用MATLAB进行克里金三维插值

克里金三维插值matlab

theta = [10 10]; lob = [1e-1 1e-1]; upb = [20 20];

[dmodel, perf] = dacefit([lat,lon], tem, @regpoly0, @corrgauss, theta, lob, upb);

LonLat = gridsamp([min(latlim) min(lonlim);max(latlim) max(lonlim)], 60);

TemNew = predictor(LonLat, dmodel);

LatNew = reshape(LonLat(:,1),[60,60]);

LonNew = reshape(LonLat(:,2),[60,60]);

TemNew = reshape(TemNew, size(LonNew));

geoshow(LatNew,LonNew,TemNew,'DisplayType','surface');

hold on

plotm(lat,lon,'k.');

colorbar;

matlab中nargin是什么意思

matlab中epochs是计算时根据输出误差返回调整神经元权值和阀值的次数。

验证方法：

（一）使用网络 linearlayer

1,cell输入形式

输入 P={[1;2] [2;1] [2;3] [3;1]};

目标值 T={4 5 7 7}

使用adapt;

输入命令：

P={[1;2] [2;1] [2;3] [3;1]};

T={4 5 7 7};

net=linearlayer(0,0.1);

net=configure(net,P,T);

net.IW{1,1}=[0,0];

net.b{1}=0;

[net,a,e]=adapt(net,P,T);

权重更新4次，最后值：

net.IW{1,1}= 1.5600 1.5200

net.b{1}=0.9200

仿真结果：[0] [2] [6.0000] [5.8000]

2，矩阵输入形式

输入P=[1 2 2 3;2 1 3 1];

输出T=[4 5 7 7]

使用adapt;

输入命令：

P=[1 2 2 3;2 1 3 1];

T=[4 5 7 7];

net=linearlayer(0,0.01);

net=configure(net,P,T);

net.IW{1,1}=[0,0];

net.b{1}=0;

[net,a,e]=adapt(net,P,T);

权重更新一次，最后值：

net.IW{1,1}=0.4900 0.4100

net.b{1}= 0.2300

3，矩阵输入形式

输入P=[1 2 2 3;2 1 3 1];

输出T=[4 5 7 7]

使用train；（其中设置epochs=1）

前提：对学习函数和训练函数加入显式的调用命令；

P=[1 2 2 3;2 1 3 1];

T=[4 5 7 7];

net=linearlayer(0,0.01);

net=configure(net,P,T);

net.IW{1,1}=[0,0];

net.b{1}=0;

net=trian(net,P,T);

权重更新一次，最后值：

net.IW{1,1}=0.4900 0.4100

net.b{1}= 0.2300

结论：对于静态网络而言linearlayer,adapt的cell输入为在线学习，而矩阵输入为离线学习相当于train的一个回合。

至于动态网络：有时间再做。