导读:本文包含了内插预测论文开题报告文献综述及选题提纲参考文献，主要关键词:灰色预测模型,线性内插法,生物修复,降解率
内插预测论文文献综述
高胜哲,王仕如,樊鑫,于红,戚浩然[1]（2016）在《基于灰色预测模型和线性内插法的溢油灾后生物修复降解率辅助决策模型研究》一文中研究指出为研发溢油污染事故后续修复和渔业生产恢复辅助决策系统,采用灰色预测模型与线性内插法相结合的数学方法,构建溢油灾后生物修复降解率辅助决策模型并进行实证研究。结果表明:构建的模型预测精度为93.65%~97.53%,预测模型是可行的。研究表明,基于灰色预测模型与线性内插法相结合的建模方法有效地解决了溢油灾后生物修复模拟试验中局部数据序列非等时距的建模问题,能够满足建立生物修复降解率辅助决策模型的需要,能够对溢油灾后修复与渔业生产恢复进行中长期决策提供辅助支持。(本文来源于《大连海洋大学学报》期刊2016年05期）
蒋雪冰[2]（2016）在《线性内插和扩展Kalman滤波组合法对NDVI时间序列的重构与预测》一文中研究指出归一化植被指数(NDVI)时间序列数据已经成功应用于全球与区域环境变化、植被动态监测、土地覆盖变化和植被生物物理参数反演等多方面的研究。NDVI时间序列数据受到云、气溶胶等大气条件和传感器自身等因素的影响包含很多噪声,影响了其进一步的应用。近年来,学者们提出了多种重构高质量NDVI时间序列数据的方法,但是每一种数据重构的方法都有其优缺点。因此,本文为了抑制异常低值和异常高值,提高NDVI时间序列数据的重构精度,避免改变正常NDVI值,构建高质量的时间序列影像,深入研究NDVI时间序列数据的重构方法并提出更为优化的方法,同时探索是否能够实现NDVI时间序列数据下一时刻的预测,具有十分重要的现实意义。本文以广州市为研究区,以空间分辨率为250m 16d间隔的MODIS NDVI影像和野外实测数据为数据源,裁剪位于流溪河国家森林公园内100*100大小像素的森林影像为研究对象,利用线性内插和扩展Kalman滤波组合重构方法对NDVI时间序列数据进行重构处理,并运用扩展Kalman滤波对NDVI时间序列数据重构后的结果进行一步预测,同时对重构和预测结果进行了验证。其主要内容如下:(1)NDVI时间序列重构本文在前人的研究基础上,为了提高扩展Kalman滤波重构NDVI时间序列的精度,结合已有NDVI时间序列模型,引入线性内插的方法,即利用线性内插和扩展Kalman滤波组合法对NDVI时间序列数据进行重构,并与EKF和中值滤波方法进行比较,利用部分样点的地面实测数据以及图像清晰度进行结果验证,得出基于线性内插和扩展Kalman滤波组合法、扩展Kalman滤波和中值滤波叁种方法像元值的相对误差,分别在-1.91%~0.93%,-3.86%~5.85%和-0.28%~16.30%之间;其图像清晰度提升的范围是0.0014~0.0908,提升的幅度范围在3.89%~154.09%之间。总体而言,线性内插和扩展Kalman滤波组合的重构方法能够更好的逼近高质量的数据,拟合原始曲线的波峰,在提升曲线的整体效果的同时,降低原始数据的均值偏差和数据的离散程度,对低值噪声的抑制能力更好,图像清晰度更高。(2)NDVI时间序列预测基于NDVI时间序列重构的时序模型,利用扩展Kalman滤波算法的一步预测功能对NDVI时间序列进行预测,其像元点的时间序列预测结果的绝对误差范围在0.0044~0.0944之间,EC拟合效果达到0.9785,而图像清晰度整体呈下降趋势,下降的范围是-0.1063~-0.0011,降低幅度范围为-71.04%~-2.90%,说明扩展Kalman滤波对NDVI时间序列预测的效果并不显着,其值的准确性及适用性有待进一步探讨。基于以上分析,虽然扩展Kalman滤波对NDVI时间序列数据的重构效果不显着,需要后期进一步研究完善,但是线性内插和扩展Kalman滤波组合重构方法对NDVI时间序列数据的重构效果较好,对云层干扰、效果差的影像效果有明显提高,对原始影像中数据较好的区域在重构后也能够保留原有的影像质量,能够为森林监测、生态保护以及生态建设提供了良好的技术支持和信息基础。(本文来源于《华南农业大学》期刊2016-06-01）
