观测数据的圆滑,插值与网格化
一种高程数据平滑处理算法
一种高程数据平滑处理算法高程数据平滑处理是地理信息系统（GIS）和遥感技术中的重要环节，它对于地图制图、地形分析、资源管理等方面有着重要的作用。
而高程数据的平滑处理算法则是实现数据准确性和可视化效果的关键。
本文将介绍一种高程数据平滑处理算法，探讨其原理、优势以及在实际应用中的效果。
一、算法原理我们所要介绍的高程数据平滑处理算法基于曲面重构理论，通过对原始高程数据进行网格化处理，利用插值方法将离散数据点连接成光滑的曲面，从而实现高程数据的平滑处理。
其具体步骤如下：1. 网格化处理：将原始高程数据点进行网格化处理，得到一个二维的网格结构，其中每个网格点的高程数值通过插值方法计算得到。
2. 插值方法：常用的插值方法有最邻近插值、双线性插值、三次样条插值等。
在本算法中，我们采用三次样条插值方法，通过对每个网格点进行局部拟合，得到光滑的曲面。
3. 曲面重构：最终得到的是一个曲面模型，能够准确地反映出原始高程数据的变化趋势，并且在插值过程中能够克服原始数据中的噪声和异常点的影响，从而实现了高程数据的平滑处理。
二、算法优势相比于传统的平均滤波、中值滤波等高程数据平滑处理方法，本算法具有以下几点优势：1. 准确性：采用了曲面重构的方法，能够更加准确地反映出高程数据的变化趋势，尤其对于复杂地形的数据处理效果更为明显。
2. 鲁棒性：能够克服原始数据中的噪声和异常点的影响，使得平滑处理后的数据更加稳定和可靠。
3. 可视化效果好：得到的曲面模型具有光滑的外观，能够直观地展示出地形的特征，提高了数据的可视化效果。
3. 适用性强：算法适用于各种类型的高程数据，包括LiDAR数据、DEM数据、地形测量数据等，具有较强的通用性。
4. 处理效率高：算法采用了高效的数值计算和插值方法，能够在较短的时间内完成大规模数据的平滑处理。
三、实际应用效果本算法已经在地图制图、地形分析、资源管理等领域得到了广泛的应用，并取得了良好的效果。
以地图制图为例，经过高程数据平滑处理后得到的地形图更加准确和美观，能够更好地反映出地形的特征，提高了地图的质量和可读性。
磁异常的处理与转换
∑ ∑ ∏ ∏ Z~(x, y) = n m m n i=0 j=0 l=0 k=0
⎜⎜⎝⎛
x xi
− xk − xk
⎟⎟⎠⎞
⎜⎛ ⎜⎝
y − yl y j − yl
⎟⎞ ⎟⎠
Z
(
xi
,
yj)
l≠ j k≠i
也可以采用双三次样条函数进行插值。
（3.2-2）
三、数据网格化
当地面磁测在地形十分复杂，或者在某些点位上无法实测，这时实际测点的分布可能是 不规则的。在航空磁测中由于航空磁测定位精度的提高，测线往往按实际航迹来恢复，这时 实际测点的分布也是不规则的。另外在利用磁测图进行数据处理时往往要把磁测图数字化。 当用数字化仪对磁测图进行数字化时，测点也可能呈不规则分布。然而，在对磁测资料作数 据处理时，总是要求数据按规则网格分布的。因此就需要由不规则网格上的实际场值换算出 规则网格节点上的场值，这个过程就是数据网格化。显然，数据网格化的问题实际上是插值 问题：用不规则分布的插值节点上的值来计算规则网格节点上的值。
139
转换等等。 磁异常处理与转换的方法包括空间域和频率域两类。频率域方法由于速度快，方法简单
等优点。已成为主要方法。 应当指出，在对磁异常进行处理和转换时，有两个问题必须明确。一是应当合理地选择
处理和转换的方法。目前处理和转换的方法很多。各种方法有各自的特点和作用，同时又有 各自特定的适用条件，不应当盲目地对各种方法都使用一遍。而应当认真分析磁异常特征， 测区内地质、物性情况及所要解决的地质问题，根据各种处理方法的功能和适用条件来合理 地选择若干种处理方法。使用者必须掌握各种处理和转换方法的原理和做法，并具有对结果 进行正确解释的能力。二是磁异常的处理和转换只是一种数学加工处理，它能使资料中某些 信息更加突出和明显。但不能获得在观测数据中不包含的信息。数学处理只能改变异常的信 噪比，而不能提供新信息。因此，在应用各种方法时必须要注意实际资料的精度和处理方法 本身的精确度。不要勉强提出或追求单由数学处理所达不到的要求。
区域海洋监测评价网格化建模技术研究
