[发明专利]基于过滤器的连续型信息预测方法

摘要

一种基于过滤器的连续型信息预测方法，在多点地质统计法的基础上，使用过滤器来实现训练图像的降维，利用过滤器生成过滤器得分空间，所有具有相似过滤器得分的训练图案在过滤器得分空间内被归为一类，在预测过程中，属于一类的训练图案被随机提取，然后该图案被粘贴到待模拟区域。本发明将该方法应用于训练图像的结构特征信息的再现，该方法在预测连续型变量时效果较好。

主权项

一种基于过滤器的连续型信息预测方法，其特征在于，在多点地质统计法的基础上，使用过滤器来实现训练图像的降维，该方法包含以下步骤：步骤1、设置过滤器，定义过滤器得分；过滤器与数据模板的结构相似，都是以节点u为中心，过滤器各个节点位置具有权值；在二维情况下，使用6个过滤器，在三维情况下，使用9个过滤器，每个过滤器被用来显示训练图案不同的特征；在二维情况下，过滤器得分定义为： S τ , k T ( i , j ) = Σ y = - m m Σ x = - m m f k ( x , y ) T ( i + x , j + y ) , k＝1，...，6 (2)Sτ，kT(i，j)表示过滤器得分，(i，j)表示以u为中心的数据模板中的坐标，fk(x，y)表示第k个过滤器，x和y在-m到m之间变换，T(i+x，j+y)表示在训练图像(i+x，j+y)位置处的值，在X和Y方向的节点数目分别是2m+1；在三维情况下，过滤器得分定义为： S τ , r T ( i , j , k ) = Σ z = - m 2 m 2 Σ y = - m 1 m 1 Σ x = - m 1 m 1 f r ( x , y , z ) T ( i + x , j + y , k + z ) , r＝1，...，9 (3)在Z方向有2m2+1个节点，fr(x，y，z )表示定义于数据模板之上的第r个过滤器，数据模板的尺寸为n＝(2m1+1)2(2m2+1)；步骤2、应用过滤器扫描训练图像，形成训练图像的过滤器得分，得到模拟结果；当扫描训练图像时，将过滤器置于训练图像上方游动，过滤器各位置权值和训练图像各点值相结合得到一个值，该值被称为“过滤器得分”，它是训练图像图案的一个“概要”，有助于实现降维；步骤3、应用过滤器扫描待模拟区域，形成待模拟区域的过滤器得分；步骤4、定义待模拟区域中的待模拟节点的随机访问路径，获得待模拟节点的过滤器得分；步骤5、比较待模拟区域的过滤器得分和训练图案的过滤器得分，提取训练图案“粘贴”到待模拟区域中。