1简介 AIDW主要是针对IDW的缺点进行了改进，考虑了样本点与预测点的位置，即方向和距离，具体见下图： 2改进 IDW公式： 从IDW算法可看出，插值点的估算值仅与插值样本距插值点的远近相关，并未考虑样本点的方位性（即样本点被表示为各向同性）。 IDW插值的基本假设是样点在插值区呈均匀分布。但众多情况下，样点在各向分布并非均匀，甚至会出现样点集中于某一方向的现象，违背了基本假设，其插值合理性就难被保证。针对IDW这一插值局限，作者提出了调和反距离权重（AIDW）插值算法。 AIDW增加了可反映插值点与样本点方位关系的调和权重系数K，其基本假设是：距插值点近的样本点，对其后方的样本点有遮...

1前言 trajGRU是在对convLSTM的改进，且这两个模型是同一个作者。 convLSTM在降水短临预报这块已经超越传统模型，但其是局部不变性的(location-invariant)，而自然的运动和转换(如旋转)是局部变化的(location-invariant)。作者为了能够使用递归连接的方式捕捉和学习这种局部变化结构构建了trajGRU(theTrajectoryGRU)。 具体对比与改进可用下图表示： 2模型 convLSTM可以将LSTM换为GRU，但本质上还是使用conv对图像进行处理，conv经模型训练后的参数(核函数)是固定的，即局部不变性。 因此作者主要是对conv...

1梯度距离平方反比法 梯度距离平方反比法(gradientplusinversedistancesquared(GIDS))由Nalder和Wein于1988年提出，是一种考虑了气象要素随经纬度和海拔高度变化的反距离权重法，其空间插值计算公式如下： 式中： 为第 为第 分别为第 式中： 表示第 2基于经验气温垂直递减率的梯度距离平方反比法 由上可知，样本点气象要素值与经纬度和海拔高度的关系直接决定空间插值的效果。 对气温进行空间插值时，当样本点海拔与待插值点之间的海拔相差较小时，可以得到准确度较高的插值结果;但当研究区位于地形起伏剧烈区域时，待插值点与样本点的海拔高度差...

1引言 托布勒的地理第一定律指出，“一切都与其他事物有关，但近处的事物比远处的事物更相关。 在半变异函数的情况下，更接近的事物更可预测，变异性更小，而遥远的事物则难以预测，相关性也较低。 例如，当前位置的地形更可能与前方1米处的地形相似，而不是与100米外的地形相似。 半变异函数绘制了样本值（污染、海拔、噪声等）如何随距离变化。 接下来以土壤水分样本作为案例进行说明。 案例包含10英亩田地中的73个土壤水分样本。在西北角，样品更湿润，含水量更高。但在东部象限，它们要干燥得多，如下图所示。 针对上图存在以下疑问： 不同地点的值的可预测性如何？ 距离较近的已知值是否比距离较远的值更相似...

由于计算机方面的知识比较匮乏(非计算机专业)，于是最近补了一些这方面的知识。下面是在网上找到的课程表： 计算机科学与技术课程表：https://jw.nju.edu.cn/_upload/article/files/b8/42/f76ce1db469c8bc32e0668be6e3c/0ad2960b-c5b9-40e9-8dc7-a13cf364d3da.pdf 目前只看了2本，这里做一个简单的记录。 1《逻辑与计算机设计基础第五版》 前面几章是位运算(门控单元)的基础知识，有： 布尔代数：https://en.wikipedia.org/wiki/Boolean_algebra 卡...