本文關鍵詞：基于改進的逐點交叉驗證的RBF形態(tài)參數(shù)優(yōu)化方法及其空間插值實驗

  更多相關文章： 空間插值 徑向基函數(shù) 形態(tài)參數(shù) 逐點交叉驗證

【摘要】：徑向基函數(shù)(Radial Basis Function,RBF)是一種確定性的多維空間插值模型,可以有效逼近任意維度的空間數(shù)據(jù)。RBF插值模型中,基函數(shù)形態(tài)參數(shù)直接影響插值精度。為了快速求解最佳形態(tài)參數(shù),獲取準確的插值結果,該文采用改進的逐點交叉驗證(Improved Leave One Out Cross Validation,ILOOCV)方法求取最優(yōu)形態(tài)參數(shù),首先從形態(tài)參數(shù)取值區(qū)間內(nèi)選定初始形態(tài)參數(shù)α,然后從n個已知點中順序選出一個點,使用剩下的n-1個已知點構建RBF插值模型,計算被取出點處真實值與插值結果的誤差,循環(huán)n次,累計交叉驗證誤差,再依次從形態(tài)參數(shù)取值區(qū)間選取下一個值,重復操作,建立形態(tài)參數(shù)α與累計交叉驗證誤差之間的函數(shù)映射關系,最后通過最小化交叉驗證誤差來獲取最佳形態(tài)參數(shù)。以我國東北地區(qū)氣象觀測數(shù)據(jù)進行實驗,對ILOOCV方法進行驗證,結果表明ILOOCV方法選取最佳形態(tài)參數(shù)使其插值結果比較精確,是一種可行的RBF形態(tài)參數(shù)優(yōu)化方法。
【作者單位】： 云南師范大學旅游與地理科學學院;虛擬地理環(huán)境教育部重點實驗室(南京師范大學);江蘇省地理環(huán)境演化國家重點實驗室培育建設點;
【關鍵詞】： 空間插值 徑向基函數(shù) 形態(tài)參數(shù) 逐點交叉驗證
【基金】：國家自然科學基金項目(41271383) 云南師范大學博士基金項目(01300205020503113)
【分類號】：P208
【正文快照】： 0引言空間插值是GIS進行地理分析的重要方法[1]。Franke從插值效果、參數(shù)靈敏度、執(zhí)行時間、存儲要求及編程實現(xiàn)的難易程度等方面對多種插值方法進行比較,得出RBF插值是一種較優(yōu)的空間插值方法[2]。使用RBF插值方法進行空間插值需要解決兩個問題:基函數(shù)的選取和形態(tài)參數(shù)的優(yōu)化，

本文編號：1001252