广西师范大学学报（自然科学版） ›› 2016, Vol. 34 ›› Issue (1): 38-44.doi: 10.16088/j.issn.1001-6600.2016.01.006

• • 上一篇    下一篇

时空Kriging在局域地磁场分析中的应用

陈鼎新, 刘代志, 孟亮, 李义红, 杨晓君   

  1. 火箭军工程大学907教研室,陕西西安710025
  • 收稿日期:2015-05-14 发布日期:2018-09-14
  • 通讯作者: 刘代志(1960—),男,湖南醴陵人,火箭军工程大学教授,博士。E-mail:ldzpwt@163.com
  • 基金资助:
    国家自然科学基金资助项目(41374154,61304240);中国博士后科学基金资助项目(2014M552589)

Applications of Spatiotemporal Kriging in Local Geomagnetic Field Analysis

CHEN Dingxin, LIU Daizhi, MENG Liang, LI Yihong, YANG Xiaojun   

  1. PLA Rocket Force Engineering University, Xi’an Shaanxi 710025, China
  • Received:2015-05-14 Published:2018-09-14

PDF (PC)

137

摘要： 地磁场在空间上和时间上具有连续性和相关性,考察时间特性对于地磁场分析精度的影响,是本文的目的。本文以宁夏周围局域地磁场秒数据为研究对象,应用时空Kriging函数进行插值计算,采用Product-Sun模型结合时间和空间信息,使得插值精度大幅度提高。用空间域方法的最近邻、V4样条插值和Kriging方法进行对比的结果表明,由于充分利用了时间域信息,时空Kriging精度更高。本文还分析了其高精度的原因,并对时空插值过程中数据库容量的选择进行讨论。

关键词: 地磁场, 时空Kriging, 交叉验证, 变差函数

Abstract: Geomagnetic field has continuity and relativity, and the influence of time characteristics on the analysis precision of geomagnetic field is the aim of this paper. Based on the local geomagnetic field data in Ningxia, China, we use the spatial and temporal Kriging function to carry out interpolation calculation. Spatiotemporal Kriging is the extension of Kriging method in space-time domain, including simulation of conditional variation function, construction of space time variation function, cross validation and so on. According to the experiment results, due to the full use of space-time information, Spatiotemporal Kriging outperforms space-only methods, such as the nearest, V4 and Kriging methods. The reason for improvement of accuracy is analyzed, and the selection of database capacity in the process of spatial and temporal interpolation. is discussed.

Key words: geomagnetic field, spatiotemporal Kriging, cross validation, variogram

中图分类号: 

