1.一種基于大數(shù)據(jù)的高精度曲面建模方法,包括以下步驟:
步驟1:創(chuàng)建各采樣點(diǎn)的地理坐標(biāo)信息和待測(cè)變量采樣值,所述地理坐標(biāo)信息中包括采樣點(diǎn)的經(jīng)度信息和采樣點(diǎn)的緯度信息;
步驟2:將待測(cè)區(qū)域空間離散化為網(wǎng)格點(diǎn)形式,得到網(wǎng)格點(diǎn)離散值,根據(jù)地理坐標(biāo)信息和待測(cè)變量采樣值建立采樣方程,所述采樣方程用于判斷采樣點(diǎn)是否在網(wǎng)格點(diǎn)上,其中,如果采樣點(diǎn)在所述網(wǎng)格點(diǎn)上,則該網(wǎng)格點(diǎn)的值即為待測(cè)變量采樣值;如果采樣點(diǎn)在網(wǎng)格內(nèi),則將距該采樣點(diǎn)最近的網(wǎng)格點(diǎn)上利用泰勒展開得到該網(wǎng)格點(diǎn)上的近似采樣值;
步驟3:根據(jù)網(wǎng)格點(diǎn)離散值計(jì)算待測(cè)區(qū)域每個(gè)網(wǎng)格點(diǎn)的第一類基本量E、F、G和第二類基本量L、M、N,其中所述第一基本量用于表示模擬曲面上曲線的長(zhǎng)度、模擬曲面的面積和模擬曲面上曲線的曲率,所述第二基本量用于表示模擬曲面的局部彎曲變化程度,將用第一基本量和第二基本量表示的曲面的偏微分方程組進(jìn)行高階差分離散,獲得離散方程組對(duì)應(yīng)的代數(shù)系統(tǒng),將所述代數(shù)系統(tǒng)與所述采樣方程組合成等式約束最小二乘問(wèn)題;
步驟4:將等式約束最小二乘為題轉(zhuǎn)化為求解截?cái)嗄繕?biāo)函數(shù)極小值問(wèn)題;
步驟5:把求解截?cái)嗄繕?biāo)函數(shù)極小值問(wèn)題轉(zhuǎn)化為求解對(duì)稱不定方程組,所述對(duì)稱不定方程組為高精度曲面建模HASM方程組;
步驟6:隨機(jī)選取HASM方程組的迭代初值;
步驟7:將HASM方程組中的系數(shù)矩陣進(jìn)行行分塊,并對(duì)系數(shù)矩陣分解后的塊矩陣進(jìn)行存儲(chǔ);
步驟8:對(duì)迭代初值采用塊行投影迭代法,求解HASM方程組,并判斷求解結(jié)果是否收斂;
步驟9:當(dāng)求解結(jié)果不收斂時(shí),對(duì)求解結(jié)果重新采用塊行投影迭代法,求解HASM方程組,并判斷求解結(jié)果是否收斂,如果收斂,執(zhí)行步驟10,否則,重新執(zhí)行步驟9;
步驟10:當(dāng)HASM方程組的解收斂時(shí),進(jìn)一步判斷HASM方程組的解是否滿足高斯科達(dá)齊方程組,若不滿足,則執(zhí)行步驟6;若滿足,則根據(jù)HASM方程組的解輸出關(guān)于待測(cè)變量的高精度模擬曲面模型。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述曲面的偏微分方程組為:
其中,F=fx·fy,
x為空間離散化的網(wǎng)格點(diǎn)的橫坐標(biāo),y為空間離散化的網(wǎng)格點(diǎn)的縱坐標(biāo),fx為函數(shù)f對(duì)x的一階偏導(dǎo)數(shù),fxx為函數(shù)f對(duì)x的二階偏導(dǎo)數(shù),fy為函數(shù)f對(duì)y的一階偏導(dǎo)數(shù),fyy為函數(shù)f對(duì)y的二階偏導(dǎo)數(shù)Ex、Fx、Gx分別為E、F、G對(duì)x的一階偏導(dǎo)數(shù),Ey、Fy、Gy分別為E、F、G對(duì)y的一階偏導(dǎo)數(shù),為第二類克里斯托弗爾符號(hào)。
3.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述步驟3具體包括:
步驟3.1:根據(jù)第一類基本量E、F、G和第二類基本量L、M、N的有限差分逼近計(jì)算待測(cè)區(qū)域每個(gè)網(wǎng)格點(diǎn)的第一類基本量和第二類基本量的值;
步驟3.2:結(jié)合第一類基本量的有限差分逼近、第二類基本量的有限差分逼近和第二類克里斯托弗爾符號(hào)的有限差分得到離散方程組;
步驟3.3:將所述離散方程組轉(zhuǎn)換成矩陣形式的代數(shù)系統(tǒng);
步驟3.4:將所述代數(shù)系統(tǒng)與采樣方程組合成等式約束最小二乘問(wèn)題。
4.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述步驟7中將HASM方程組中的系數(shù)矩陣進(jìn)行行分塊的具體方法為:設(shè)系數(shù)矩陣A的每個(gè)子塊Ai最多有u行,且Ai∈Ru×n,u<<n均為滿秩,即每塊的行是獨(dú)立的,假設(shè)正在生成一個(gè)子塊Ai,該子塊已包含矩陣A中的j行(j<u),且已知AiT的QR分解為AiT=QjRj,塊AiT的行相關(guān)性的估計(jì)其中rhh為位于Rj的(h,h)位置的元素,a1為矩陣A中的一行,令根據(jù)AiT的QR分解,采用QR分解更新方法來(lái)得到的QR分解,然后計(jì)算的行相關(guān)性估計(jì),如果該估計(jì)仍小于κ,則a1加入塊Ai,其中,κ為預(yù)先設(shè)定的一個(gè)正數(shù)。
5.根據(jù)權(quán)利要求4所述的方法,其特征在于,所述QR分解采用FrancisQR分解策略。
6.根據(jù)權(quán)利要求4或5所述的方法,其特征在于,所述步驟7中對(duì)系數(shù)矩陣分解后的塊矩陣進(jìn)行存儲(chǔ)的方式為行壓縮存儲(chǔ)方式CSR。
7.根據(jù)權(quán)利要求6所述的方法,其特征在于,所述步驟8和步驟9具體包括:假設(shè)當(dāng)前迭代點(diǎn)為,判斷xk是否收斂,若不收斂,則找出離xk直交距離最遠(yuǎn)的塊,選取xk在所述塊上的投影作為下一個(gè)迭代點(diǎn)。