📄Работа №189950
Тема: Использование методов пространственной интерполяции при описании полей экспериментальных данных
Тип работы
Дипломные работы, ВКР
Предмет
математика
Объем:
59 листов
Год:
2019
Просмотров:
42
4590
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Реферат 2
ВВЕДЕНИЕ 6
1 Пространственная интерполяция 7
1.1 Задачи пространственной интерполяции 7
1.2 Методы пространственной интерполяции 8
1.3 Точные и сглаживающие интерполяторы 8
1.4 Взвешенное усреднение 9
1.5 Окрестность поиска 9
2 Методы пространственной интерполяции 10
2.1 Метод обратных расстояний - «Inverse Distance to a Power» 10
2.2 Метод ближайшего соседа - «Nearest Neighbor» 11
2.3 Метод скользящего среднего - «Moving Average» 12
2.4 Полиномиальная регрессия - «Polynomial Regression» 13
2.5 Метод локальных полиномов - «Local Polinomial» 14
2.6 Триангуляция с линейной интерполяцией - «Triangulation with Linear Interpol ation»15
3 Кросс-валидация 17
3.1 Методика оценивания методов интерполяции 18
4 Результаты работы методов пространственной интерполяции 19
4.1 Исходные данные 19
4.2 Метод обратных расстояний 21
4.3 Метод ближайшего соседа 23
4.4 Метод скользящего среднего 24
4.5 Метод полиномиальной регрессии 26
4.6 Метод локальных полиномов 28
4.7 Триангуляция с линейной интерполяцией 30
5 Анализ полученных результатов 31
ЗАКЛЮЧЕНИЕ 32
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 33
ПРИЛОЖЕНИЕ А Блок-схема алгоритма обратных расстояний 35
ПРИЛОЖЕНИЕ Б Блок-схема алгоритма ближайшего соседа 36
ПРИЛОЖЕНИЕ В Блок-схема алгоритма скользящего среднего 37
ПРИЛОЖЕНИЕ Г Блок-схема алгоритма полиномиальной регрессии 38
ПРИЛОЖЕНИЕ Д Блок-схема алгоритма локальных полиномов 39
ПРИЛОЖЕНИЕ Е Блок-схема алгоритма триангуляции и линейной интерполяции 40
ПРИЛОЖЕНИЕ Ж Таблица невязок вычисления температуры при кросс-валидации для каждого изучаемого месяца методом полиномиальной регрессии 41
ПРИЛОЖЕНИЕ И Таблица невязок вычисления температуры при кросс-валидации для каждого изучаемого месяца методом ближайшего соседа 45
ПРИЛОЖЕНИЕ К Код реализации метода обратных расстояний 49
ПРИЛОЖЕНИЕ М Код реализации метода скользящего среднего 51
ПРИЛОЖЕНИЕ Н Код реализации метода полиномиальной регрессии 52
ПРИЛОЖЕНИЕ П Код реализации метода локальных полиномов 53
ПРИЛОЖЕНИЕ Р Код реализации метода триангуляции с линейной интерполяцией 55
ПРИЛОЖЕНИЕ С Таблица средних невязок интерполяции для методов 57
ВВЕДЕНИЕ 6
1 Пространственная интерполяция 7
1.1 Задачи пространственной интерполяции 7
1.2 Методы пространственной интерполяции 8
1.3 Точные и сглаживающие интерполяторы 8
1.4 Взвешенное усреднение 9
1.5 Окрестность поиска 9
2 Методы пространственной интерполяции 10
2.1 Метод обратных расстояний - «Inverse Distance to a Power» 10
2.2 Метод ближайшего соседа - «Nearest Neighbor» 11
2.3 Метод скользящего среднего - «Moving Average» 12
2.4 Полиномиальная регрессия - «Polynomial Regression» 13
2.5 Метод локальных полиномов - «Local Polinomial» 14
2.6 Триангуляция с линейной интерполяцией - «Triangulation with Linear Interpol ation»15
3 Кросс-валидация 17
3.1 Методика оценивания методов интерполяции 18
4 Результаты работы методов пространственной интерполяции 19
4.1 Исходные данные 19
4.2 Метод обратных расстояний 21
4.3 Метод ближайшего соседа 23
4.4 Метод скользящего среднего 24
4.5 Метод полиномиальной регрессии 26
4.6 Метод локальных полиномов 28
4.7 Триангуляция с линейной интерполяцией 30
