Метод радиальных базисных функций
В этом методе искомая функция находится как линейная комбинация набора радиальных базисных функций:
, (2.3)
где а -константа, i - индекс точки измерений, mi - неизвестные коэффициенты, Ri(x,y) - базисные функции, зависящие от расстояния точки (х, у) до i-ой точки наблюдения.
Существуют несколько типов базисных функций:
ü Inverse Multiquadric
ü Multilog
ü Мультиквадратичная (Multiquadric) , наиболее часто используется;
ü Natural Cubic Spline
ü Thin Plate Spline ,
где R2 – фактор сглаживания, чем больше будет параметр, тем более сглаженные будут контура. Разумные значения показателя находятся в интервале от среднего межточечного расстояния выборки до половины этого среднего значения.
Метод обратных расстояний
Фактически большинство интерполяционных методов используют формулу (2.1) для расчета значений функций в произвольных точках. Различаются принципы, используемые для задания весовых коэффициентов wi и, соответственно, выражения для них расчета. В методе обратных расстояний используется обратно пропорциональная зависимость весовых коэффициентов от некоторой степени расстояния между расчетной точкой и точкой наблюдения (di):
, (2.4)
здесь к - число, обычно принимаемое равным 1, 2 или 3.
Такой подход имеет вполне очевидный смысл - более удаленные точки в меньшей степени определяют значение в расчетной точке и наоборот.
|
|
Метод Шепарда
Метод Шепарда аналогичен методу обратных расстояний. Он также использует обратные расстояния при вычислении весовых коэффициентов. Интерполяция же осуществляется по формуле (2.3) при к=2. Отличие состоит в том, что при построении интерполяционной функции в локальных областях используется метод наименьших квадратов. Это уменьшает вероятность появления на сгенерированной поверхности ложных структур вокруг точек наблюдений.
Метод минимальной кривизны
Поверхность, построенная с помощью этого метода, аналогична тонкой упругой пластине, проходящей через все экспериментальные точки данных с минимальным числом изгибов. Он генерирует наиболее гладкую поверхность, которая проходит настолько близко к экспериментальным точкам, насколько это возможно, но экспериментальные точки не обязательно принадлежать приближающей поверхности. Окно Parameters позволяет задать критерий сходимости.
Параметр Max Residuals (Максимальная невязка) измеряется в тех же единицах, что и экспериментальные данные. Как показывает опыт, наиболее подходящее значение этого параметра равно, примерно, 10% от точности исходных данных. Если исходные экспериментальные данные измерены с точностью 1.0 единиц измерения, то значение Max Residuals рекомендуется положить равным 0.1. Итерации продолжаются до тех пор, пока максимальная невязка для всей итерации не станет меньше значения параметра Max Residuals.
|
|
Параметр Max Iterations (Максимальное число итераций) разумно выбрать в интервале от N до 2N, где N - число узлов генерируемой сети.
Дата добавления: 2018-04-15; просмотров: 521; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!