空间数据局部稠密异常分析方法、装置以及存储介质与流程

本发明实施例涉及数据处理的，特别涉及一种空间数据局部稠密异常分析方法、装置、设备以及存储介质。

背景技术：

1、插值技术在空间分析中至关重要，其通过数学模型和算法将分布不均匀的离散数据点转化为连续、平滑的表面，为理解和解释复杂的空间现象提供了强有力的技术；其填补了数据的空白，通过插值技术对未知区域进行数值估计，支持了在空间分析中的预测、模拟和决策制定。插值方法有很多，常用的插值方法包括距离反比加权法、样条函数插值法、径向基函数插值法、自然邻域插值法和克里金插值法等。不同的插值方法在处理相同数据时会产生不同的结果，因此需要根据数据特点和应用场景选择合适的插值方法。

2、大多数插值方法没有考虑数据的疏密分布对插值结果的影响。例如常用的距离反比插值法、各向同性克里金插值法等，在满足距离相等的条件下，各数据点在插值中的权重相等，即等权性。由插值的等权性可知，如果已知数据点在空间某处过于集中，则插值的主要权重来自该处的数值，其他各处的权重就会变得很低，形成数据点的局部稠密异常，对插值结果造成不利的影响。其中，过于密集的点称为稠密点，较密集区域内观测值相差大的点称为坏点，稠密点和坏点统称为局部稠密异常点。

3、目前，在插值或建模中对于空间分布不均匀数据，众多商业软件在插值时也并没有特别考虑局部稠密异常的影响，只有极少数的专家考虑了一些局部稠密异常的影响。如有专家提出根据点与点间方位角或voronoi单元面积进行方位权重的计算，并与距离权重组合得到总权重。还有些专家根据某种原则对数据进行抽稀等方法。其中，方位权重的计算注重于点与点间的角度与面积，直接对全部数据赋予方位权重；而根据某种原则对数据抽稀则是结合某些方法进行计算，找出数据密集区域后再对数据进行抽稀。

4、但，上述方法进行的处理时，或着眼于点与点间的角度或面积等空间方位加权，没有分析处理局部稠密异常，且没有剔除数据中坏点的影响；或着眼于对密集数据的寻找与抽稀，会导致不是稠密点或坏点的数据点也可能被删除，而坏点可能被保留。这些方法都有其各自的不足和局限性，迄今为止还没有一种识别与处理局部稠密异常的理想方法。

技术实现思路

1、本发明的目的在于至少提供一种空间数据局部稠密异常分析方法、装置、设备以及存储介质，至少可以解决无法快速直观地对空间数据的局部稠密异常进行识别的技术问题，至少可以达到快速直观地对空间数据的局部稠密异常进行识别与处理。

2、为解决上述技术问题，本技术的至少一个实施例提供了一种空间数据局部稠密异常分析方法，包括：

3、获取空间数据中的各个点的坐标与观测值；

4、根据各个点的坐标与观测值，计算每个点的自稀疏度、互稀疏度以及小距变异度，所述自稀疏度为点z0到其最近点的距离d1与点z0到周围插值邻域点的距离平均值d2的比值，所述互稀疏度为点z0到其最近点的距离d1与所有点到其各自最近点的距离之和d3的比值，所述小距变异度为点z0到其最近点的观测值的差d4与点z0到其最近点距离d1的比值；

5、根据各点的所述自稀疏度、互稀疏度以及小距变异度建立三参数综合交会图；

6、根据所述三参数综合交会图中散点的分布情况以及小距变异度的大小，识别所述空间数据是否存在局部稠密异常。

7、本技术的至少一个实施例还提供了一种空间数据局部稠密异常分析装置，包括：

8、获取模块，用于获取空间数据中的各个点的坐标与观测值；

9、计算模块，用于根据各个点的坐标与观测值，计算每个点的自稀疏度、互稀疏度以及小距变异度，所述自稀疏度为点z0到其最近点的距离d1与点z0到周围插值邻域点的距离平均值d2的比值，所述互稀疏度为点z0到其最近点的距离d1与所有点到其各自最近点的距离之和d3的比值，所述小距变异度为点z0到其最近点的观测值的差d4与点z0到其最近点距离d1的比值；

10、三参数综合交会图创建模块，用于根据各点的所述自稀疏度、互稀疏度以及小距变异度建立三参数综合交会图；

11、识别模块，用于根据所述三参数综合交会图中散点的分布情况以及小距变异度的大小，识别所述空间数据是否存在局部稠密异常。

12、本技术的至少一个实施例还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的空间数据局部稠密异常分析方法。

13、本技术的至少一个实施例还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的空间数据局部稠密异常分析方法。

