GEM模型、RF模型和M5T模型的无人机DEM测点插值算法比较

发布时间：2022-10-20 20:20

　　无人机技术作为现如今测量的先进技术,已被逐渐广泛应用,由于DEM数据在实测过程中只能形成点数据,因此对点数据的插值计算一直是测绘专业研究的热点。为找出适用于无人机DEM测点插值计算的最优模型,本文基于GEM模型、RF模型和M5T模型,以降雨、经纬度和海拔为输入参数,对不同模型下的DEM进行了插值计算,结果表明:GEM模型表现的精度最高,该模型RMSE仅为11.72 m,RRMSE为12.7%,R2为0.964,Ens为0.946,MAE为11.28 m,该模型可作为无人机DEM测点插值计算的标准模型使用。 

【文章页数】：4 页

【文章目录】：
0 引言
1 模型构建及评价指标
    1.1 M5 Tree模型
    1.2 随机森林模型
    1.3 高斯指数模型
    1.4 评价指标体系
2 实验与分析
3 结束语


【参考文献】：
期刊论文
[1]基于三次样条插值的智能汽车酒驾测控系统设计[J]. 罗春林,崔浩,舒朝君,王亚.  现代电子技术. 2019(10)
[2]基于BP神经网络的高频地波雷达海流空间插值[J]. 黄奇华,吴雄斌,岳显昌,张兰.  海洋学报. 2019(05)
[3]机载LiDAR点云获取与高精度DEM建设关键技术探讨[J]. 杨辉山,雷丽珍.  测绘通报. 2019(03)
[4]DEM插值误差的分布及与地形因子的相关性研究——以黄土高原丘陵沟壑区的试验为例[J]. 李梦君,李霖,李峰.  国土与自然资源研究. 2019(01)
[5]Study of heat transfer by using DEM–CFD method in a randomly packed pebble-bed reactor[J]. Qiang Niu,Na-Xiu Wang.  Nuclear Science and Techniques. 2019(02)
[6]基于GPU的DEM并行克里格插值算法[J]. 赵磊,李珂.  北京测绘. 2018(03)
[7]干热河谷冲沟DEM插值误差的空间分布研究[J]. 岳彦利,罗明良,张斌.  武汉大学学报(信息科学版). 2018(07)
[8]LiDAR数据生成DEM滤波与插值方法选取研究[J]. 申艳琴,韩健健.  北京测绘. 2017(01)



本文编号：3695238