地球物理计算方法 第一章_插值方法 3

合集下载

计算物理课件 插值法

计算物理课件 插值法
7 M a 2 yi (ati b )t i 0, i 0 令 7 M 2 yi (ati b ) 0; b i 0

7 y (at b )t 0, i i i i 0 7 yi (at i b ) 0. i 0
t
因为这些点本来不在一条直线上,我们只 能要求选取这样的 a, b ,使得 f ( t ) at b 在 t0 , t1 ,, t7 处的函数值与实验数据 y0 , y1 , y7 相 差都很小.
就是要使偏差
yi f ( t i )
7
(i 0,1,2,,7) 都很小.
因此可以考虑选取常数 a, b ,使得
l0(x) , l1(x) , l2(x) 称为以 x0 , x1 , x2为节点的插值基函数。 仿照线性插值和二次插值的办法, 进一步讨论一般形式的 n 次 多项式 Pn(x)=a0 +a1x +a2x2 + …+ anxn , 使其满足 Pn(x0)=y0 , Pn(x1)=y1 , ...... , Pn(xn)=yn ..(7)
i 1 j 0 j
……(4)
由于xi互异,所以(4)右端不为零,从而方程组(3)的解 a0 ,a1 ,…an 存在且唯一。解出ai(i=0,1,2,…n), Pn(x)就 可构造出来了。但遗憾的是方程组(3)是病态方程组, 当阶数n越高时,病态越重。为此我们从另一途径来 寻求获得Pn(x) 的方法----Lagrange插值和最小二乘法
合曲线尽量靠近所有点从而保证整体上的准确性。
1、线性拟合
例1
为了测定刀具的磨损速度,我们做这样的 实验:经过一定时间(如每隔一小时),测量一 次刀具的厚度,得到一组试验数据如下:

