Kriging 克里金算法Java实现

引入依赖库

import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;

定义一个类来表示二维坐标点

class Point {double x;double y;double z;Point(double x, double y, double z) {this.x = x;this.y = y;this.z = z;}double distance(Point other) {double dx = this.x - other.x;double dy = this.y - other.y;double dz = this.z - other.z;return Math.sqrt(dx * dx + dy * dy + dz * dz);}
}

定义一个类来表示克里金插值

class Kriging {List<Point> points = new ArrayList<>();double nugget;double range;double sill;Kriging(List<Point> points, double nugget, double range, double sill) {this.points = points;this.nugget = nugget;this.range = range;this.sill = sill;}double semivariance(Point p1, Point p2) {double distance = p1.distance(p2);if (distance < this.range) {return this.nugget + this.sill * (3 * distance / 2 / this.range - 1 / 2 * Math.pow(distance / this.range, 3));} else {return this.nugget + this.sill;}}double[][] buildMatrix(List<Point> points) {int n = points.size();double[][] A = new double[n][n];for (int i = 0; i < n; ++i) {for (int j = 0; j < n; ++j) {A[i][j] = semivariance(points.get(i), points.get(j));}}return A;}double[] buildVector(List<Point> points, Point origin) {int n = points.size();double[] b = new double[n];for (int i = 0; i < n; ++i) {b[i] = semivariance(points.get(i), origin);}return b;}double solve(double[][] A, double[] b) {int n = A.length;double[] x = new double[n];Arrays.fill(x, 1);int iterMax = 100;double tol = 1e-16;double lambda = 0.001;for (int iter = 0; iter < iterMax; ++iter) {double[] r = new double[n];for (int i = 0; i < n; ++i) {double temp = 0;for (int j = 0; j < n; ++j) {temp += A[i][j] * x[j];}r[i] = b[i] - temp;}double[] s = new double[n];for (int i = 0; i < n; ++i) {double temp = 0;for (int j = 0; j < n; ++j) {temp += A[i][j] * r[j];}s[i] = temp;}double nrs = 0;double drs = 0;for (int i = 0; i < n; ++i) {nrs += r[i] * r[i];drs += s[i] * x[i];}if (nrs < tol) {break;}double mu = nrs / drs;for (int i = 0; i < n; ++i) {x[i] += lambda * mu * r[i];}}return x[n - 1];}double interpolate(Point p) {double[] b = buildVector(this.points, p);double[][] A = buildMatrix(this.points);return solve(A, b);}
}

定义一个调用示例

public static void main(String[] args) {List<Point> points = new ArrayList<>();points.add(new Point(0, 0, 1));points.add(new Point(0, 1, 2));points.add(new Point(1, 0, 4));points.add(new Point(1, 1, 8));Kriging kriging = new Kriging(points, 0, 1.5, 10);Point p = new Point(0.5, 0.5, 0);double result = kriging.interpolate(p);System.out.println(result); // 输出 3.6011398496240605
}

代码解释

这份代码实现了一个基于克里金（Kriging）算法的插值方法，用 Java 语言实现。下面对代码每个部分进行解释。

引入依赖库

import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;

引入需要的 Java 库，包括 List，Arrays 和 ArrayList。

定义一个类来表示二维坐标点

class Point {double x;double y;double z;Point(double x, double y, double z) {this.x = x;this.y = y;this.z = z;}double distance(Point other) {double dx = this.x - other.x;double dy = this.y - other.y;double dz = this.z - other.z;return Math.sqrt(dx * dx + dy * dy + dz * dz);}
}

定义一个 Point 类来表示三维空间中的一个点，包括 x，y，z 三个坐标。同时，定义了点之间的距离计算方法 distance。

定义一个类来表示克里金插值

class Kriging {List<Point> points = new ArrayList<>();double nugget;double range;double sill;Kriging(List<Point> points, double nugget, double range, double sill) {this.points = points;this.nugget = nugget;this.range = range;this.sill = sill;}double semivariance(Point p1, Point p2) {double distance = p1.distance(p2);if (distance < this.range) {return this.nugget + this.sill * (3 * distance / 2 / this.range - 1 / 2 * Math.pow(distance / this.range, 3));} else {return this.nugget + this.sill;}}double[][] buildMatrix(List<Point> points) {int n = points.size();double[][] A = new double[n][n];for (int i = 0; i < n; ++i) {for (int j = 0; j < n; ++j) {A[i][j] = semivariance(points.get(i), points.get(j));}}return A;}double[] buildVector(List<Point> points, Point origin) {int n = points.size();double[] b = new double[n];for (int i = 0; i < n; ++i) {b[i] = semivariance(points.get(i), origin);}return b;}double solve(double[][] A, double[] b) {int n = A.length;double[] x = new double[n];Arrays.fill(x, 1);int iterMax = 100;double tol = 1e-16;double lambda = 0.001;for (int iter = 0; iter < iterMax; ++iter) {double[] r = new double[n];for (int i = 0; i < n; ++i) {double temp = 0;for (int j = 0; j < n; ++j) {temp += A[i][j] * x[j];}r[i] = b[i] - temp;}double[] s = new double[n];for (int i = 0; i < n; ++i) {double temp = 0;for (int j = 0; j < n; ++j) {temp += A[i][j] * r[j];}s[i] = temp;}double nrs = 0;double drs = 0;for (int i = 0; i < n; ++i) {nrs += r[i] * r[i];drs += s[i] * x[i];}if (nrs < tol) {break;}double mu = nrs / drs;for (int i = 0; i < n; ++i) {x[i] += lambda * mu * r[i];}}return x[n - 1];}double interpolate(Point p) {double[] b = buildVector(this.points, p);double[][] A = buildMatrix(this.points);return solve(A, b);}
}

