seminar extrapolationsmethoden für zufällige felder vortragsthema spline-extrapolation und kriging
TRANSCRIPT
![Page 1: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/1.jpg)
Seminar „Extrapolationsmethoden für zufällige Felder“
Vortragsthema
„Spline-Extrapolation und Kriging“
![Page 2: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/2.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
2
Inhalt
1. Notation
2. Wiederholung des Universal Kriging
3. Universal => Intrinsic Kriging
4. Duales Kriging
5. Spline-Interpolation
6. Vergleich: Spline-Interpolation & Kriging
![Page 3: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/3.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
3
1.1 Notation _
Ein Zufallsfeld ist eine zufällige Funktion
{Z(x,) : xd, }, dabei bezeichnet
• Z(x,·) Zufallsvariable, kurz Z(x)
• Z(·, ) regionalisierte Variable
(Realisierung der zufälligen Funktion), kurz z(x)
Sei D d das Beobachtungsfenster, dann bezeichnen
x1,...,xn die Messstellen mit xi D, i=1,...,n, und
z(x1),...,z(xn) die Messwerte an den Messstellen.
![Page 4: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/4.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
4
1.2 Notation _
• Sei ein Maß, (wi Gewichte)
• Wk = {w: l=0,..,L}
= { w: , w0 = -1, l=0,..,L }
• k ist die höchste Ordnung der Funktionen fl mit l=0,..,L
• Und sei eine Linearkombination
der gewichteten Zufallsvariablen Z(xi) an den Messstellen
xiD minus Z(x0).
iww
n
iii xZwwZ
0)()(
ix
n
ilili xfxfw
10)()(
n
iili xfw
00)(
![Page 5: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/5.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
5
1.3 Notation _
IRF-k: intrinsisches Zufallsfeld k-ter Ordnung
Definition:
Ein nicht stationäres Zufallsfeld Z(x) wird intrinsisches
Zufallsfeld k-ter Ordnung genannt, wenn
für jedes w Wk die Linearkombination mit hd
stationär 2-ter Ordnung ist und E[ ]=0.
n
iii hxZw
0)(
n
iii hxZw
0)(
![Page 6: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/6.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
6
1.4 Notation _
Eine symmetrische Funktion K(h)=K(-h) ist eine
verallgemeinerte Kovarianzfunktion eines IRF-k Z(x),
wenn für jedes wWk folgendes gilt:
Eigenschaften von K(h):
• bedingt positiv definite Funktion k-ter Ordnung:
Var(Z(w)) >= 0 für w mit , l=0,..,L
• K(h) = - (h) für k=0 (äquivalent zu IRF-0 )
n
i
n
jjiji
n
iiio
xxKww
xwxEwZVar
0 0
1
)(
]))²(Z)(Z[())((
n
iili xfw
00)(
![Page 7: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/7.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
7
Verallgemeinerte K-Funktion _
Beispiele für K(h):
1) K(h) = (-/2)|h| mit 0< <2k+2 (k=Ordnung von Z)
2) Kpol (h) = mit bu>0
Später werden wir K(h) mit k=1 und =3 benutzen:
=> K(h) = c|h|³ mit c (-3/2) = (-4)/3
12
0
1 ||)1(
uk
u
uu hb
![Page 8: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/8.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
8
2.1 Wiederholung: Universal Kriging _
Annahmen:Die Zufallsvariable Z(x) lässt sich wie folgt zerlegen:
Z(x) = Y(x) + m(x) , mit m(x) = E[Z(x)] : deterministische Komponente = Driftund Y(x) = Z(x) – m(x) : stochastische Komponente =
FluktuationZusätzlich soll folgendes gelten:
m(x) = , fl(x) bekannte Funktionen (f0(x) = 1)
al unbekannte Koeffizienten, mit al0 für l=0,..,L.
Außerdem soll Y(x) stationär 2.Ordnung mit E[Y(x)] = 0 undKovarianzfunktion C(h) sein.
L
lxfa ll
0)(
![Page 9: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/9.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
9
2.2 Wiederholung: Universal Kriging _
Kriging Schätzer (erwartungstreu):
Universelle Bedingungen:
, für l=0,..,L
Sind diese erfüllt, so gilt:
Var(Z*(x0)-Z(x0)) = E[(Z*(x0)-Z(x0)) ²]
=
n
ilili xfxfw
10)()(
n
iii xZwxZ
10 )()(*
n
i
n
j
n
iiijiji CxxCwxxCww
1 1 10 )0()(2)(
![Page 10: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/10.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
10
2.3 Wiederholung: Universal Kriging _
Kriging System:
für i=1,..,n
für
l=0,..,L
In Matrix-Notation:
n
jljlj
n
j
L
liilljij
xfxfw
xxCxfµxxCw
10
1 00
)()(
)()()(
f
c
µ
w
F
FCT *
0
![Page 11: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/11.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
11
3.1 Universal => Intrinsic Kriging _
Teufelskreis:
Um ein Variogramm schätzen zu können,braucht
man die Drift, und für die Schätzung der Drift wird
wiederum ein Variogramm benötigt!