区域海洋监测评价网格化建模技术研究引言：随着人类活动的不断发展和海洋资源的逐渐枯竭，海洋环境的监测和评价变得尤为重要。
传统的海洋监测方法多依赖于航空、航海等手段获取数据，但这种方式存在采样点分布不均匀、效率低下等问题。
为了解决这些问题，区域海洋监测评价网格化建模技术应运而生。
一、区域海洋监测评价的重要性海洋是地球上占据绝大部分的一个重要生态系统，对全球气候系统、气候变化、生物多样性等方面具有重要影响。
了解海洋生态环境变化、海底地形特征、生态系统状况等信息对于科学研究和资源开发利用具有重要意义。
因此，区域海洋监测评价的目的在于获得全面准确的海洋信息，保障海洋环境的可持续发展。
二、网格化建模技术的基本原理区域海洋监测评价网格化建模技术是运用数学或物理模型对海洋环境进行精细的分解和描述，将海洋区域细分为若干个网格单元，并根据每个单元内的观测数据进行模型参数估计，从而获得全区域的海洋环境评价结果。
该技术的基本原理包括以下几个方面：1. 网格化划分：将海洋区域按照特定规则划分为若干个网格单元，使得每个单元内的环境特征保持相对均匀，并且保证网格单元之间的连接性和连续性，便于后续的建模和分析。
2. 数据采集和处理：利用各种观测手段，如卫星遥感、海洋测量等，获取海洋环境相关的数据，并对数据进行预处理，包括数据清洗、插值、异常值处理等。
3. 模型参数估计：根据每个网格单元内的观测数据和已有的环境模型，通过数学或物理方法对环境参数进行估计，例如海洋温度、盐度、流速等。
4. 空间插值和预测：利用网格化建模技术，对未观测到的网格单元进行参数估计和预测，从而得到全区域的环境评价结果。
三、网格化建模技术的优势相比传统的海洋监测方法，区域海洋监测评价网格化建模技术具有以下几个优势：1. 空间连续性：网格化建模技术将海洋区域细分为若干个网格单元，使得环境特征在空间上具有连续性，从而更为准确地描述海洋环境的变化。
2. 数据充分利用：通过对观测数据的插值和预测，网格化建模技术能够充分利用已有的数据信息，填补数据间的空白，从而获得更全面的监测结果。
数据重采样方法比较分析
数据重采样方法比较分析数据重采样是数据分析领域中常用的一种技术，它通过对原始数据进行处理，生成新的样本集，以解决原始数据集中存在的问题或缺陷。
在实际应用中，不同的重采样方法可以应用于不同的问题领域和具体情境。
本文将对常见的几种数据重采样方法进行比较分析，以帮助读者在实际应用中选择合适的方法。
首先，我们将介绍最常见和最简单的一种重采样方法——随机抽样。
随机抽样是一种简单而直接的方法，它通过从原始数据集中随机选择部分样本来生成新的抽样集。
这种方法适用于大部分情况下，并且具有较低的计算复杂度。
然而，随机抽样可能会导致一些问题，例如生成偏差较大或者不均衡的抽样集。
为了解决这些问题，我们可以使用更复杂和更高级别的重采样方法。
例如，在处理分类问题时常使用过/欠采样技术来解决类别不平衡问题。
过/欠采样技术通过增加或减少特定类别下的观测值来平衡数据集。
过采样方法包括SMOTE（Synthetic Minority Over-sampling Technique）等，它通过合成新的样本来增加少数类别的样本数量。
欠采样方法包括随机欠采样和基于聚类的欠采样等，它通过减少多数类别的样本数量来平衡数据集。
这些过/欠采样方法可以有效地解决类别不平衡问题，但也可能引入一些新的问题，例如过度拟合或信息丢失。
此外，还有一些特定领域中常用的重采样方法。
例如，在时间序列分析中常使用滑动窗口重采样方法来处理时间序列数据。
滑动窗口重采样通过将时间序列数据分割成多个窗口，并在每个窗口内进行重采样操作来生成新的时间序列数据集。
这种方法可以有效地处理时间序列中存在的季节性或周期性变化，并且在预测和建模方面具有一定优势。
此外，在空间分析领域中也存在一些特定的重采样方法。
例如，在地理信息系统（GIS）中常使用网格化和插值技术进行空间数据重采样。
网格化将连续空间数据转换为离散网格形式，并在每个网格单元内进行插值操作来生成新的离散空间数据。
这种方法可以有效地处理空间数据中的不规则性和不完整性，并且在地理分析和空间建模方面具有广泛的应用。
测绘技术的数据采集与处理技巧
