kriging-contour前端克里金插值

已于 2023-08-14 16:36:34 修改
阅读量429 收藏 1
点赞数 1
分类专栏： openlayers 文章标签： gis openlayers
于 2023-08-14 16:33:33 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/random720/article/details/132279013
版权

先看效果：

本项目在kriging-contour插件基础上进行了封装，增加了自定义区域插值，gitbub地址。

random720
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
几种Kriging插值方法的比较
T.s.road
12-12 3万+
几种Kriging插值方法的比较 2015年12月08日星期二 T.s.road总结笔记：KrigingLab2204   作者说明：克里金插值程序                             When running thisprogramme, the author’s PC setting is: Microsoft Windows 7 (SP1) + Matla
kriging算法matlab实现,克里金插值算法matlab
weixin_42356137的博客
03-16 2136
【实例简介】克里金插值算法matlab仿真实现，国外一个基金支持下开发的程序！【实例截图】【核心代码】EasyKrig_V3.0_Matlab2012a└── EasyKrig_V3.0_Matlab2012a├── Description.doc├── EasyKrig_fixes_for_MatlabR2012a.docx├── bin│ ├── bessel0.m│ ├── degm...
克里金算法kriging.js
03-24
克里金算法
Kriging中一些技巧
05-11 1454
1.reshape函数 B=reshape(A,m,n) 矩阵重新构造成m*n的矩阵，元素由A列获得。 A=[ 1   4  7   10 2   5   8  11 3   6   9  12] B=reshape(A,2,6) B=[ 1  3  5  7  9  11 2  4  6  8  10  12] 2.mesh(A,B,C) A,B分别为矩阵，则生成
Vue+leaflet笔记之克里金插值
fungis
06-25 4454
本文介绍了Web端使用Leaflet开发库进行克里金插值的三种方法 (底图来源:天地图)，分别结合了kriging、kriging-contour组件库实现克里金插值功能，效果如下图所示。
Openlayers利用kriging.js实现纯前端插值
热门推荐
HPUGIS的博客
05-24 1万+
关于空间插值这一块，也是GIS一个重要的分析。前端可以通过turf.js后端可以采用contour，如果仅有少量数据需要进行插值分析并进行展示，那应当如何做？可以采用turf.js但是turf.js插值效果是真的烂。通过检索发现可以通过kriging.js去做。kriging.js是基于canvas实现的在OL中可以通过imagecanvas来实现。 一、关于kriging.js 1、GitH...
kriging克里金插值以及前端渲染jS代码部分解释
振云博客
05-14 2621
.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(pos=>pos[0]),positions.map(pos=>pos[1]),params.krigingModel,params.krigingSigma2,params.krigingAlpha); //网格矩阵或轮廓路径 let grid=kriging.grid(po
matlab克里金插值kriging.rar_Kriging插值_kriging_matlab 克里金_克里金差值算法
07-14
克里金加权插值法，使用方便参数设定简单，容易实现，
matlab克里金插值kriging.m.zip_handle9w9_kriging.m_matlab_matlab克里金插值_
09-24
matlab克里金插值程序，源代码。。。。。。。。。。。。。。。
kriging.rar_kriging_克里金_克里金 插值_克里金插值
07-14
这个里面详细讲解了关于克里金插值的内容。学习克里金插值必备
Kriging 算法实现 2维和3维地图等高线
02-23
A year and a half year ago, I published this article to the Codeguru site and got a number of requests about the Kriging algorithm contour map. Unfortunately, my project was changed shortly after that article and later I quit the company so I couldn‘t find time to finish this Contour business. A week ago, I happened to need a contour map again so I decided to solve the Kriging algorithm. I searched the Internet for a commercial library but they all look ugly and hard to use. So, I made up my mind to make my own algorithm. The Kriging algorithm is easy to find, but this algorithm needs a Matrix and solver (LU-Decomposition). Again, I couldn‘t find suitable code for