Schätzung der Drifts
Schätzung des Variogramms
![Page 12: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/12.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
12
3.2 Universal => Intrinsic Kriging _
1.) Die Klasse der Basis-Funktionen fl wird auf die Funktionen beschränkt, die gegenüber beliebigen Translationen invariant und paarweise zueinander orthogonal sind (z.Bsp. Klasse der Monome, oder der Exponential-Polynomen, auch trigonometrische Funktionen (cosx,sinx) sind möglich).
2.) Ein spezieller Tool der strukturellen Analysis ist die verallgemeinerte Kovarianzfunktion K(h), die die oben aufgeführten Funktionen hieraus filtert. (=> Man führt eine Datentransformation durch, mit dem Ziel die Drift auf Null zu bringen.)
![Page 13: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/13.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
13
3.3 Universal => Intrinsic Kriging _
Beim Universal Kriging hatten wir Gewichte wi, die die
Basisfunktionen interpoliert haben,
, für l=0,..,L.
(Setze w0= -1) => Nebenbedingungen:
, für l=0,...,L
Zusätzlich soll gelten: hd
n
ilili xfxfw
10)()(
n
iili xfw
00)(
n
iili xfw
00)(
n
iili hxfw
00)(
![Page 14: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/14.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
14
Basisfunktionen _
Beispiel:
Im 2-dim. Raum mit dem Koordinaten-Vektor X=(x1,x2)T
und k = 2 werden oft die folgenden Monome alsBasisfunktionen benutzt:
f0=1, f1=x1, f2=x2, f3=(x1)², f4=x1x2, f5 =(x2)²Sie bilden einen translationsinvarianten Vektorraum.Die aktuelle Anzahl der Basisfunktionen der Drifthängen von dem Grad k der Drift wie folgt ab:
k=0 => 1 Basisfunktion (=> L=0),k=1 => 3 Basisfunktionen (=> L=2), k=2 => 6 Basisfunktionen (=> L=5), ...
![Page 15: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/15.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
15
3.4 Intrinsic Kriging _
Intrinsic-Kriging Schätzer:
Nebenbedingungen:
, für l=0,...,L
Sind diese erfüllt, so
n
iii xZwxZ
10 )()(*
n
iili xfw
00)(
n
i
n
i
n
jjijiii
n
iii
xxKwwxxKwK
xZxZwxZxZ
1 1 10
1000
)()(2)0(
)²])()([(E))()(*(Var
![Page 16: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/16.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
16
3.5 Intrinsic Kriging _
Intrinsic-Kriging System:
, für i=1,..,n, für l=0,..,L
Beachte:Die Systeme von universal und intrinsic Kriging sind identisch, nur anstelle von C(h) haben wir nun die verallgemeinerte Kovarianzfunktion K(h) des IRF-k stehen.
n
j
L
liilljij xxKxfµxxKw
1 00)()()(
n
jljlj xfxfw
10)()(
![Page 17: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/17.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
17
4.1 Duales Kriging _
Der Interpolator in Matrix-Form :
z*(x) = zTwx.Der Gewichte-Vektor ist die Lösung des folgenden Kriging-Systems:
Problem:Da die mit x gekennzeichneten Terme von dem Schätzungsortabhängen, muss dieses Gleichungssystem für jedes neue
x D\{x1,...,xn} neu berechnet werden.
x
x
x
x
T f
k
µ
w
F
FK
*
0
![Page 18: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/18.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
18
4.2 Duales Kriging _
Ausweg: Orts-unabhängige Gewichte herleiten.
Man berechne die Inverse (unter Existenz-Voraussetzung):
Das Kriging-System lautet nun:
VU
UTT
x
x
Tx
x
f
k
VU
UT
µ
w*
![Page 19: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/19.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
19
4.3 Duales Kriging _
Der Interpolant kann dann wie folgt geschrieben werden:
z*(x) = bTkx + dTfx , mit bT = zTV und dT = zTU.
