【技术实现步骤摘要】
本专利技术涉及一种稀疏有偏数据的插值方法，属于数据处理。
技术介绍
1、当前，高能耗、高污染工业设备生产排放的废弃物在土壤中的长期富集，造成土壤的严重污染。而阐明场地中典型污染物的空间分布规律，准确划定污染边界和范围具有重要的现实意义。
2、由于勘探成本和土地使用限制，实际可获得的钻井数据往往存在稀疏和偏差，导致传统方法难以准确描述污染区域的三维分布。目前，传统的空间插值方法主要为基于设计（如idw）和基于模型（如克里格）的统计方法。然而，idw依赖于特定的采样设计，其插值结果的准确性容易受到样本量和土壤样本设计的影响。而克里格模型是通过建立变异函数描述两个采样点之间空间自相关性，进而对未知点进行预测。然而该方法的平滑效应往往无法捕捉到小于采样距离的稀疏钻孔点位的污染物变化，另外受污染源的位置、污染物自身性质、土壤特性（如土壤质地、孔隙度、渗透系数等）和人类活动（如生产工序、功能区分布、污染泄露）等影响，难以构建合适的半变异函数，最终导致插值结果精度降低。
技术实现思路
1、本专利技术提供了一种稀疏有偏数据的插值方法，能够解决现有插值方法插值精度较低的问题。
2、本专利技术提供了一种稀疏有偏数据的插值方法，所述方法包括：
3、s1、根据研究区域的采样点的采样信息构建点位间的第一邻接矩阵和第二邻接矩阵；所述第一邻接矩阵和所述第二邻接矩阵的信息传递规则不同；
4、s2、构建初始模型，利用采样点的采样信息和所述第一邻接矩阵对所述初始模型进行
5、s3、将研究区域中待插值点的坐标和采样点的采样信息输入所述预测模型中，得到所述待插值点的预测值。
6、可选的，所述采样点分为训练节点和测试节点；
7、所述第一邻接矩阵的信息传递规则为：训练节点之间仅允许相互传递信息和向测试节点传递信息；测试节点仅允许接收来自训练节点的信息；
8、所述第二邻接矩阵的信息传递规则为：训练节点之间允许传递信息，也允许向测试节点和自身传递信息；测试节点允许接收来自训练节点的信息，也允许向训练节点和自身传递信息。
9、可选的，所述s1具体包括：
10、根据研究区域的采样点的采样信息构建点位间的加权邻接矩阵；
11、根据不同的信息传递规则，将所述加权邻接矩阵划分为第一邻接矩阵和第二邻接矩阵。
12、可选的，所述根据研究区域的采样点的采样信息构建点位间的加权邻接矩阵，具体为：
13、根据研究区域的采样点的采样信息构建点位间的距离矩阵，并将所述距离矩阵转换为加权邻接矩阵。
14、可选的，所述s2中的构建初始模型，具体包括：
15、根据采样点的采样信息确定初始权重矩阵和初始边掩膜矩阵；
16、根据所述初始权重矩阵和所述初始边掩膜矩阵构建初始模型。
17、可选的，所述s2中利用采样点的采样信息和所述第一邻接矩阵对所述初始模型进行训练，得到中间模型，具体包括：
18、对所述初始边掩膜矩阵进行函数激活处理和对称化处理，得到更新后边掩膜矩阵；
19、根据采样点的采样信息、所述更新后边掩膜矩阵、所述第一邻接矩阵和所述初始权重矩阵，确定更新后权重矩阵；所述更新后边掩膜矩阵和所述更新后权重矩阵组成中间模型。
20、可选的，根据采样点的采样信息、所述更新后边掩膜矩阵、所述第一邻接矩阵和所述初始权重矩阵，确定更新后权重矩阵，具体包括：
21、将所述更新后边掩膜矩阵与所述第一邻接矩阵相乘，得到第一掩膜邻接矩阵；
22、将所述第一掩膜邻接矩阵与所述初始权重矩阵相乘，并将相乘结果与采样点的信息矩阵相乘，得到更新后权重矩阵。
23、可选的，所述s2中利用采样点的采样信息和所述第二邻接矩阵对所述中间模型进行训练，得到预测模型，具体包括：
24、将所述更新后边掩膜矩阵与所述第二邻接矩阵相乘，得到第二掩膜邻接矩阵；
25、将所述第二掩膜邻接矩阵与所述更新后权重矩阵相乘，并将相乘结果与采样点的信息矩阵相乘，得到训练后权重矩阵；所述更新后边掩膜矩阵和所述训练后权重矩阵组成预测模型。
26、可选的，在所述s3之后，所述方法还包括：
27、s4、将研究区域中采样点的坐标输入所述预测模型中，得到所述采样点的预测值，并根据所述采样点的采样信息和预测值确定采样点的残差值；
28、s5、利用所述残差值矫正所述待插值点的预测值。
29、可选的，所述s5具体包括：
30、根据所述残差值确定所述待插值点的残差预测值；
31、利用所述残差预测值矫正所述待插值点的预测值，得到矫正后的待插值点的预测结果。
32、本专利技术能产生的有益效果包括：
33、本专利技术提供的稀疏有偏数据的插值方法，通过采样点的空间自相关性构建不同信息传递规则的两种邻接矩阵，并基于这两种邻接矩阵依次进行模型训练，以动态捕获样点的浓度信息。训练出的预测模型插值精度高。
本文档来自技高网...【技术保护点】
1.一种稀疏有偏数据的插值方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述采样点分为训练节点和测试节点；
3.根据权利要求2所述的方法，其特征在于，所述S1具体包括：
4.根据权利要求3所述的方法，其特征在于，所述根据研究区域的采样点的采样信息构建点位间的加权邻接矩阵，具体为：
5.根据权利要求1所述的方法，其特征在于，所述S2中的构建初始模型，具体包括：
6.根据权利要求5所述的方法，其特征在于，所述S2中利用采样点的采样信息和所述第一邻接矩阵对所述初始模型进行训练，得到中间模型，具体包括：
7.根据权利要求6所述的方法，其特征在于，根据采样点的采样信息、所述更新后边掩膜矩阵、所述第一邻接矩阵和所述初始权重矩阵，确定更新后权重矩阵，具体包括：
8.根据权利要求6所述的方法，其特征在于，所述S2中利用采样点的采样信息和所述第二邻接矩阵对所述中间模型进行训练，得到预测模型，具体包括：
9.根据权利要求1所述的方法，其特征在于，在所述S3之后，所述方法还包括
10.根据权利要求9所述的方法，其特征在于，所述S5具体包括：
...【技术特征摘要】
1.一种稀疏有偏数据的插值方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述采样点分为训练节点和测试节点；
3.根据权利要求2所述的方法，其特征在于，所述s1具体包括：
4.根据权利要求3所述的方法，其特征在于，所述根据研究区域的采样点的采样信息构建点位间的加权邻接矩阵，具体为：
5.根据权利要求1所述的方法，其特征在于，所述s2中的构建初始模型，具体包括：
6.根据权利要求5所述的方法，其特征在于，所述s2中利用采样点的采样信息和所述第一邻...
【专利技术属性】
技术研发人员：陶欢，廖晓勇，李子阳，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。