基于空间特征分析的自适应空间插值方法及其系统

摘要

本发明公开了一种基于空间分布特征的自适应空间插值方法，包括：提取污染物监测值；基于变异函数建立插值模型；引入方向特征至插值模型和变异函数；判定污染物的空间分布为各向同性或各向异性；基于各向同性或各向异性设定搜索策略以确定参估点；根据各个方向上的变异函数表达式及参估点确定插值点的污染物浓度属性值。与现有技术相比，本发明插值方法是对样本点属性数据作空间特征分析后生成，在考虑了样本点属性数据的空间分布特征的前提下，保证计算量不大，且提高了插值精度，从而更加准确地预测研究区域未知点的属性特征值。本发明同时公开了一种基于空间分布特征的自适应空间插值系统。

主权项

一种基于空间特征分析的自适应空间插值方法，其特征在于，包括步骤：S1：提取地理位置信息与污染物监测值；S2：基于地统计学原理，分析区域环境空气质量的空间分布特征；S3：基于变异函数建立自适应空间插值模型，所述自适应空间插值模型的表达式为：$Z\left(x_0\right)=\underset{i=1}{\overset{n}{\Sigma }}{\lambda }_{i}Z\left(x_i\right)=\frac{{\Sigma }_{i=1}^n\frac{1}{\gamma \left(d_i\right)}Z\left(x_i\right)}{{\Sigma }_{i=1}^n\frac{1}{\gamma \left(d_i\right)}}---\left(1\right)$其中，λ_i为已知样本点x_i的权重系数；Z(x_o)为插值点的污染物浓度属性值，i为自然数，n为影响插值点的样本点总数，d_i为插值点x_o与参估点x_i之间的距离，Z(x_i)为参估点的污染物浓度属性值，γ(d_i)为以d_i为变量的变异函数；S4：引入方向特征至所述自适应空间插值模型得到公式(2)：$Z\left(x_o\right)=\underset{i=1}{\overset{n}{\Sigma }}{\lambda }_{i}Z\left(x_i\right)=\frac{\underset{i=1}{\overset{n}{\Sigma }}\frac{1}{\gamma (d_i,\theta )}Z\left(x_i\right)}{\underset{i=1}{\overset{n}{\Sigma }}\frac{1}{\gamma (d_i,\theta )}}---\left(2\right)$其中，λ_i为已知样本点x_i的权重系数；Z(x_o)为插值点的污染物浓度属性值，i为自然数，n为影响插值点的样本点总数，d_i为插值点x_o与参估点x_i之间的距离，θ为插值点x_o与参估点x_i之间的位置角度，γ(d_i,θ)为以d_i、θ为变量的变异函数；S5：向所述变异函数引入方向特征以获取各个方向上的变异函数表达式；S6：根据所述各个方向上的变异函数表达式判定所述污染物的空间分布为各向同性或各向异性；S7：基于各向同性或各向异性设定搜索策略以确定所述参估点x_i；S8：根据所述各个方向上的变异函数表达式及所述参估点确定公式(2)中插值点的污染物浓度属性值Z(x_o)。