基于Shepard插值残差修正的TIN模型预测高程异常

摘要

结合狄洛尼三角网(TIN)的构建方法,将TIN模型应用到高程异常预测中,并针对待定点处在三角形边界的问题使用四边形下的Shepard插值进行残差修正。实例验证该方法能够结合待定点的临近值进行高程异常值拟合,四边形下的Shepard插值法能有效克服三角形边界上的待定点拟合精度较低的问题,平均相对误差为0.036%,优于未进行Shepard插值改进的0.055%,优于多项式模型的0.124%。