کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6874532 | 687457 | 2016 | 38 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Interpolating sparse scattered data using flow information
ترجمه فارسی عنوان
اطلاعات پراکنده با استفاده از اطلاعات جریان درونیابی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
درگیری داده های پراکنده، معیارهای فاصله یابی غیر اقلیدسی مبتنی بر جریان، بهینه سازی پارامتر متقابل وابستگی، مشکلات بازسازی اقیانوسی،
ترجمه چکیده
تطبیق داده های پراکنده و تکنیک های تقریبی، امکان بازسازی یک میدان اسکالر را براساس تعداد محدودی از نمونه های پراکنده شده این میدان فراهم می کند. به طور کلی، وفاداری بازسازی با توجه به میدان اولیه اسکالر، به دلیل کاهش تعداد نمونه ها، در حال کاهش است. برای وضعیت نمونه برداری بسیار ضعیف، نتایج ممکن است در همه قابل قبول نباشد. با این حال، اگر شناخته شده است که زمینه ی اسکالر مورد علاقه با یک میدان جریان شناخته شده مرتبط است - همانطور که در مورد زمانی که میدان اسکالر نشان دهنده ارزش یک ردیاب اقیانوس شناسی است که تحت تاثیر جریان اقیانوس پخش می شود، این دانش می تواند باشد برای بالا بردن روش بازسازی داده های پراکنده مورد بهره برداری قرار می گیرد. یکی از راه های بهره برداری از اطلاعات میدان جریان، استفاده از آن برای ساختن مفهوم اصلاح فاصله بین نقاط است. جایگزینی متریک استاندارد فاصله اقلیدس با مفهوم فاصله از راه دور، یک روش برای گسترش روش های استاندارد تطبیق داده های پراکنده به روش های مبتنی بر جریان است که نتایج بسیار خوبی برای داده های بسیار پراکنده ارائه می دهد. بازسازی های حاصل معمولا اشتباهات خطای متوسط ریشه را کمتر از بازسازی هایی که از اطلاعات جریان استفاده نمی کنند، و کیفیت آنها اغلب به لحاظ جسمی بیشتر واقع گرایانه هستند.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نظریه محاسباتی و ریاضیات
چکیده انگلیسی
Scattered data interpolation and approximation techniques allow for the reconstruction of a scalar field based upon a finite number of scattered samples of the field. In general, the fidelity of the reconstruction with respect to the original scalar field tends to deteriorate as the number of samples decreases. For the situation of very sparse sampling, the results may not be acceptable at all. However, if it is known that the scalar field of interest is correlated with a known flow field - as is the case when the scalar field represents the value of an oceanographic tracer that propagates under the influence of the ocean's flow - then this knowledge can be exploited to enhance the scattered data reconstruction method. One way to exploit flow field information is to use it to construct a modified notion of distance between points. Replacing the standard Euclidean distance metric with a flow-field-aware notion of distance provides a method for extending standard scattered data interpolation methods into flow-based methods that produce superior results for very sparse data. The resulting reconstructions typically have lower root-mean-square errors than reconstructions that do not use the flow information, and qualitatively they often appear physically more realistic.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Computational Science - Volume 16, September 2016, Pages 156-169
Journal: Journal of Computational Science - Volume 16, September 2016, Pages 156-169
نویسندگان
Gregory J. Streletz, Geoffrey Gebbie, Oliver Kreylos, Bernd Hamann, Louise H. Kellogg, Howard J. Spero,