测绘技术的数据采集与处理技巧测绘技术是一门关于地理空间数据的收集、处理和应用的学科，它在各种领域中扮演着重要的角色。
无论是进行城市规划、进行地质勘探还是进行导航定位，测绘技术都是不可或缺的。
而其中最为关键的环节之一就是数据的采集与处理。
本文将介绍几种常用的测绘技术数据采集与处理的技巧。
一、全球卫星定位系统（GNSS）全球卫星定位系统（GNSS）利用卫星和地面测控设备共同组成的系统，可以提供全球范围内的位置、速度和时间信息。
它是目前应用最广泛、最为便捷的测量工具之一。
在进行测绘工作时，我们可以利用GNSS技术来获取目标点的经纬度坐标，并通过与地面控制点的测量结果进行差分处理，提高测量精度。
此外，还可以利用GNSS技术实现测量车辆的实时位置和运动轨迹监测。
二、地面测量仪器地面测量仪器是进行测绘工作不可或缺的工具，它包括全站仪、电子经纬仪、测距仪、水准仪等。
这些仪器的使用需要掌握一定的技巧和方法，以确保测量结果的准确性和可靠性。
在使用全站仪进行测量时，需要注意保持仪器的水平平衡和垂直垂直以及定期校准和维护仪器的状态。
在使用测距仪进行测量时，要选择合适的反射器和测量环境，并进行有效的测量方法和数据处理。
三、影像测量影像测量是一种利用卫星、航空器或无人机获取的图像数据进行测绘的技术。
对于大范围、复杂地形的区域，影像测量可以提供快速、经济、高效的数据采集方式。
在利用影像进行测绘时，需要进行图像的解译和配准，以及进行三维建模和地物提取。
在实际操作中，可以利用影像软件进行图像增强、航摄图像的匹配和配准，以及进行三维地物的量测和建模。
四、地理信息系统（GIS）地理信息系统（GIS）是一种用于存储、管理、分析和展示地理空间数据的技术。
在测绘工作中，GIS可以用于数据的整合和分析，帮助我们更好地理解和利用测绘数据。
例如，在城市规划中，可以利用GIS技术进行用地分类和土地分析，预测城市发展趋势和评估各种规划方案的可行性。
观测数据的圆滑,插值与网格化
-450 -500 -550 -600 -650 -700 -750 -800 -850 -900 -950 -1000 -1050 -1100 -1150 -1200 -1250 -1300 -1350 -1400
14000
12000
10000
8000
9点平滑5次
6000
4000
2000
0 4000 6000 8000 10000 12000 14000 16000 18000
14000
12000
10000
8000
9点平滑20次
6000
4000
2000
0
-450 -500 -550 -600 -650 -700 -750 -800 -850 -900 -950 -1000 -1050 -1100 -1150 -1200 -1250 -1300 -1350 -1400
平滑次 数越多， 则平滑 效果越 明显。
线性平滑实例
4000 6000 8000 10000 12000 14000 16000 18000
14000
12000
10000
8000
6000
4000
2000
0
-450 -500 -550 -600 -650 -700 -750 -800 -850 -900 -950 -1000 -1050 -1100 -1150 -1200 -1250 -1300 -1350 -1400
对5点二次曲线平滑分析：不改变平滑点数，只改变平滑次数，结果如下：
5点1次平滑 5点500次平滑
5点5次平滑
5点1000次平滑
5点100次平滑
从图中可以看出，采用二次曲线平滑对于保 持信号的曲线性质是有利的。采用何种平滑 方式要考虑到平滑目标。
布格重力异常的地质地球物理意义-概述说明以及解释
布格重力异常的地质地球物理意义-概述说明以及解释1.引言1.1 概述概述部分主要介绍本篇长文的主题——布格重力异常的地质地球物理意义。
布格重力异常是指在地球表面上的某个区域内，由于地下构造、地质体或其他因素的影响，引起地球重力场的异常变化。
它可以用来揭示地壳下的岩石结构、地壳变形以及岩石密度分布等信息。
本篇长文将从三个方面对布格重力异常的地质地球物理意义进行详细探讨。
首先，我们将对布格重力异常的概念进行解释，并阐述其产生的原因。
