13372.改進的徑向基三維插值算法的研究與應用

1、分類號UDC學校代碼：10616密級學號：2011020585成都理工大學碩士學位論文改進的徑向基三維插值算法的研究與應用馬騰指導教師姓名及職稱周仲禮(教授)申請學位級別碩士專業(yè)名稱應用數(shù)學論文提交日期2014年5月論文答辯日期2014年6_月學位授予單位和日期成都理工大學(午旦!答辯委員會主席；磊，孫評閱人莖益基盤壟叢2014年5月摘要改進的徑向基三維插值算法的研究與應用摘要由于礦業(yè)資源開發(fā)生產(chǎn)項目，礦體的品位預測及儲量估算的需求。同

2、時又受制于項目經(jīng)費有限等客觀因素，一般的采樣點數(shù)據(jù)不足以全面反映礦體的分布情況。既要在客觀條件允許之下，又要盡可能滿足項目需求，因此需要采用空間插值技術來彌補采樣點數(shù)據(jù)信息的不全面的問題。然而諸如反比距離加權克里金等插值方法從本質上講，都屬于依據(jù)線性理論的滑動加權平均的方法，因此在局部易造成因對數(shù)據(jù)進行平滑操作而引起的信息的遺失，此外，其對具有非線性特征的礦體品位空間分布的描述在精度上也存在一定的限制，而且使用克里金類方法是有滿足本征假

3、設或平穩(wěn)假設的前提條件，采樣數(shù)據(jù)服從對數(shù)正態(tài)分布或正態(tài)分布。由于現(xiàn)實中難以達到以上要求。因此迫切需要尋求一種對非線性系統(tǒng)處理能力強大又對采樣數(shù)據(jù)分布和假設沒有要求的方法。徑向基神經(jīng)網(wǎng)絡即是一種分塊內插方法。首先其徑向基層對樣本數(shù)據(jù)進行了分類，再在分好的類別基礎之上分別對每類數(shù)據(jù)進行訓練。這樣實際等同于將原本十分復雜的問題分為若干相對不復雜的問題分別解決，可行性顯然更高。然而徑向基神經(jīng)網(wǎng)絡受制于初始中心難確定和解決復雜問題時隱含層節(jié)點過多

4、的困境。本文針對這些問題為徑向基神經(jīng)網(wǎng)絡確定更為優(yōu)化的處初始中心，增強徑向基網(wǎng)絡的性能，通過采用改進的模擬退火蟻群算法作為徑向基神經(jīng)網(wǎng)絡徑向基層的訓練法，從而為徑向基模型確定了理論上更為優(yōu)化的初始中心，將原本十分復雜的問題進行了分類簡化，這也貼合了地質礦體的空間特性，為傳統(tǒng)的礦體品位預測采用更為先進的機器學習算法提供了可能性，可能相較于傳統(tǒng)方法這種新方法會帶來更多活力。然后將改進的徑向基神經(jīng)網(wǎng)絡模型應用于地層高程的面插值和礦體品味的空間