this. I tried to use GSL first but this made my code too big and was slower. Finally, I went back to "Numerical Recipe in C"—yes, that horrible-looking C code—and changed the code there to my taste.If you read this article before, the rendering part hasn‘t been changed much. I added the Kriging algorithm and revised the codes a little bit. Following is the Kriging Algorithm:templatedouble GetDistance(const ForwardIterator start, int i, int j){ return ::sqrt(::pow(((*(start+i)).x - (*(start+j)).x), 2) + ::pow(((*(start+i)).y - (*(start+j)).y), 2));}templatedouble GetDistance(double xpos, double ypos, const ForwardIterator start, int i){ return ::sqrt(::pow(((*(start+i)).x - xpos), 2) + ::pow(((*(start+i)).y - ypos), 2));}templateclass TKriging : public TInterpolater{public: TKriging(const ForwardIterator first, const ForwardIterator last, double dSemivariance) : m_dSemivariance(dSemivariance) { m_nSize = 0; ForwardIterator start = first; while(start != last) { ++m_nSize; ++start; } m_matA.SetDimension(m_nSize, m_nSize); for(int j=0; j<m_nSize; j++) { for(int i=0; i<m_nSize; i++) { if(i == m_nSize-1 || j == m_nSize-1) { m_matA(i, j) = 1; if(i == m_nSize-1 && j == m_nSize-1) m_matA(i, j) = 0; continue; } m
kriging算法实现等高线
09-08
试用kriging算法，实现2维，3维的地图等高线
Kriging 算法实现 2维和3维地图等高线-源
06-28
Kriging 算法来实现 2维和3维地图等高线-此附件为源码，编译可通过（VS2008）
Kriging 算法实现 2D和3D地图等高线.zip_2D_3D contour_VC 3D_地图
07-14
利用vc++实现Kriging 算法，此算法实现 2D和3D地图等高线
Kriging内插等值线并绘制三维图形
11-06
极其好用的等值线内插算法源代码，有2、3维两种显示方式。适合于水下地形、水深数据以及地质可视化
Kriging_kriging_kringinginr_克里金插值_matlab_克里金_
10-04
克里金插值（Kriging）在MATLAB中的实现（克里金工具箱）
克里金插值及DEM等高线生成
01-15
使用指数模型的克里金插值以及对插值结果的等高线的生成。
arcgis api for js 克里金插值可自定义涂色方式 克里金插值源码kriging.js
天道酬勤、业道酬信！
10-18 2033
// Extend the Array class Array.prototype.max = function () { return Math.max.apply(null, this); }; Array.prototype.min = function () { return Math.min.apply(null, this); }; Array.prototype.m...
python 等值面 插值_对离散点进行克里金插值并输出矢量等值面
weixin_39997194的博客
12-08 1524
kriging-contour基于克里金插值算法，根据离散点位置及其权重，生成等值面矢量数据(GeoJSON格式)和栅格数据(Canvas绘制图片)，这些数据在任何WebGIS客户端上都可通用展示。兼容性该库生成结果是geojson和canvas上绘制两种形式，这种通用结果可以在ol,mapbox,leaflet,arcgis api等各种前端api上直接展示，具有跨库的通用性。安装源码下载并编译...
Kriging-MLP插值
最新发布
10-09
Kriging-MLP插值是一种基于地质统计学和机器学习的插值方法。它结合了克里金（Kriging）和多层感知机（MLP）两种技术，用于处理空间数据的内插和外推。 克里金是一种经典的空间插值方法，它基于样本点之间的空间相关性进行预测。它假设数据在空间上具有一定的自相关性，并利用半方差函数描述空间相关性的强度和范围。 多层感知机是一种人工神经网络，由多个神经元层组成。它可以通过学习样本点之间的复杂非线性关系，来进行预测和分类任务。 Kriging-MLP插值方法将克里金和多层感知机相结合，充分利用了克里金在描述空间相关性方面的优势，以及多层感知机在学习非线性关系方面的能力。通过将克里金的预测结果作为多层感知机的输入，可以进一步提高预测的准确性和泛化能力。 使用Kriging-MLP插值方法可以有效地处理具有复杂空间变化模式的数据，例如地质属性、环境参数等。它在地质勘探、环境科学、农业等领域具有广泛的应用。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值