我正在考虑用这个方法来插值一些我有的三维点。作为输入,我得到了一个地区不同海拔高度的气体的大气浓度。我得到的数据在几十英尺的垂直高度上每隔几英尺显示一个值,但是在水平方向上被几百英尺隔开(所以“列”的值都很紧凑)。
假设在任何给定的时间点,数值在垂直方向上的变化明显大于在水平方向上的变化。
我想在考虑了这个假设的情况下执行3D kriging(作为一个参数,我可以调整或统计定义-要么/要么)。
我相信scikit学习模块可以做到这一点。如果可以,我的问题是如何创建离散单元输出?也就是说,将数据输出到三维网格中,其尺寸为50 x 50 x 1英尺。理想情况下,我希望输出[x_location,y_location,value]并分离这些(或类似)距离。
不幸的是,我没有太多的时间来研究它,所以我只是希望在深入研究之前弄清楚在Python中这是否可能。谢谢!
在二维情况下,类似这样的操作应该可以:
是的,你绝对可以在
scikit_learn
中完成。实际上,可以使用各向异性协方差核是kriging/Gaussian过程回归的一个基本特征。
由于它在manual(下面引用)中被精确化,所以您可以自己设置协方差的参数,也可以估计它们。你可以选择所有参数都相等或者都不同。
相关问题 更多 >
编程相关推荐