5 Анализ полученных результатов 31
ЗАКЛЮЧЕНИЕ 32
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 33
ПРИЛОЖЕНИЕ А Блок-схема алгоритма обратных расстояний 35
ПРИЛОЖЕНИЕ Б Блок-схема алгоритма ближайшего соседа 36
ПРИЛОЖЕНИЕ В Блок-схема алгоритма скользящего среднего 37
ПРИЛОЖЕНИЕ Г Блок-схема алгоритма полиномиальной регрессии 38
ПРИЛОЖЕНИЕ Д Блок-схема алгоритма локальных полиномов 39
ПРИЛОЖЕНИЕ Е Блок-схема алгоритма триангуляции и линейной интерполяции 40
ПРИЛОЖЕНИЕ Ж Таблица невязок вычисления температуры при кросс-валидации для каждого изучаемого месяца методом полиномиальной регрессии 41
ПРИЛОЖЕНИЕ И Таблица невязок вычисления температуры при кросс-валидации для каждого изучаемого месяца методом ближайшего соседа 45
ПРИЛОЖЕНИЕ К Код реализации метода обратных расстояний 49
ПРИЛОЖЕНИЕ М Код реализации метода скользящего среднего 51
ПРИЛОЖЕНИЕ Н Код реализации метода полиномиальной регрессии 52
ПРИЛОЖЕНИЕ П Код реализации метода локальных полиномов 53
ПРИЛОЖЕНИЕ Р Код реализации метода триангуляции с линейной интерполяцией 55
ПРИЛОЖЕНИЕ С Таблица средних невязок интерполяции для методов 57
📖 Введение
Для того, чтобы грамотно принимать решения в сфере экологии, охраны окружающей среды, природопользования и землепользования приходится опираться на данные, представляемые и обрабатываемые современными геоинформационными системами (ГИС).
Обычно, для принятия решений необходимы данные, представляющие собой распределение метеопараметров. Например, выбор места строительства спортивных, производственных или торговых объектов требует информации об осадках, температуре, влажности и др. Для того, чтобы получить такие данные, используют процедуру интерполирования наземных данных, которые, в свою очередь измерены на метеостанциях и постах. Отсутствие в широком доступе результатов объективного анализа, реализованного на заданной территории в необходимом формате, требует решения задачи интерполирования доступных исходных измерений известными алгоритмами.
В этой работе будет представлена реализация нескольких таких алгоритмов. В качестве исходных данных были взяты среднемесячные значения температуры и осадков на 35 станциях Алтая.
Обычно, для принятия решений необходимы данные, представляющие собой распределение метеопараметров. Например, выбор места строительства спортивных, производственных или торговых объектов требует информации об осадках, температуре, влажности и др. Для того, чтобы получить такие данные, используют процедуру интерполирования наземных данных, которые, в свою очередь измерены на метеостанциях и постах. Отсутствие в широком доступе результатов объективного анализа, реализованного на заданной территории в необходимом формате, требует решения задачи интерполирования доступных исходных измерений известными алгоритмами.
В этой работе будет представлена реализация нескольких таких алгоритмов. В качестве исходных данных были взяты среднемесячные значения температуры и осадков на 35 станциях Алтая.
✅ Заключение
В данной работе были реализованы и протестированы на тестовых данных 8 пространственных методов интерполяции. Были построены карты температур для каждого из рассмотренных методов. Также была рассмотрена методика оценки качества работы данных методов - кросс-валидация. Был произведен анализ эффективности методов пространственной интерполяции и выявлен самый эффективный на исходном наборе данных.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.