радиальные базисные функции формируются над каждой опорной точкой. РБФ - это функция, которая меняется с расстоянием. Например, на рисунке 22 показаны три точки, и для каждой из них функция РБФ показана своим цветом.
Рисунок 22 - Радиальные базовые функции
В данном примере, радиальная базисная функция - просто расстояние от каждой точки, поэтому над каждой точкой она образует перевернутый конус. Если вы посмотрите на сечение плоскости x,z для значения у = 5 (рисунок 22), вы увидите разрез каждой из приведенных РБФ.
Теперь предположим, что вам надо найти значение функции для точки у = 5, х = 7. Значение каждой из рассматриваемых функций RBF в искомой точке может быть определено по графику, показанному на рисунке 22, (значения обозначены буквами f1, f2 и f3) и зависит от расстояния до каждой из точек.
Интерполятор образуется путем нахождения взвешенного среднего w1 f] + w2 f2 + w3f3 +.... Вопрос заключается в том, как определить эти веса?
Ведь вы совсем не использовали значения данных! Веса w1 ,w2 , w3 , и так далее, должны удовлетворять следующему условию:
если искомая точка будет помещена в точку с измеренным значением, значение данных будет проинтерполировано точно. Это приводит к образованию системы из N уравнений с N неизвестными, для которой могут быть найдены однозначные решения.
Таким образом, поверхность проходит через опорные точки, то есть интерполятор является жестким. Функция RBF, приведенная выше, является особым случаем мультиквадратиков.
В модуле Geostatistical Analyst можно также использовать другие функции РБФ, такие как полностью регуляризованный сплайн, плоский сплайн, сплайн с натяжением, и обратные мультиквадратрики. Часто разница между ними невелика, но у вас могут быть причины для выбора одной из них, либо вы можете попробовать использовать несколько функций, а затем для выбора окончательной применить перекрестную проверку. Каждая функция РБФ имеет параметр, который контролирует "сглаживание" поверхности.
Для всех методов, за исключением обратных мультиквадриков, чем выше значение параметра, тем выше сглаживание поверхности; обратное утверждение верно для функции обратных мультиквадриков.
Модуль Geostatistical Analyst использует набор из п базисных функций, по одной для каждой опорной точки. Интерполятор - это линейная комбинация базисных функций [ ga]:
Где: φ(r) -радиальная базисная функция, r= ||si -s0|| - эвклидово расстояние между интерполируемой точкой s0 и каждой опорной точкой si , а {ωi: i = 1, 2, ..., n + 1} - оцениваемые значения весов.
Пусть w = (ω1, ω2,..., ωn), которые вычисляются путем решения системы уравнений.
где Ф - матрица с i,j- ым элементом φ (||si -s0||) для пары опорных точек ij,
1 - вектор столбца, состоящий из единиц, a z - вектор столбца, содержащий данные.
Если φ - вектор, содержащий φ (||si -s0||), интерполятор равен,
Где ω п+1 - параметр смещенности.
Следует использовать аналогичный интерполятор,
где λ решает уравнение.
преимущество которого состоит в том, что он показывает весовые коэффициенты для всех данных. Веса отображаются в диалоге Поиск соседства.
В модуле Geostatistical Analyst используются следующие радиальные функции:
1. Полностью регуляризованный сплайн,
где ln - натуральный логарифм,
Е1(х) - экспоненциальный интеграл; (Abramowitz and Stegun, 1965, стр. 227),
СЕ - константа Эйлера. (Abramowitz and Stegun, 1965, стр. 255),
2. Функция сплайна с натяжением,
где К0(х) - модифицированная функция Бесселя (Abramowitz and Stegun, 1965, стр. 374),
3. Мультиквадрик,
4. Обратный мультиквадрик
5. Плоский сплайн
Оптимальный параметр сглаживания σ определяется путем минимизации среднеквадратичных ошибок вычислений с использованием перекрестной проверки.
Радиальные базисные функции описаны Бишопом (Bishop, 1995. стр. 164). Развернутое описание радиальных функций и их связей со сплайнами и методами кригинга можно найти в работах Cressie (1993, стр. 180) и Chiles и Delfmer (1999, стр. 272).
Геометрическая анизотропия
Геометрическая анизотропия учитывается как преобразование координат:
где θ - угол поворота и r - соотношение размеров малой и большой оси результирующего эллипса. Расстояние затем рассчитывается как (||si+ -s0+ ||)
другой источник- В этом методе искомая функция находится как линейная комбинация набора радиальных базисных функций:
, (2.3)
где а -константа, i - индекс точки измерений, i - неизвестные коэффициенты, Ri(x,y) - базисные функции, зависящие от расстояния точки (х, у) до i-ой точки наблюдения.
Существует пять различных видов функций: плоский сплайн (), сплайн с натяжением (), полностью регуляризованный сплайн() , функция мультиквадратиков (), и обратный мультиквадратик().
Каждая радиальная функция имеет различную форму и результаты для различных поверхностей интерполяции. Методы RBF - форма искусственных нейронных сетей.
Существуют несколько типов базисных функций:
Inverse Multiquadric
Multilog
Мультиквадратичная (Multiquadric), наиболее часто используется;
Natural Cubic Spline
Thin Plate Spline ,
где R2 – фактор сглаживания, чем больше будет параметр, тем более сглаженные будут контура. Разумные значения показателя находятся в интервале от среднего межточечного расстояния выборки до половины этого среднего значения.
Итак, способы, рассмотренные нами, относятся к детерминистским методам интерполяции, поскольку они напрямую основаны на измеренных значениях опорных точек в окрестностях искомой или на заданных математических формулах, которые определяют сглаживание результирующей поверхности.