其次，我们将介绍布格重力异常的测量方法和数据分析，以及相关的技术工具和仪器。
最后，我们将重点讨论布格重力异常在地质地球物理领域的意义和应用。
通过对布格重力异常的研究，我们可以深入理解地球的内部结构和过程，探究地球演化的规律。
同时，布格重力异常还可以为矿产资源勘探和地下水资源的开发提供重要的信息和指导。
此外，布格重力异常的研究还对于地震活动的监测和地质灾害的预测具有重要意义。
本篇长文旨在全面系统地阐述布格重力异常的地质地球物理意义，并展望其在未来的应用前景。
通过本文的阅读，读者将对布格重力异常有更加深入的理解，并能够了解布格重力异常在地质地球物理领域的重要作用。
1.2 文章结构文章结构部分的内容如下：文章结构本篇长文将从引言、正文和结论三个部分来论述布格重力异常的地质地球物理意义。
具体结构如下：引言引言部分将首先概述布格重力异常的背景和基本概念，包括对布格重力异常产生原因的简要介绍。
随后，文章将介绍本篇长文的结构和目的，以引导读者了解本篇文章的内容框架。
正文正文部分将分为三个子节：布格重力异常的概念及产生原因、布格重力异常的测量方法和数据分析以及布格重力异常的地质地球物理意义。
首先，在2.1节中，将详细介绍布格重力异常的概念和其产生原因，包括重力异常的基本定义和重力场的变化机制。
接下来，在2.2节中，将介绍布格重力异常的测量方法，包括重力测量仪器和数据处理技术，并说明如何从测量数据中分析和解释布格重力异常。
常见几种插值方法
1、距离倒数乘方法距离倒数乘方格网化方法是一个加权平均插值法，可以进行确切的或者圆滑的方式插值。
方次参数控制着权系数如何随着离开一个格网结点距离的增加而下降。
对于一个较大的方次，较近的数据点被给定一个较高的权重份额，对于一个较小的方次，权重比较均匀地分配给各数据点。
计算一个格网结点时给予一个特定数据点的权值与指定方次的从结点到观测点的该结点被赋予距离倒数成比例。
当计算一个格网结点时，配给的权重是一个分数，所有权重的总和等于1.0。
当一个观测点与一个格网结点重合时，该观测点被给予一个实际为 1.0 的权重，所有其它观测点被给予一个几乎为0.0 的权重。
换言之，该结点被赋给与观测点一致的值。
这就是一个准确插值。
距离倒数法的特征之一是要在格网区域内产生围绕观测点位置的"牛眼"。
用距离倒数格网化时可以指定一个圆滑参数。
大于零的圆滑参数保证，对于一个特定的结点，没有哪个观测点被赋予全部的权值，即使观测点与该结点重合也是如此。
圆滑参数通过修匀已被插值的格网来降低"牛眼"影响。
2、克里金法克里金法是一种在许多领域都很有用的地质统计格网化方法。
克里金法试图那样表示隐含在你的数据中的趋势，例如，高点会是沿一个脊连接，而不是被牛眼形等值线所孤立。
克里金法中包含了几个因子：变化图模型，漂移类型和矿块效应。
3、最小曲率法最小曲率法广泛用于地球科学。
用最小曲率法生成的插值面类似于一个通过各个数据值的，具有最小弯曲量的长条形薄弹性片。
最小曲率法，试图在尽可能严格地尊重数据的同时，生成尽可能圆滑的曲面。
使用最小曲率法时要涉及到两个参数：最大残差参数和最大循环次数参数来控制最小曲率的收敛标准。
4、多元回归法多元回归被用来确定你的数据的大规模的趋势和图案。
你可以用几个选项来确定你需要的趋势面类型。
多元回归实际上不是插值器，因为它并不试图预测未知的Z 值。
它实际上是一个趋势面分析作图程序。
使用多元回归法时要涉及到曲面定义和指定XY的最高方次设置，曲面定义是选择采用的数据的多项式类型，这些类型分别是简单平面、双线性鞍、二次曲面、三次曲面和用户定义的多项式。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
a0
和
a1 为待定系数，可用最小二乘方法解出。若该点原始值为 g ( xi )
它的平滑值即为 g ( xi ) ，则可列出：
δ=
式中
i =− m
∑ [ g ( xi ) − g ( xi )] =
2
பைடு நூலகம்
m
i =− m
[a0 + a1 xi − g ( xi )]2 = min ∑
m
δ
为偏差的平方和。
2.最小二乘平滑法