地球物理反演中的数据处理与模型构建

地球物理反演中的数据处理与模型构建

地球物理反演中的数据处理与模型构建地球物理反演是一种通过对地下物质的物理特性进行观测和分析,从而推断其空间分布和内部结构的方法。

在地球物理反演过程中,数据处理和模型构建是关键步骤,它们直接影响到反演结果的准确性和可靠性。

本文将重点介绍地球物理反演中的数据处理与模型构建的内容和方法。

1. 数据处理在地球物理反演中,数据处理是为了提取有用信息、剔除干扰和噪声,并对数据进行预处理,以便于后续的模型构建和反演。

数据处理包括以下几个方面:数据校正:对野外观测数据进行校正,消除仪器的系统误差和观测偏差。

常见的校正方法包括零点校正、灵敏度校正、仪器间校正等。

数据滤波:通过滤波技术去除数据中的噪声和高频干扰,使数据更加平滑和可靠。

常用的滤波方法有低通滤波、高通滤波和带通滤波。

数据重采样:将数据从不同的空间采样率或时间采样率转换为一致的采样率,以便于后续处理和模型构建。

数据插值:通过插值算法将不规则分布的观测数据插值到规则的网格点上,以便于后续的插值和反演计算。

常见的插值方法有反距离加权插值、克里金插值等。

2. 模型构建模型构建是地球物理反演的核心步骤,它是基于观测数据和物理规律,建立描述地下结构和物性的数学模型。

模型构建的关键是确定适当的参数化方案和求解方法。

以下是一些常见的模型构建技术:参数化方案:根据反演问题的特点,选择适当的参数化方案。

常用的参数化方法包括网格参数化、层状参数化、体积参数化等。

正则化约束:为了提高反演结果的稳定性和可靠性,通常会引入正则化项作为约束条件。

正则化约束可以通过L1范数、L2范数、Tikhonov正则化等方法实现。

优化算法:反演问题一般是非线性的,需要使用优化算法求解。

常见的优化算法包括梯度下降算法、共轭梯度算法、Levenberg-Marquardt算法等。

先验信息:地球物理反演的结果受观测数据限制,为了提高反演的准确性,可以引入先验信息进行约束。

常见的先验信息包括地质图像、物性模型等。

地球物理数据处理与解释方法

地球物理数据处理与解释方法

地球物理数据处理与解释方法地球物理学是一门研究地球内部构造、能源资源勘探和环境保护等领域的学科。

在地球物理研究中,数据处理与解释是非常关键的步骤。

本文探讨地球物理数据的处理方法和解释技术,旨在提供一些指导和参考。

一、数据采集与处理数据采集是地球物理研究的第一步,常用的数据采集方法有地震勘探、重力测量、磁力测量和电磁测量等。

在数据采集之后,需要进行一系列的数据处理操作,以提取出有用的地质信息。

1. 数据质量控制在数据采集过程中,存在各种误差和干扰源,因此需要进行数据质量控制,以确保采集到的数据可靠有效。

常用的方法包括数据滤波、去噪和去除异常数据等。

2. 数据校正数据校正是为了消除采集过程中的系统误差和环境影响,常见的校正方法有仪器响应校正、大地水准面校正和磁场的正演反演等。

3. 数据插值与重建在实际采集中,有些地区可能存在数据缺失或者稀疏情况。

此时,需要借助插值和重建技术,对数据进行填补和恢复。

常用的插值方法有克里金插值、反距离权重插值和样条插值等。

4. 数据分析与特征提取数据分析是对采集到的数据进行统计和图形化处理,以便从中提取出地下结构和特征信息。

常用的分析方法包括频谱分析、小波分析和统计分析等。

二、数据解释与成像数据解释是根据处理后的数据,推导地下结构和属性的过程。

地球物理数据解释的目标包括确定地层边界、结构解译和矿产资源勘探等。

1. 反演方法反演是地球物理数据处理中最核心的环节之一。

通过建立数学模型和反演算法,根据测量数据反推出地下介质的物理参数。

常见的反演方法有正演反演、模型约束反演和全波形反演等。

2. 成像方法成像技术是根据采集到的数据生成地下图像的方法。

常用的成像方法包括层析成像、偏移成像和全波形反演成像等。

这些方法可以帮助地球物理学家观察地下的构造和地层变化。

3. 相关联综合分析地球物理学的研究往往需要多种数据和方法的综合分析。

例如,将地震、重力和磁力数据进行综合解释,可以获得更准确的地下结构信息。

第一讲 插值法

第一讲 插值法
值计算中,经常要用到一些专用 表册,如:航海表、吃水差表等等,这
些表册都是按一定的函数关系编排的,
如:
根据已知的x值,查表可求得y值,但是表内不 可能一一列出全部y值,当所求的函数值y正好 在两表列数值之间,利用表列数据间的引数求 y值的方法称为内插法。 内插法: 利用函数表册,根据任意居间引数查取相应函
5.0
2. 比例反内插 (inverse proportional interpolation) 内插的逆运算,,已知求? 比例内插公式
比例反内插公式
二. 比例双内插 (proportional double interpolation) 当函数有两个自变量时,用比例双内插求近 似解。
比例双内插是比例单内插的自然推广。
1.比例正内插 已知 求 。
引数
x0 x1 …
函数值
yo y1 …
y
比例内插公式:
y1 y
f(x ) c
d
y0
a x0
e x
b
x
O
x1
y y1 y y0 d
f(x 比例内插的几何意义: )
c
用表列引数两点的直线代替 曲线进行内插,即以弦代替 曲线进行内插。
f
a e
b
结论: 1)f(x)为线性函数,求得的y
(1) 用比例内插 y=5.5 (2) 用x=2变率内插 y=4+4(2.3-2)=5.2 (3) 用x=3变率内插 y=9+6(2.3-3)=4.8 (4) 用y=x2直接计算 y=5.29

x
y
dy dx
2 3 4
4 9 16
4 6 8
分析:
① 比例内插误差大;
② x=2的变率内插较准。 结论:

地球物理计算常用的插值方法-克里格法

地球物理计算常用的插值方法-克里格法

克里格法(Kriging)是地统计学的主要内容之一,从统计意义上说,是从变量相关性和变异性出发,在有限区域内对区域化变量的取值进行无偏、最优估计的一种方法;从插值角度讲是对空间分布的数据求线性最优、无偏内插估计一种方法。

克里格法的适用条件是区域化变量存在空间相关性。

克里格法,基本包括普通克里格方法(对点估计的点克里格法和对块估计的块段克里格法)、泛克里格法、协同克里格法、对数正态克里格法、指示克里格法、折取克里格法等等。

随着克里格法与其它学科的渗透,形成了一些边缘学科,发展了一些新的克里金方法。

如与分形的结合,发展了分形克里金法;与三角函数的结合,发展了三角克里金法;与模糊理论的结合,发展了模糊克里金法等等。

应用克里格法首先要明确三个重要的概念。

一是区域化变量;二是协方差函数,三是变异函数一、区域化变量当一个变量呈空间分布时,就称之为区域化变量。

这种变量反映了空间某种属性的分布特征。

矿产、地质、海洋、土壤、气象、水文、生态、温度、浓度等领域都具有某种空间属性。

区域化变量具有双重性,在观测前区域化变量Z(X)是一个随机场,观测后是一个确定的空间点函数值。

区域化变量具有两个重要的特征。

一是区域化变量Z(X)是一个随机函数,它具有局部的、随机的、异常的特征;其次是区域化变量具有一般的或平均的结构性质,即变量在点X与偏离空间距离为h的点X+h处的随机量Z(X)与Z(X+h)具有某种程度的自相关,而且这种自相关性依赖于两点间的距离h与变量特征。