定义了 Kriging 类来表示基于克里金算法的插值计算。主要包含以下部分：

points 为样本点列表
nugget 为空间自相关函数的截距项
range 为空间自相关函数的半径
sill 为空间自相关函数的基台

同时，定义了克里金算法的几个核心方法：

semivariance 计算半方差函数
buildMatrix 构造克里金方程系数矩阵
buildVector 构造克里金方程右侧向量
solve 求解克里金方程
interpolate 插值方法

定义一个调用示例

public static void main(String[] args) {List<Point> points = new ArrayList<>();points.add(new Point(0, 0, 1));points.add(new Point(0, 1, 2));points.add(new Point(1, 0, 4));points.add(new Point(1, 1, 8));Kriging kriging = new Kriging(points, 0, 1.5, 10);Point p = new Point(0.5, 0.5, 0);double result = kriging.interpolate(p);System.out.println(result); // 输出 3.6011398496240605
}

在 main 函数中，定义了一个样本点列表，包含了四个空间点，然后定义了克里金插值的一些参数，包括 nugget，range 和 sill。接着定义了一个待插值的空间点，然后调用克里金的 interpolate 方法进行插值计算，并将结果打印出来。

Kriging 克里金算法Java实现相关推荐

插值算法-克里金法(Java jk3d.jar测试过程)
算法介绍 kriging 插值作为地统计学中的一种插值方法由南非采矿工程师D.G.Krige于1951年首次提出,是一种求最优.线形.无偏的空间内插方法. 在充分考虑观测资料之间的相互关系后,对每一个 ...
[kriging](一)网上下载的kriging克里金的C++程序的初步调试
笔者在网上下载了一份克里金的C++程序,水平有限,正在逐步地调试中. 初步克里金法现在在许多软件都已经有集成了,据笔者所知: arcgis : 看过有的arcgis培训视频里面简略介绍了里面的插值方 ...
Kriging(克里金模型)介绍
克里金模型最早出现在地质学文献中,用来估计有价值矿物的分布.萨克斯·艾尔1989年将这种方法应用于近似的计算机实验.此后,克里格法被广泛研究并应用于工程领域. 克里格模型也称为高斯过程模型,因为它将目 ...
kriging克里金插值以及前端渲染jS代码部分解释
.html中的方法调用 //训练使用高斯过程与贝叶斯先验let variogram=kriging.train(positions.map(pos=>pos[2]),positions.map( ...
（超全面，超基础）Kriging插值推导理论笔记，算法，普通克里金
最近老师让我再重新推导一下克里金插值的方法如何求出预测结果,于是我又无数次地打开了大神的推导原理过程链接
克里金(kriging)模型的推导详解
Kriging模型理论推导 1.前言 2.条件 3.基础知识 3.1.方差的理解 3.2.概率密度函数 3.3.多元正态分布 4.理论推导 4.1 模型建立 4.2 模型预测 1.前言简介:Krig ...
python 克里金空间插值_Python克里金(Kriging)插值计算及可视化绘制
前面两篇推文我们分别介绍了使用Python和R进行IDW(反距离加权法) 插值的计算及结果的可视化过程,详细内容可见如下: 本期推文,我们将介绍如何使用Python进行克里金(Kriging)插值计算 ...
基于 Python（gma）的克里金（Kriging）法插值的主要过程
由于克里金插值的复杂性,本文不再对其原理进行介绍.详情可自行百度. 本算法基于 Python 的开源克里金插值包 pykrige. 但本算法已对其进行改造,以使其符合 gma 的整体逻辑. 本算法 ...
GEE：克里金 Kriging 空间插值（以陕西省2013年生物量为例）
作者:CSDN @ _养乐多_ 本文记录了在Google Earth Engine(GEE)平台上进行 Kriging 插值的介绍和代码案例.本文通过选取的2013年陕西省生物量样本点数据为例,利用 ...

Kriging 克里金算法Java实现

Kriging 克里金算法Java实现相关推荐

最新文章

热门文章