尽管偶然误差会使异常曲线不光滑而成锯齿状，但并不会改变异常曲线变化的基 本趋势。我们可以用一个多项式来拟合这种变化趋势。 （1）线性平滑公式 在异常剖面图上，若在一定范围内异常按照线性关系变化，则在这个范围内某一 点经平滑后的异常值可用线性方程来表示：
g ( x) = a0 + a1 x
观测数据的圆滑、插值与网格化
一、观测数据的圆滑 1.徒手平滑法 人们依据观测剖面（数据）上的变化应具有一定的连续、 渐变的规律，徒手修改平滑掉某些明显的突变点。这种做法 的要求是： （1）平滑前后各相应点的观测值的偏差不应超过实测异常 的均方误差； （2）尽可能使平滑前后剖面曲线所围成的面积相等，重心 不变。
4000
6000
8000
10000
12000
14000
16000
18000
4000
6000
8000
10000
12000
14000
16000
18000
14000
12000
10000
8000
9点平滑1次
6000
4000
2000
0 4000 6000 8000 10000 12000 14000 16000 18000
-450 -500 -550 -600 -650 -700 -750 -800 -850 -900 -950 -1000 -1050 -1100 -1150 -1200 -1250 -1300 -1350 -1400
14000
12000
10000
8000
29点平滑
6000
4000
2000
0
-450 -500 -550 -600 -650 -700 -750 -800 -850 -900 -950 -1000 -1050 -1100 -1150 -1200 -1250 -1300 -1350 -1400
2.二 曲 平 公 次 面 滑 式 在 面 上 可 用 次 面 合 则 滑 的 常 g(x, y) 平 图 ， 以 二 曲 拟 ， 平 后 异 值 可 用 面 程 表 ， ： 以 下 方 来 示 即 g(x, y) = a0 + a x + a2 y + a x2 + a4xy + a y2 1 3 5 同 可 用 小 乘 来 定 数 大 。 面 接 出 用 几 样 以 最 二 法 确 系 的 小 下 直 给 常 的 个 二 曲 平 公 的 数 次 面 滑 式 系 。 （ 1） 9点 次 面 滑 二 曲 平 g(-1,-1),g(1,-1),g(1,1),g(-1,1):2 g(-1,0),g(0,-1),g(1,0),g(0,1): 9 5 g(0,0): 9 （ 2） 25点 次 面 滑 二 曲 平 g(-2,-2),g(2,-2),g(2,2),g(-2,2):-0.07428 g(-2,-1),g(2,-1),g(2,1),g(-2,1) 2 : g(-1,-2),g(1,-2),g(1,2),g(-1,2) 9 g(-2,0),g(0,-2),g(2,0),g(0,2):0.04 g(-1,-1),g(1,-1),g(1,1),g(-1,1):0.09714 g(-1,0),g(0,-1),g(1,0),g(0,1):0.12571 g(0,0):0.15428 1 9
线性平滑实例
4000 6000 8000 10000 12000 14000 16000 18000
14000
12000
10000
8000
6000
4000
2000
0
-450 -500 -550 -600 -650 -700 -750 -800 -850 -900 -950 -1000 -1050 -1100 -1150 -1200 -1250 -1300 -1350 -1400
（2）平滑次数
3点1次平滑
3点500次平滑
3点5次平滑
3点1000次平滑
3点100次平滑
由图中可以看出，平滑次数 越大则得出的曲线越平缓。 在实际工作中应该根据目的 选择合适的平滑次数和平滑 点数。