14、本技术的实施例提供的空间数据局部稠密异常分析方法，通过计算自稀疏度、互稀疏度与小距变异度三个参数来对数据的稠密程度进行定量化的描述，通过绘制三参数综合交会图直观展示数据的稠密程度，以对空间数据是否存在局部稠密异常进行识别与处理，快速直观。

15、在一些可选的实施例中，所述根据各点的所述自稀疏度、互稀疏度以及小距变异度绘制三参数综合交会图的步骤包括：

16、将各点的所述自稀疏度取对数后的值作为坐标的横轴，将各点对应的所述互稀疏度取对数后的值作为坐标的纵轴，将各点对应的所述小距变异度作为属性特征，建立三参数综合交会图。

17、本实施例中，通过对自稀疏度取对数后，以及对互稀疏度取对数后建立三参数综合交会图，能够有效地扩展数据展示的范围，便于后续在三参数综合交会图上对局部稠密异常数据进行识别与处理。

18、在一些可选的实施例中，所述根据所述三参数综合交会图中散点的分布情况以及小距变异度的大小，识别所述空间数据是否存在局部稠密异常的步骤包括：

19、识别所述三参数综合交会图中是否存在散点跳空或散点出现两条直线的拟合趋势或所述小距变异度是否超过预设阈值；

20、当所述三参数综合交会图中不存在散点跳空和散点出现两条直线的拟合趋势，以及所述小距变异度不超过预设阈值时，确定所述空间数据不存在局部稠密异常；

21、当所述三参数综合交会图中存在散点跳空或散点出现两条直线的拟合趋势或所述小距变异度超过预设阈值时，确定所述空间数据存在局部稠密异常。

22、本实施例中，通过将三参数综合交会图中散点是否出现跳空，和散点是否出现两条直线的拟合趋势，即是否出现两条斜率不同的拟合直线，以及小距变异度是否超过预设阈值作为识别空间数据是否存在局部稠密异常的判断，能够直观快速地实现对局部稠密异常的识别。

23、在一些可选的实施例中，所述方法还包括：

24、当确定所述空间数据存在局部稠密异常时，根据所述三参数综合交会图中散点的分布情况以及小距变异度的大小，确定局部稠密异常点或局部稠密异常点群。

25、本实施例中，在确定空间数据存在局部稠密异常时，还需对局部稠密异常点或局部稠密异常点群进行确定，以便于后续对局部稠密异常点或局部稠密异常点群进行处理操作，确保空间数据的分布均匀性。

26、在一些可选的实施例中，所述当确定所述空间数据存在局部稠密异常时，根据所述三参数综合交会图中散点的分布情况以及小距变异度的大小，确定局部稠密异常点或局部稠密异常点群的步骤包括：

27、当所述三参数综合交会图中存在散点跳空时，以跳空为界，确定相对靠近所述三参数综合交会图的原点的数据为局部稠密异常点群；

28、当所述三参数综合交会图中存在散点出现两条斜率不同的直线拟合趋势时，以散点不同斜率的拟合趋势为界，确定相对靠近所述三参数综合交会图的原点的数据为局部稠密异常点群；

29、当所述三参数交会图中存在小距变异度超过预设阈值时，确定所述小距变异度超过预设阈值的点为局部稠密异常点。

30、本实施例中，根据三参数综合交会图中散点的分布情况以及小距变异度的大小，进一步确定局部稠密异常点或局部稠密异常点群的位置。

31、在一些可选的实施例中，所述确定局部稠密异常点或局部稠密异常点群的步骤还包括：

32、当确定单独存在的局部稠密异常点时，删除局部稠密异常点；

33、当确定局部稠密异常点群时，对所述局部稠密异常点群进行冗余删除处理进行冗余删除处理。

34、本实施例中，在对局部稠密异常点或局部稠密异常点群进行确定后，还需根据具体情况对局部稠密异常点或局部稠密异常点群进行处理，确保空间数据分布的均匀性，以便于后续基于空间数据进行插值操作或建模操作等。

35、在一些可选的实施例中，所述当确定局部稠密异常点群时，对所述局部稠密异常点群进行冗余删除处理的步骤包括：

36、针对每一所述局部稠密异常点群，对各点的观测值进行空间数据质量的判定，确定各点的质量判定结果；

37、保留每个所述局部稠密异常点群中质量判定结果最优的点。本实施例中，分别对每个局部稠密异常点群进行冗余删除处理，即对各局部稠密异常点群中的点进行空间数据质量的判定，仅保留每个局部稠密异常点群中质量判定结果最优的点，实现对局部稠密异常点群的处理，确保空间数据分布的均匀性。