径向基函数工作原理

RBF 方法是一系列精确插值方法的组合;即表面必须通过每一个测得的采样值。有以下五种基函数:

在不同的插值表面中,每种基函数都有不同的形状和结果。RBF 方法是样条函数的一个特例。

从概念上讲,RBF 类似于在最小化表面的总曲率时通过测得的样本值拟合橡皮膜。所选基函数确定如何在值之间拟合橡皮膜。下图从概念上演示了 RBF 表面如何通过一系列高程采样值进行拟合。请注意,在横截面上表面穿过数据值。

径向基函数 (RBF) 插值法

作为精确插值器,RBF 方法不同于全局和局部多项式插值器,它们都不是精确插值器(不要求表面穿过测量点)。比较 RBF 和 IDW(也是精确插值器)来看,IDW 从不预测大于最大测量值或小于最小测量值的值,如以下样本数据的样带横截面所示。

反距离权重剖面

而 RBF 却可预测大于最大测量值和小于最小测量值的值,如以下横截面所示。

RBF 横截面

使用交叉验证确定最佳参数,方法与针对 IDW 和局部多项式插值法所述的方法相似。

何时使用径向基函数

RBF 用于根据大量数据点生成平滑表面。这些函数可为平缓变化的表面(如高程)生成很好的结果。

但在表面值在短距离内出现剧烈变化和/或怀疑样本值很可能有测量误差或不确定性时,这些方法不适用。

径向基函数涉及的概念

在 Geostatistical Analyst 中,每个数据位置都会形成 RBF。RBF 是一个随着距某一位置的距离变化而变化的函数。

RBF 概念图

例如,假设径向基函数只是距每个位置的距离,因此它在每个位置处都形成一个倒圆锥。如果在 y = 5 处绘制 x,z 平面的横截面,将看到每个径向基函数的一部分。现在假设要在 y = 5、x = 7 处预测值。每个径向基函数的值均可取自上图中的每个预测位置,这些值由仅依赖于距每个数据位置的距离的 Φ1、Φ2 和 Φ3 值给出。预测器通过接收加权平均值 w1Φ1 + w2Φ2 + w3Φ3 + … 而形成

现在的问题是如何确定权重?到目前为止,根本没有使用过数据值。在将预测移到含有测量值的位置时,通过要求精确预测测量值找到了权重 w1、w2 和 w3 等。这形成了含有 N 个未知数的 N 个方程,它们只有一种求解方法。因此,表面穿过数据值以做出精确预测。

此例中的径向基函数是高次曲面 RBF 的一个特例。Geostatistical Analyst 还允许使用其他 RBF,例如规则样条函数、薄板样条函数、张力样条函数和反高次曲面样条函数。有时,这些函数的差别不大,但可出于一定原因而选择某一个函数,也可尝试多个函数并使用交叉验证选择一个。每个 RBF 都有一个控制表面“平滑度”的参数。

RBF 菜单

对于除反高次曲面外的所有方法,参数值越高,地图越平滑;对于反高次曲面则正相反。

9/15/2013