WikiDer > Интерполяция Барнса - Википедия

Интерполяция Барнса, названный в честь Стэнли Л. Барнса, является интерполяция неравномерно распределенных точек данных из набора измерений неизвестной функции в двух измерениях в аналитическая функция двух переменных. Пример ситуации, когда важна схема Барнса, приведен в прогноз погоды^[1][2] где измерения производятся везде, где могут быть расположены станции мониторинга, положение которых ограничено топография. Такая интерполяция важна при визуализации данных, например в строительстве контурные графики или другие представления аналитических поверхностей.

Вступление

Барнс предложил объективную схему интерполяции двумерных данных с использованием многопроходной схемы.^[3][4] Это обеспечило метод интерполяции давлений на уровне моря по всей территории Соединенных Штатов Америки, что позволило получить синоптическая карта по стране с использованием рассредоточенных станций мониторинга. Впоследствии исследователи улучшили метод Барнса, чтобы уменьшить количество параметров, необходимых для вычисления интерполированного результата, увеличив объективность метода.^[5]

Метод строит сетку размера, определяемого распределением двухмерных точек данных. Используя эту сетку, значения функции вычисляются в каждой точке сетки. Для этого в методе используется ряд Гауссовы функции, учитывая дистанционное взвешивание для определения относительной важности любого данного измерения для определения значений функции. Затем выполняются проходы коррекции для оптимизации значений функции с учетом спектральный отклик интерполированных точек.

Метод

Здесь мы описываем метод интерполяции, используемый в многопроходной интерполяции Барнса.

Первый проход

Для данной точки сетки я, j интерполированная функция грамм(Икс_я, у_я) сначала аппроксимируется обратным взвешиванием точек данных. Для этого каждому гауссиану для каждой точки сетки присваиваются весовые значения, так что

${ displaystyle w_ {ij} = exp left (- { frac {r_ {m} ^ {2}} { kappa}} right), ,}$

куда ${ displaystyle kappa}$ - параметр спада, который контролирует ширину функции Гаусса. Этот параметр управляется характерным интервалом между данными для фиксированного гауссова радиуса отсечки. ш_ij = е⁻¹ давая Δп такой, что:

${ displaystyle kappa = 5.052 , left ({ frac {2 , Delta n} { pi}} right) ^ {2}. ,}$

Начальная интерполяция функции по измеренным значениям ${ displaystyle f_ {k} (x, y)}$ затем становится:

${ displaystyle g_ {0} (x_ {i}, y_ {j}) = { frac { displaystyle sum _ {k} w_ {ij} f_ {k} (x, y)} { displaystyle sum _ {k} w_ {ij}}}.}$

Второй проход

Затем коррекция для следующего прохода использует разницу между наблюдаемым полем и интерполированными значениями в точках измерения для оптимизации результата:^[1]

${ displaystyle g_ {1} (x_ {i}, y_ {j}) = g_ {0} (x_ {i}, y_ {j}) + sum (f (x, y) -g_ {0} ( x, y)) exp left (- { frac {r_ {m} ^ {2}} { gamma kappa}} right). ,}$

Следует отметить, что последовательные шаги коррекции могут использоваться для достижения лучшего согласия между интерполированной функцией и измеренными значениями в экспериментальных точках.

Выбор параметра

Хотя метод описан как объективный, существует множество параметров, которые управляют интерполированным полем. Выбор Δп, шаг сетки ΔИкс и ${ displaystyle gamma}$ так же влияют на конечный результат. Были предложены рекомендации по выбору этих параметров,^[5] однако используемые окончательные значения могут быть выбраны в соответствии с настоящими рекомендациями.

Интервал данных, используемый в анализе, Δп может быть выбран либо путем расчета истинного расстояния между точками экспериментальных данных, либо с помощью полная пространственная случайность предположение, в зависимости от степени кластеризация в наблюдаемых данных. Параметр сглаживания ${ displaystyle gamma}$ может быть от 0,2 до 1,0. Из соображений целостности интерполяции ΔИкс утверждается, что он ограничен от 0,3 до 0,5.

Примечания