在某种意义上说这就是区域化变量的结构性特征。

二、协方差函数协方差又称半方差,是用来描述区域化随机变量之间的差异的参数。

在概率理论中,随机向量X与Y 的协方差被定义为:区域化变量在空间点x和x+h处的两个随机变量Z(x)和Z(x+h)的二阶混合中心矩定义为Z(x)的自协方差函数,即区域化变量Z(x) 的自协方差函数也简称为协方差函数。

一般来说,它是一个依赖于空间点x 和向量h 的函数。

观测数据的圆滑,插值与网格化

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。

常见插值方法及其介绍

常见插值方法及其介绍

常见插值方法及其介绍常见插值方法及其介绍Inverse Distance to a Power(反距离加权插值法)”、“Kriging(克里金插值法)”、“Minimum Curvature(最小曲率)”、“Modified Shepard's Method(改进谢别德法)”、“Natural Neighbor(自然邻点插值法)”、“Nearest Neighbor(最近邻点插值法)”、“Polynomial Regression(多元回归法)”、“Radial Basis Function(径向基函数法)”、“Triangulation with Linear Interpolation (线性插值三角网法)”、“Moving Average(移动平均法)”、“Local Polynomial(局部多项式法)”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。

地球物理计算方法 第一章_插值方法 3

地球物理计算方法   第一章_插值方法 3

Si+1(xi ) Si′+1(xi )=(i
1, 2,, n −1)
Si′′(xi ) = Si′′+1(xi )
共有条件:4n-2个方程 18
边界条件:
还差2个条件(方程)。通常的办法是在区间[a,b]的两个端点 上各加一个条件,即称之为边界条件。常用的边界条件有以下
三种:
(1)给定两端点处的导数值,
S′(x0 ) = y0′ , S′(xn ) = yn′
(2)给定两端处的二阶导数值, S′′(x0 ) = y0′′, S′′(xn ) = yn′′
(3)如果f(x)是以b-a为周期的周期函数,则S(x)也应是具有同
样的周期的周期函数,在端点处需要满足: S ′(a + 0) = S ′(b − 0), S ′′(a + 0) = S ′′(b − 0) 19
= βn−1 −αn−1y0'
αi
=
hi
hi−1 + hi−1
=i 1,..., n −1
25
βi
= 3 (1−αi )
yi − yi−1 hi−1
+αi
yi+1 − hi−1
yi
=hi xi+1 − xi
或者写成下式,通过解方程求出mi,
2
α1
1 − α1
2
α2
m1.
m2
β1

28
算法实现过程:
用MATLAB函数interp1进行三次样条函数的插值
x=[-5,-4,-3,-2,-1,0,1,2,3,4,5]; y=[1/26,1/17,0.1,0.2,0.5,1,0.5,0 .2,0.1,1/17,1/26]; xi=-5:0.01:5; yi=interp1(x,y,xi,'spline'); plot(xi,yi,x,y,'o') hold on
  1. 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. 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. 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)。