陆仁强[3]（2015）在《分形内插算法用于城市时用水量预测方法的研究》一文中研究指出以华北某市开发区的时用水量历史数据为例,首先利用分形理论中的R/S分析方法计算其Hurst指数H,结果表明,该地区城市时用水量时间序列具有明显的分形特征。然后基于分形拼贴定理,通过仿射变换求得该地区城市时用水量负荷曲线的吸引子。最后采用基于相似日拟合模型的分形内插算法,得到了一种城市时用水量分形预测的新方法。应用结果表明:该方法预测的平均相对误差为1.8%,预测精度可满足城市时用水量预测的要求。(本文来源于《给水排水》期刊2015年12期）
石东平,吴超,李孜军,吴桂香,潘伟[4]（2015）在《基于可视化网格和几何内插法的硫化矿自燃红外预测》一文中研究指出针对红外热像技术应用于硫化矿自燃测温时精度较低,且红外图像几何信息会丢失的问题,建立使用可视化网格和几何内插法的红外测温方法。采用几何插值法建立硫化矿物平面同红外图像像平面间的几何对应关系,得出样本表面温度场计算表达式,绘制矿样表面温度曲面图。选取4个硫化矿样本开展测温试验,并分析测得数据的误差。结果表明:4个样本测温最大相对误差分别为9.84%,8.99%,7.14%和9.94%,最小相对误差分别为1.09%,1.69%,2.08%和9.94%。用可视化网格法测得的温度同真实温度吻合度较好。(本文来源于《中国安全科学学报》期刊2015年10期）
张海燕[5]（2014）在《一种内插连续预测的冶金精确温控实现方法》一文中研究指出冶金过程中的温度控制受制于恶劣的环境和离散的温度样点分布,补偿困难,无法精确预测炉内各点的温度;传统的温度预测控制方法采用基于离散样本数据的最小二乘拟合方法,无法滤除冗余量干扰,实现平滑预测;提出一种内插连续预测的冶金精确温控实现方法,在炉内温度离散采集的基础上,通过温度值内插和平滑连续预测的方法,对采样的离散温度进行预测处理,算法沿用了一定的历史数据,具有更佳的预测性能;采用工业纯铁作为测试样本,仿真实验结果显示,基于内插连续预测的方法,炉内系统温度具有更加平滑的预测效果,温度稳定,对于精确温控预测具有很好的应用价值。(本文来源于《科技通报》期刊2014年06期）
陈学前,沈展鹏,刘信恩,肖世富[6]（2013）在《考虑预测误差的模型内插与外推》一文中研究指出对结构进行评估时,常需要利用模型的内插与外推结果,且模型的不确定性也是需要考虑的一个重要因素。针对模型参数空间的内插外推问题,基于确定性计算模型并联合多次试验结果,计算得到预测误差的不确定性;接着对预测误差的均值与标准差进行函数拟合;并且考虑函数拟合带来的不确定性。通过双层抽样分析得到预测误差的置信区间,再迭加上预测点确定性计算结果,进而得到预测结果的置信区间。最后通过不同拧紧力矩下某根部柔性悬臂梁的内插与外推应用,检验了该方法的有效性。(本文来源于《科学技术与工程》期刊2013年33期）
陈学前,沈展鹏,刘信恩,肖世富[7]（2013）在《考虑预测误差的模型内插与外推》一文中研究指出针对模型参数空间的内插外推预测问题,基于确定性计算模型,且考虑模型预测误差的不确定性,对预测误差的均值与标准差进行函数拟合,并且考虑函数拟合带来的不确定性,通过双层抽样(内层对预测误差的均值与标准差抽样,外层对预测误差抽样)分析得到预测误差的置信区间,再迭加上预测点确定性计算结果进而得到预测(本文来源于《中国力学大会——2013论文摘要集》期刊2013-08-19）