Kriging-System:
, für i = 1,...,n0)(
)()()()(*
)()()(*
0
01
01
ilL
li
iilL
ll
n
jjiii
lL
ll
n
iii
xfb
xzxfdxxKbxz
xfdxxKbxz
![Page 20: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/20.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
20
5.1 Spline-Interpolation _
Geschichte:Das englische Wort „Spline“ stammt aus der Verwendungeines Holzstabs als Kurvenlineal: Der Stab wird anvorhandene Fixpunkte durch Biegen angepasst, der Stab kanndann als Kurvenlineal für die Interpolation der Kurve in denIntervallen zwischen den Fixpunkten verwendet werden.
w(x): C²-Funktion
(xi,wi)-Fixpunkte
j Punktkraft, die auf den Spline ausgeübt wird.
![Page 21: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/21.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
21
5.2 Spline-Interpolation _
Problem:
Es soll eine Funktion Z(x) mit Z(xi)=zi durch eine andere
(glatte) Funktion f(x) approximiert werden, so dass
• f(xi)=zi , Stützstellen xi ,1 i n
• f(x0)=z0 mit x0 D\{x1,...,xn}.
f wird als Interpolant bezeichnet (hier die --- Linie)
![Page 22: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/22.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
22
5.3 Spline-Interpolation _
Unsere Definition:
Sei x1<x2<...<xn und m. Dann heißt s: D=[x1,xn ]Spline Funktion vom Grad m, wenn:
• s Cm-1 [x1,xn ] • m-te Ableitung von s(x) stückweise stetig differenzierbar. • s(x) = pi(x) = amixm + ... +a0i für xi x xi+1 , mit Polynom pi für i=1,...,n.
Menge aller solchen Splines ist Sm(x1,...,xn).
Für m=0 hat man Treppenfunktion, für m=1 Polygone, fürm=2 quadratische Splines und für m=3 kubische Splines.
![Page 23: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/23.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
23
5.4 Spline-Interpolation _
Krümmungsflächen (diese verhalten sich parallel zu der
Biegeenergie)
im 1-dim. Fall:
im 2-dim. Fall:
dxxffJ )]²(''[)(
dxdyy
f
yx
f
x
ffJ )²]
²
²()²
²(2)²
²
²[()(
![Page 24: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/24.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
24
5.5 Spline-Interpolation _
Da wir einen glatten Interpolanten berechnen wollen, ist
der kubische Spline s S3(x1,...,xn) vorzuziehen.
Diesen Spline bekommen wir, indem wir das folgende
(Variatons-)Problem lösen:
s(xi) = z(xi) , i=1,...,n
J(s) min
Mit Hilfe der Euler-Lagrange-Gleichung folgt:
d 4 /dx 4 s(x) = 0 , für x D\{x1,...,xn}.
![Page 25: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/25.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
25
5.6 Spline-Interpolation _
Integriert man dies: s(x) = c3x³ + c2x² + c1x + c0
s(xi) = zi , i=1,..,n s(x) ist ein kubischer Spline für jedes Intervall-Segment [xi,
xi+1] und x[xi, xi+1] (i=1,..,n), das den folgenden Forderungen genügt:
s(xi) = zi , s(xi+1) = zi+1 , s‘(xi) = bi , s‘(xi +1) = bi+1 ,
mit Steigungen bi als noch unbekannten Koeffizienten.(Diese Werden mit Hilfe von Randbedingungen berechnet siehe S.31-34)
Die Menge aller Kurvensegmente s(x) bilden den kubischen
Interpolations-Spline s(x) für den ganzen Intervall [x1,xn].
![Page 26: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/26.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
26
6.1 Vergleich: Spline & Kriging-Schätzer _
Betrachte nun die 1-dimensionale verallgemeinerte
Kovarianzfunktion K(h) = |h|³ und untersuche das Verhalten
des Kriging-Interpolators z*(x).
Sei x1<...<xn:
,i=1,..,n
0,0
)(*
³||)(*
11
110
n
iiii
n
i
ii
n
iii
xbb
zxz
xccxxbxz
![Page 27: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/27.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
27
6.2 Vergleich: Spline & Kriging-Schätzer _
Aus dem Kriging-System folgt:
• z*(x) 2mal stetig differenzierbar in D
• die 2.Ableitung an den Grenzpunkten x1, xn gleich Null
• z*(x) ist außerhalb des Intervalls [x1, xn] linear
(folgt aus den Nebenbedingungen für bi )
z*(x) stimmt mit dem kubischen Spline-Interpolator s(x), der die Funktion an den Punkte z1,...,zn interpoliert, überein (innerhalb jeden Intervalls [xi,xi+1]).