%%%%%%本程序采用线性平滑公式%%%%%%%%%%%%%% Signal为原始信号，signal_smooth为平滑后的信号 M=5; %%%平滑点数,为奇数%%%%% N=2; %%%平滑次数%%%%%%% for k=1:N for i=fix(M/2)+1:length(signal)-fix(M/2) sum=0; for j=i-fix(M/2):i+fix(M/2) sum=sum+signal(j); end signal_smooth(i)=sum/M; end signal=signal_smooth; end
可 得 a0 = 解 ：
i=−m
∑ g(x )
i
m
2m+1
,a = 1
i=−m m
∑ x g(x )
i i i=−m
m
∑x
2 i
由 (x) = a0 + a x可 ： g 得 1 g(0) = a0 =
i=−m
∑g(x )
i
m
2m+1 结 ： 某 点 滑 的 ， 际 就 在 剖 上 论 对 一 平 后 值 实 上 是 该 面 以 该 为 心 奇 点 算 平 值 当 =1时 得 点 点 中 取 数 的 术 均 。 m ， 三 平 公 为 滑 式 ： 1 g(0) = [g(−1 + g(0) + g( )] ) 1 3 同 可 5 7和 点 平 公 。 理 得、 9 等 滑 式
利 微 求 值 方 将 式 a0和 1求 数 然 令 为 得 用 分 极 的 法 上 对 a 导 ， 后 其 零 ：
m ∂δ = ∑2 a0 + a xi − g(xi )] = 0 [ 1 ∂a0 i=−m m ∂δ = ∑2 a0 + a xi − g(xi )]xi = 0 [ 1 ∂a i=−m 1
2
根据最小二乘原理，可得平滑公式为：
3
1 (69yi−2 + 4yi−1 −6yi + 4yi+1 − yi+2 ) 70 1 yi−1 = (2yi−2 + 27yi−1 +12yi −8yi+1 + 2yi+2 ) 35 1 yi = (−3yi−2 +12yi−1 +17yi +12yi+1 −3yi+2 ) 35 1 yi+1 = (2yi−2 −8yi−1 +12yi + 27yi+1 + 2yi+2 ) 35 1 yi+2 = (−yi−2 + 4yi−1 −6yi + 4yi+1 +69yi+2 ) 70 yi−2 =
5点3次曲线1次平滑
5点3次曲线100次平滑
从左图中可以看出，采用 三次曲线平滑也可以使得 曲线平滑。要注意的是， 在一些物探方法中，高于 三次的曲线很少用。也不 是说平滑曲线的次数越高 则精度越好，一般拟合多 项式的阶不超过5次。平 滑次数越多越好，平滑曲 线和平滑次数的选择是和 平滑目的联系在一起的。 曲线异常被平滑掉了，意 味着“高频”成分减弱， 这有可能将本来的细节信 息漏掉了，所以要选择合 适的平滑曲线和平滑次数。
14000
12000
10000
8000
101点平滑
6000
4000
2000
0
-450 -500 -550 -600 -650 -700 -750 -800 -850 -900 -950 -1000 -1050 -1100 -1150 -1200 -1250 -1300 -1350 -1400
平滑点 数越多， 则平滑 效果越 明显。
14000
12000
10000
8000
9点平滑20次
6000
4000
2000
0
-450 -500 -550 -600 -650 -700 -750 -800 -850 -900 -950 -1000 -1050 -1100 -1150 -1200 -1250 -1300 -1350 -1400
平滑次 数越多， 则平滑 效果越 明显。
线性平滑实例
左 图 为 三 个 原 始 信 号
左 图 为 三 个 原 始 信 号 分 别 相 加 的 结 果
平滑分析
采用不同的平滑点数和平滑次数，对信号s1+s2+s3进行平滑，分析结果。
（1）平滑点数 3点1次平滑 101点1次平滑
5点1次平滑
201点1次平滑
9点1次平滑
在实际工作中究竟采用几点平均最合适，这 需要根据平滑的目的而定。一般来说参加平 均的点越多，得出的曲线越平滑。
-450 -500 -550 -600 -650 -700 -750 -800 -850 -900 -950 -1000 -1050 -1100 -1150 -1200 -1250 -1300 -1350 -1400
14000
12000
10000
8000
17点平滑