李金凤,陈昭仁[8]（2009）在《植基于区块内插预测之无失真式可连索编码位移隐藏技术》一文中研究指出为了提升数字多媒体数据的传输效能及安全,学者们在压缩域纷纷提出许多信息隐藏技术。本文提出一个两阶段藏密法,期能达到高藏量又不会造成解压缩后影像有不合理的失真效果。第一阶段采用Wuetal.的区块编码策略,在不需额外记录位即可在译码阶段判别哪一个区块为可藏。虽然,此阶段不用辅助位所以信息藏量相对较高,影像失真度亦在可容忍的范围内;然而,受限于可藏区块为相对平滑,故在不影响影像质量的情况之下,欲再提升藏量的就必须采用可回复式藏密法。因此,本文在第二阶段提出植基于区块内插预测之无失真式可连索编码位移之隐藏技术,使用内插法对SMVQ区块预测中的状态编码簿,进行编码字扩充程序,能够在不影响原影像质量的情况之下,利用大小为2n-1的状态编码簿,藏入n个位的秘密信息。根据本研究的实验证明,此方法较Wuetal.所提出的方法,能够有效提升大约16%的信息藏入量,同时可以将机密讯息完整取回,并将影像无损还原至第一阶段,再藉由Wuetal.的方法取出第一阶段的秘密位并解压缩影像。(本文来源于《中国管理信息化》期刊2009年15期）
江文斐[9]（2009）在《一种新的基于联合内插预测的视频编码方案》一文中研究指出近年来,视频编码技术的发展趋势正在由高压缩率逐渐转移到对高质量、高分辨率、高灵活性的支持。鉴于主流的视频编码方案已经付出了惊人的复杂度但对这些最新的要求缺乏足够的适应性,有必要研究新的视频编码框架。新框架以支持可分级编码以及保证在高分辨率、高清晰度应用的性能为目标。通过对目前已有的编码机制的研究,内插预测编码(Interpolative Coding)被认为对这些需求具有较强的适应性,同时,基于点到点的内插预测编码,能够从根本上去除主流编码机制下难以回避的块效应。内插预测编码的性能很大程度上取决于其采用的预测技术。而现有的帧内空域预测和帧间运动估计都是在各自的领域相当成功的技术,却难以对帧间/帧内相关性相对均衡的视频信号做出准确估计。本文创造性地提出了新的时空联合预测的预测方法,同时兼顾帧间和帧内相关性,该方法已被证明在绝大多数情况下优于传统的运动补偿技术,能够保证新的预测编码方案具有较高的压缩率。基于内插预测的编码机制,本文提出了K-L变换/联合预测(KLT/Joint Prediction)的编码框架。除了最新的时空联合预测技术,基于图像特征的K-L变换也能大幅提高对视频的压缩效率。以此取代传统的运动估计/DCT变换(ME/DCT)框架,新方案不仅能保持较高的压缩率,还能很好地满足上述的最新需求。结合以上研究,本文提出了基于内插预测的新型视频编码方案Joint Predictive Coding(JPC),从根本上去除块效应,完美支持分辨率可调性,同时保证较高的压缩率以及较低的复杂度。JPC在略高于MPEG-2的复杂度的条件下,达到了明显高于MPEG-2的压缩率,并在极高的质量下达到了目前最先进的H.264标准的压缩水平。本文的研究不仅对当代视频技术发展趋势的有着很强的契合度,也对下一代视频编码技术的探索有积极的意义。(本文来源于《华中科技大学》期刊2009-05-01）
吴国清,陈虹,徐小文[10]（2007）在《基于最优内插预测的科学数据压缩方法》一文中研究指出在海量科学数据存储和传输压力愈来愈大的背景下,我们针对结构网格离散的科学计算数据,研究了基于二维9点、叁维27点最优内插预测的科学数据压缩方法。数值实验表明该方法大大优于现有的压缩算法,可以较好地解决科学计算数据的压缩存储问题。(本文来源于《计算机科学》期刊2007年08期）
内插预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