  • P318.2
[1] 徐文耀. 地磁学[M]. 北京:地震出版社,2003: 35.
[2] 徐文耀.地球电磁现象物理学[M].合肥:中国科学技术大学出版社,2009: 473-474.
[3] 袁杨辉. 地磁导航中地磁变化场的研究[D]. 武汉:华中科技大学,2012: 18-19.
[4] 牛超,卢世坤,祁树锋. 基于EEMD和改进ELMAN神经网络的地球变化磁场短时预测[J]. 河北师范大学学报(自然科学版),2014,38(1): 50-54.
[5] DU Ruiqing,YANG Jin. Application of ordinary kriging method in data processing of magnetic survey[C]//The 7th International Conference on Computer Science & Education (ICCSE 2012). Melbourne,Australia. USA:IEEE Computer Society,2012:771-774.
[6] LACO S D, MYERS D E,POSA D. The linear coregionalization model and the product-sum space-time variogram[J]. Mathematical Geology,2003,35(2): 25-38.
[7] NUNES C, SOARES A. Geostatistical space-time simulation model for air quality prediction[J]. Environmetrics,2005,16 :393,404
[8] LI Sha, SHU Hong, XU Zhengquan. Spatial-temporal statistics and analysis of rainfall in jilin province[C]//International Workshop on Computer Science for Environmental Engineering and EcoInformatics (CSEEE 2011). Berlin: Springer-Verlag, 2011:255-261.
[9] GNEITING T. Nonseparable,Stationary covariance functions for space-time data[J]. Journal of the American Statistical Association,2002,97(458): 590-600.
[10] HEUVELINK G B M. Ana Lucia Berretta Hurtado,Quirijn de Jong van Lier. Spatio-temporal variability of soil water tension in a tropical soil in Brazil[J]. Geoderma,2005,133(3/4): 231-243.
[11] LARKA R M, BELLAMY P H,RAWLINS B G. Spatio-temporal variability of some metal concentrations in the soil of eastern England,and implications for soil monitoring[J]. Geoderma,2006,133: 363-379.
[12] 王建民,张 锦,邓增兵,等. 时空Kriging插值在边坡变形监测中的应用[J]. 煤炭学报,2014,39(5): 874-879.
[13] DE CESARE L,MYERS D E,POSA D. Product-sum covariance for space-time modeling,an environmental application[J]. Environmetrics,2001,12:11-23.
[14] CESARE D E,MYERS D E,POSA D. Estimating and modeling space-time correlation structures[J]. Stat Probab Lett,2001,51(1):9-14.
[15] 李莎,舒红,董林. 基于时空变异函数的Kriging插值及实现[J]. 计算机工程与应用,2011,47(23): 25-38.
[16] IACO S. D, MYERS D E, POSA D. Nonseparable space-time covariance models: some parametric families[J]. Mathematical Geology, 2002,34(1): 23-42.
[17] 李莎,舒红,徐正全. 利用时空Kriging进行气温插值研究[J]. 武汉大学学报(信息科学版),2012,37(2): 237-241.
[18] CRESSIE N, HUANG H C. Classes of nonseparable,spatio-temporal stationary covariance functions[J]. Journal of the American Statistical Association,1999,94,1330-1340.
[19] 农吉夫,黄文宁. 基于主成分分析的BP神经网络长期预报模型[J]. 广西师范大学学报(自然科学版),2008,26(4): 46-51.
[20] 王珏,石纯一. 机器学习研究[J]. 广西师范大学学报(自然科学版),2003,21(2): 1-15.
[1] 陈尤莺, 郑之, 孔祥增, 张胜元. 基于贝叶斯分类器的结肠癌数据分类[J]. 广西师范大学学报（自然科学版）, 2011, 29(3): 187-191.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
[1] 孟春梅, 陆世银, 梁永红, 莫肖敏, 李卫东, 黄远洁, 成晓静, 苏志恒, 郑华. 岩黄连总碱诱导肝星状细胞凋亡和自噬的电镜实验研究[J]. 广西师范大学学报（自然科学版）, 2018, 36(3): 76 -79 .
[2] 李钰慧, 陈泽柠, 黄中豪, 周岐海. 广西弄岗熊猴的雨季活动时间分配[J]. 广西师范大学学报（自然科学版）, 2018, 36(3): 80 -86 .
[3] 覃盈盈, 漆光超, 梁士楚. 凤眼莲组织浸提液对靖西海菜花种子萌发的影响[J]. 广西师范大学学报（自然科学版）, 2018, 36(3): 87 -92 .
[4] 庄枫红, 马姜明, 张雅君, 苏静, 于方明. 中华水韭对不同光照条件的生理生态响应[J]. 广西师范大学学报（自然科学版）, 2018, 36(3): 93 -100 .
[5] 韦宏金, 周喜乐, 金冬梅, 严岳鸿. 湖南蕨类植物增补[J]. 广西师范大学学报（自然科学版）, 2018, 36(3): 101 -106 .
[6] 包金萍, 郑连斌, 宇克莉, 宋雪, 田金源, 董文静. 大凉山彝族成人皮褶厚度特征[J]. 广西师范大学学报（自然科学版）, 2018, 36(3): 107 -112 .
[7] 林永生, 裴建国, 邹胜章, 杜毓超, 卢丽. 清江下游红层岩溶及其水化学特征[J]. 广西师范大学学报（自然科学版）, 2018, 36(3): 113 -120 .
[8] 张茹, 张蓓, 任鸿瑞. 山西轩岗矿区耕地流失时空特征及其影响因子研究[J]. 广西师范大学学报（自然科学版）, 2018, 36(3): 121 -132 .
[9] 李贤江, 石淑芹, 蔡为民, 曹玉青. 基于CA-Markov模型的天津滨海新区土地利用变化模拟[J]. 广西师范大学学报（自然科学版）, 2018, 36(3): 133 -143 .
[10] 王梦飞, 黄松. 广西西江经济带的城市旅游经济空间关联研究[J]. 广西师范大学学报（自然科学版）, 2018, 36(3): 144 -150 .
版权所有 © 广西师范大学学报（自然科学版）编辑部
地址：广西桂林市三里店育才路15号　邮编：541004
电话：0773-5857325　E-mail: gxsdzkb@mailbox.gxnu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发