基于改进的逐点交叉验证的RBF形态参数优化方法及其空间插值实验

发布时间：2017-10-09 16:30

  本文关键词：基于改进的逐点交叉验证的RBF形态参数优化方法及其空间插值实验

  更多相关文章： 空间插值 径向基函数 形态参数 逐点交叉验证

【摘要】：径向基函数(Radial Basis Function,RBF)是一种确定性的多维空间插值模型,可以有效逼近任意维度的空间数据。RBF插值模型中,基函数形态参数直接影响插值精度。为了快速求解最佳形态参数,获取准确的插值结果,该文采用改进的逐点交叉验证(Improved Leave One Out Cross Validation,ILOOCV)方法求取最优形态参数,首先从形态参数取值区间内选定初始形态参数α,然后从n个已知点中顺序选出一个点,使用剩下的n-1个已知点构建RBF插值模型,计算被取出点处真实值与插值结果的误差,循环n次,累计交叉验证误差,再依次从形态参数取值区间选取下一个值,重复操作,建立形态参数α与累计交叉验证误差之间的函数映射关系,最后通过最小化交叉验证误差来获取最佳形态参数。以我国东北地区气象观测数据进行实验,对ILOOCV方法进行验证,结果表明ILOOCV方法选取最佳形态参数使其插值结果比较精确,是一种可行的RBF形态参数优化方法。
【作者单位】： 云南师范大学旅游与地理科学学院;虚拟地理环境教育部重点实验室(南京师范大学);江苏省地理环境演化国家重点实验室培育建设点;
【关键词】： 空间插值 径向基函数 形态参数 逐点交叉验证
【基金】：国家自然科学基金项目(41271383) 云南师范大学博士基金项目(01300205020503113)
【分类号】：P208
【正文快照】： 0引言空间插值是GIS进行地理分析的重要方法[1]。Franke从插值效果、参数灵敏度、执行时间、存储要求及编程实现的难易程度等方面对多种插值方法进行比较,得出RBF插值是一种较优的空间插值方法[2]。使用RBF插值方法进行空间插值需要解决两个问题:基函数的选取和形态参数的优化，

本文编号：1001252