.png){kind=icon}
返回
Automatic variogram inference using pre-trained Convolutional Neural Networks
.png){kind=icon}
OA
AI
DOI：10.1016/j.acags.2025.100219.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
提出了一种新颖的方法，利用卷积神经网络（CNNs）从稀疏数据中推断协方差函数。提出了两种工作流程：（1）直接预测变差函数模型的参数；（2）预测在指定滞后距离处的实验变差函数值，这些值平滑且易于自动拟合。工作流程1的判定系数（r-squared）为0.80，而工作流程2的判定系数（r-squared）更高，达到0.96。通过旋转进行数据增强提高了鲁棒性，可用于检验变差函数的不确定性；可获得每个预测参数的分布，并用于不确定性建模。CNNs经过预训练，确保计算时间最小化并实现完全自动化处理。该工作流程适用于稀疏或密集数据，但当前仅限于2D标准得分变差函数。
Keyword:
Geostatistics
Spatial modeling
Automatic experimental variogram calculation
Automatic variogram modeling
Variogram fitting
Convolutional Neural Networks
Uncertainty
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.2
论文数:
194
被引数:
375
机构
引用论文
.png){kind=icon}
分享收藏分享收藏 没有更多内容
没有更多内容