探地雷达数据近似模型的子集
培训(当探地雷达模型准确的方法FitMethod
是“准确”
)需要的反演n——- - - - - -n矩阵。因此,计算复杂度是O (kn3),k函数评估评估所需的数量吗
,
,
,n是观测的数量。对于大型n,参数估计或计算预测可能会非常昂贵。
一个简单的方法来解决大型数据集的计算复杂度问题是选择米<n观察的n然后应用确切的探地雷达模型这些米点估计 , , 而忽略了其他(n- - - - - -米)点。这个小的子集被称为有效集或诱导输入设置。这个近似方法被调用的数据子集(SD)方法。
使用SD方法时的计算复杂度是O (k米3),k是函数的数量评估和米是活动组的大小。存储需求是O (米2)因为只有一个完整的内核的一部分矩阵 需要存储在内存中。
您可以指定参数估计的SD方法使用“FitMethod”、“sd”
调用的名称-值对的论点fitrgp
。指定的SD方法预测,使用“PredictMethod”、“sd”
名称-值对的论点。
使用确切的探地雷达模型估计参数,请参阅使用精确的探地雷达方法参数估计。使用精确的探地雷达模型进行预测,明白了使用精确的探地雷达方法预测。