其中
h
=
max (
0≤i≤n−1
xi
+1

xi
)
11
特点: (1)分段三次Hermite插值函数是插值区间上的光滑函数,它 与函数f(x)在节点处密合程度较好; (2)显式算法,收敛性好,避免了龙格现象; (3)插值函数具有局部性; (4)缺点:
需要给出所有插值节点的导数值, 光滑性差。
12
第1章 插值方法
Si+1(xi ) Si′+1(xi )=(i
1, 2,, n −1)
Si′′(xi ) = Si′′+1(xi )
共有条件:4n-2个方程 18
边界条件:
还差2个条件(方程)。通常的办法是在区间[a,b]的两个端点 上各加一个条件,即称之为边界条件。常用的边界条件有以下
三种:
(1)给定两端点处的导数值,
第1章 插值方法
1.7 分段插值方法
1、分段插值的提出
高次多项式插值的病态性质
根据区间 [a,b] 上给出的节点做出的插值多项式pn(x)
次数n 增加时逼近f(x)的精度增加?
龙格示例:考虑函数 f (x) = 1/(1+ x2 ) ,它在 [−5,5] 上的各阶导数
均存在.等间距插值节点:
xk
=
−5 +10
k n
,
(k = 0,1,, n)
P10 (4.8) = 1.8044
f (4.8) = 0.0416
随着节点的增加,采用高次多项式插值,可以在某些区域较 好的逼近原来的函数(如在[-5,5]区间);但在高次多项式的 两端出现了激烈震荡的现象,这就是所谓的龙格现象。
2、分段插值方法
这种插值问题怎么办?:
在[a,b]上连续;
S′3(xi = − 0) S′3′(xi − 0=)
S′3(xi + 0)= , i S′3′(xi + 0)
1, 2, , n −1
S(x)是一个光滑的分段函数,这样的函数称为三次样条(Spline)插值函数。
16
S(x)多项式确定:
待定常数: 多项式确S(x)有n个小区间[xi,xi+1]上的分段函数组成, 每个小区间上构造出一个三次多项式,ai0, ai1,= ai2, ai3, (i 0,1, 2,, n −1) 每个多项式有4个待定系数。
1.8 样条插值
1、样条插值的提出
分段插值:
• 用低次多项式插值有很好地收敛性(分段线性插值); • 插值函数光滑性差(Hermirite插值有改善);
办法: 1)不需要给出所有节点的导数值; 2)增加在区间的节点上的限制条件,即插值函数的二阶导数值 相等,能够使节点上插值函数光滑。
2、样条函数的概念
共有 4n个系数。应该找到包含这些系数的4n的独立方程,并求 解获得。
17
已知条件:
S(x)满足插值条件:在所有的节点上可得出 个(n+1)条件方程:
S= (xi ) y= i , (i 0,1, 2,, n)
S(x)满足光滑性条件,除两端点外在所有节点上,又可得出
3(n-1)个方程:
= SSii′((xxii)) =
8
可以构造一个分段三次插值函数S(x) ,整体上具有一阶连续导 数。它满足下述条件: (1)各区间插值节点上
S(xi ) = yi S '(xi ) = yi′ (i = 0,1,2,, n)
(2)在每个小区间[xi,xi+1]上,都是一个三次多项式:
Si (x) =ai0 + ai1x + ai2 x2 + ai3x3
构造一个插值函数S(x)满足:
(1) S (xi ) = yi
(i = 0,1,2, , n)
(2) 在每个小区间[xi,xi+1]上,都是一个三次多项式:
Si (x) = ai0 + ai1x + ai2 x2 + ai3 x3
S3(xi − 0=) S3(xi + 0)
(3)
S(x), S ′(x), S ′′(x)
(1)特殊插值方法
(Chebyshev方法:选取适当的插值节点)
(2)分段插值
(把插值区间分成小区间,在小区间上用低次多项式插值)
4
ቤተ መጻሕፍቲ ባይዱ
分段插值方法分两步:
(1)将所考察的区间[a,b]进行划分,
∆ : =a x0 < x1 < < x=n b ∆ : [xi , xi+1] ⊂ [a,b]
(2)将每个小区间上的插值多项式拼接在一起,作为整个 区间[a,b]上的插值函数,如
9
由埃尔米特插值公式,可直接写出分段三次Hermite插值函数的 分段表达式
S(x)
=
1+
2
x − xi xi+1 − xi
x − xi+1 xi − xi+1
2
yi
+ 1+ 2
x − xi+1 xi − xi+1
x − xi xi+1 − xi
2
y i+1+
2
2
(x

xi
)
S1
(
x)
=
x +1 , 3x −1,
x x
∈ [ 0,1] ∈[1, 2]
5

3、分段线性插值
当节点较多时,可以采用分段线性插值,公式如下:
( ) = S1 x
x − xi+1 xi − xi+1
yi
+
x − xi xi+1 − xi
yi+1
xi < x < xi+1
再把所有区间上的插值函数联合起来。
在几何上就是用折线替代曲线,
6
由余项公式可以导出,分段插值的截断误差有如下估计
R(x)
=
f (x) − S1(x)
≤ h2 max 8 a≤x≤b
f '' (x)
其中
h
=
max (
0≤i≤n−1
xi
+1

xi
)
7
4、分段三次插值
1、利用多项式插值方法而又克服高次插值多项式的缺陷;
2、插值的精度不高,且插值函数不光滑;
样条函数 对于区间[a,b]上n+1个节点,分成对应的小区间
a = x0 < x1 < x2 < < xn−1 < xn = b
对应的小区间上按一定光滑性要求“装配”起来的k次多项式Sk(x)。
光滑性要求:每个节点上具有k-1阶连续导数,
15
,
3、三次样条插值
对于区间[a,b]上n+1个节点样本点数据 (x0 , y0 ), (x1, y1 ),, (xn , y n )
x xi
− xi+1 − xi+1
yi′
+
(x

xi+1)
x − xi xi+1 − xi
yi′+1
表达式与课本(P32 )式31、式32一致
10
由余项公式可以导出,分段三次Hermite插值的截断误差有如 下估计
R(x) = f (x) − S(x) ≤ h4 max f (4) (x) 384 a≤x≤b
相关文档
最新文档