归一化植被指数(NDVI)时间序列数据已经成功应用于全球与区域环境变化、植被动态监测、土地覆盖变化和植被生物物理参数反演等多方面的研究。NDVI时间序列数据受到云、气溶胶等大气条件和传感器自身等因素的影响包含很多噪声,影响了其进一步的应用。近年来,学者们提出了多种重构高质量NDVI时间序列数据的方法,但是每一种数据重构的方法都有其优缺点。因此,本文为了抑制异常低值和异常高值,提高NDVI时间序列数据的重构精度,避免改变正常NDVI值,构建高质量的时间序列影像,深入研究NDVI时间序列数据的重构方法并提出更为优化的方法,同时探索是否能够实现NDVI时间序列数据下一时刻的预测,具有十分重要的现实意义。本文以广州市为研究区,以空间分辨率为250m 16d间隔的MODIS NDVI影像和野外实测数据为数据源,裁剪位于流溪河国家森林公园内100*100大小像素的森林影像为研究对象,利用线性内插和扩展Kalman滤波组合重构方法对NDVI时间序列数据进行重构处理,并运用扩展Kalman滤波对NDVI时间序列数据重构后的结果进行一步预测,同时对重构和预测结果进行了验证。其主要内容如下:(1)NDVI时间序列重构本文在前人的研究基础上,为了提高扩展Kalman滤波重构NDVI时间序列的精度,结合已有NDVI时间序列模型,引入线性内插的方法,即利用线性内插和扩展Kalman滤波组合法对NDVI时间序列数据进行重构,并与EKF和中值滤波方法进行比较,利用部分样点的地面实测数据以及图像清晰度进行结果验证,得出基于线性内插和扩展Kalman滤波组合法、扩展Kalman滤波和中值滤波叁种方法像元值的相对误差,分别在-1.91%~0.93%,-3.86%~5.85%和-0.28%~16.30%之间;其图像清晰度提升的范围是0.0014~0.0908,提升的幅度范围在3.89%~154.09%之间。总体而言,线性内插和扩展Kalman滤波组合的重构方法能够更好的逼近高质量的数据,拟合原始曲线的波峰,在提升曲线的整体效果的同时,降低原始数据的均值偏差和数据的离散程度,对低值噪声的抑制能力更好,图像清晰度更高。(2)NDVI时间序列预测基于NDVI时间序列重构的时序模型,利用扩展Kalman滤波算法的一步预测功能对NDVI时间序列进行预测,其像元点的时间序列预测结果的绝对误差范围在0.0044~0.0944之间,EC拟合效果达到0.9785,而图像清晰度整体呈下降趋势,下降的范围是-0.1063~-0.0011,降低幅度范围为-71.04%~-2.90%,说明扩展Kalman滤波对NDVI时间序列预测的效果并不显着,其值的准确性及适用性有待进一步探讨。基于以上分析,虽然扩展Kalman滤波对NDVI时间序列数据的重构效果不显着,需要后期进一步研究完善,但是线性内插和扩展Kalman滤波组合重构方法对NDVI时间序列数据的重构效果较好,对云层干扰、效果差的影像效果有明显提高,对原始影像中数据较好的区域在重构后也能够保留原有的影像质量,能够为森林监测、生态保护以及生态建设提供了良好的技术支持和信息基础。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
内插预测论文参考文献
[1].高胜哲,王仕如,樊鑫,于红,戚浩然.基于灰色预测模型和线性内插法的溢油灾后生物修复降解率辅助决策模型研究[J].大连海洋大学学报.2016
[2].蒋雪冰.线性内插和扩展Kalman滤波组合法对NDVI时间序列的重构与预测[D].华南农业大学.2016
[3].陆仁强.分形内插算法用于城市时用水量预测方法的研究[J].给水排水.2015
[4].石东平,吴超,李孜军,吴桂香,潘伟.基于可视化网格和几何内插法的硫化矿自燃红外预测[J].中国安全科学学报.2015
[5].张海燕.一种内插连续预测的冶金精确温控实现方法[J].科技通报.2014
[6].陈学前,沈展鹏,刘信恩,肖世富.考虑预测误差的模型内插与外推[J].科学技术与工程.2013
[7].陈学前,沈展鹏,刘信恩,肖世富.考虑预测误差的模型内插与外推[C].中国力学大会——2013论文摘要集.2013
[8].李金凤,陈昭仁.植基于区块内插预测之无失真式可连索编码位移隐藏技术[J].中国管理信息化.2009
[9].江文斐.一种新的基于联合内插预测的视频编码方案[D].华中科技大学.2009
[10].吴国清,陈虹,徐小文.基于最优内插预测的科学数据压缩方法[J].计算机科学.2007