![Page 28: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/28.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
28
6.3 Vergleich im 2-dimensionalen Raum _
Analoges Problem in 2D:
f(xi,yi) = zi , i=1,..,nJ(f)min
Lösung : ( Duchon (1975) )
mit K( r) = r²log r und ri² = (x-xi)²+(y-yi)²
i
ii
i
ii
i
i
i
ii
ybxbb
ycxccrKbyxf
0,0,0
)(),( 210
![Page 29: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/29.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
29
6.4 Vergleich im 2-dimensionalen Raum _
Die Spline –Interpolationsfunktion f (x,y) hat genau die
gleiche Form, wie der Interpolator z*(x) des Universal
Krigings mit k=1 und der verallgemeinerten
Kovarianzfunktion K(h) mit K(h) = |h|²log|h| .
Dieses Modell heißt „thin-plate“ -Spline-Model.
![Page 30: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/30.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
30
6.5 Gemeinsamkeiten _
Trotz unterschiedlichen Ansätze führen C²-Splines sowie Kriging zum gleichen Ergebnis.- Bei der Spline-Interpolation geht man von einer
deterministischen Funktion aus.- Und beim Kriging konzentriert man sich auf die
Modellierung einer zufälligen Funktion.
Ist ein Operator gegeben, der den Spline definiert, so ist es einfach einäquivalentes Kriging-System zu finden.Wohingegen es sehr schwer sein kann, ein Minimierungsproblem zuerkennen, das mit einer gegebenen Lösung eines Kriging-Systems imZusammenhang steht.
![Page 31: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/31.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
31
1. Berechne die Koeffizienten bi _
Mit klassischen Hermit-Polynomen als Basisfunktionen
i (t) für t = (xi-x)/hi mit der Schrittweite hi := xi+1 –xi :
1 (t) = 1 - 3t² + 2t³ , 2 (t) = 3t² - 2t³ ,
3 (t) = t – 2t² + t³ , 2 (t) = - t² + t³ erhält man folgende Darstellung
si (x) = zi 1(t) + bihi 3(t) + zi+1 2(t) + bi+1hi 4(t) ,sowie die Ableitungen
si‘(x) = ri(6t - 6t²) + bi(1 - 4t + 3t²) + bi+1(-2t +3t² )
si‘‘(x) = (ri(6 - 12t) + bi(-4 +6t) + bi+1(-2 +6t )) / hi ,
Dabei sei ri = (zi – zi+1) / hi . s (x) C1(D).
![Page 32: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/32.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
32
2. Berechne die Koeffizienten bi _
Die Forderung s (x) C2(D) legt die noch freien Parameter
bi, bi+1 wie folgt fest:
In der Messstelle xi soll s‘‘(xi) existieren, d.h.
0 = s‘‘(xi + 0) - s‘‘(xi - 0)
= (6ri – 4bi –2bi+1)/hi – (-6ri-1 + 2bi-1 + 4bi)/hi
Die unbekannten Steigungen bi genügen also den Bedingungen:
bi-1/hi-1 + (2/hi-1 + 2/hi ) bi + bi+1/hi = 3(ri-1/hi-1 + ri/hi ) für i=2,..,n-1.
Insgesamt liegen n-2 lineare Gleichungen für n Unbekannten vor.
![Page 33: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/33.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
33
3. Berechne die Koeffizienten bi _
Die verbleibenden 2 Unbekannten werden durch die Wahl derRandbedingungen geliefert: Natürliche RB: s‘‘(x1) = s‘‘(xn) = 0 Vollständige RB: s‘(x1) = z1‘(x1), s‘(xn) = zn‘(xn)
Das liefert explizit
b1 = z1‘ , bn = zn‘ ,und somit n-2 Gleichungen für n-2 Unbekannten.
Periodische RB: s‘(x1) = s‘(xn)
Am einfachsten ist der Fall der vollständigen RB (=>tridiagonales Gleichungssystem ).
![Page 34: Seminar Extrapolationsmethoden für zufällige Felder Vortragsthema Spline-Extrapolation und Kriging](https://reader035.vdocument.in/reader035/viewer/2022062622/55204d6349795902118b8bfc/html5/thumbnails/34.jpg)
Rasa Zurumskas Januar 2003
Universität Ulm Seminar Stochastik
34
4. Berechne die Koeffizienten bi _
Löse dafür Ax = b mit unbekanntem Vektor x =(b2,...,b n-1)T,
und 122
2233
3322
221
221000
122100
0.........0
001221
000122
nnn
nnnn
hhh
hhhh
hhhh
hhh
A
11122
2233
3322
112211
)(3
)(3
:
)(3
)(3
nnnnnn
nnnn
hbhrhr
hrhr
hrhr
hbhrhr
b