1最速下降法和GS迭代法-遥感学报.doc

一种解算高精度曲面模型的新方法 陈传法1， 岳天祥1，刘洪涛2 中国科学院地理科学与资源研究所，北京 100101 济南市勘察测绘研究院，山东 济南 250013 摘要：为了降低HASM的时间复杂度，本文采用一种改进Gauss-Seidel(GS)算法(MGS)解算HASM方程组。首先, 从理论上分析了MGS算法收敛速度快于GS算法，然后以高斯合成曲面作为研究对象，用四组模拟试验表明，相同的网格数、达到相同的计算精度，MGS算法计算时间小于GS算法，且两种算法时间差与模拟区域网格数呈二次线性相关；固定网格数，使用相同的内迭代或者外迭代次数，MGS算法精度高于GS算法，但增加内迭代或者外迭代次数，GS算法同样收敛；MGS算法计算时间与网格数呈线性相关。MGS算法能够有效解决HASM模拟大区域的计算时间瓶颈，提高HASM运算速度。以甘肃省董志塬某测区SRTM3作为研究对象，基于MGS的HASM用于模拟DEM表明，HASM精度要高于传统的插值方法。 关键词：GS迭代，曲面模拟，精度，试验分析，插值1引言 自主研发的高精度曲面建模(HASM)方法在理论上已经趋于成熟(岳天祥,杜正平,2006; 陈传法等, 2010)。HASM计算可分为三个过程：Gauss方程系数矩阵的生成、采样方程的建立和代数方程组的求解。当求算的区域为矩形区域，采样方程为一阶截断时，代数方程组的求解方法影响HASM的计算效率(Al-Kurdi Kincaid,2006; 岳天祥等,2007)。直接法解算HASM的计算复杂度与模拟区域网格数的三次方呈正比(Davis,2006)，庞大的计算量严重制约其推广使用(Yue等,2007)。 目前，迭代法为解算方程组的有效方法(Saad,2003)，其中，Gauss-Seidel(GS)迭代法具有存储空间少的优点被广泛使用(Bramble Pasciak,1992; Ujevi?,2006)，但GS算法解算HASM收敛速度较慢。为此，本文采用一种改进的GS迭代算法(Modified Gauss-Seidel，MGS)解算HASM方程组。以高斯合成曲面作为研究对象，验证MGS算法的收敛性；以甘肃省董志塬某测区SRTM3为研究对象，验证基于MGS的HASM的计算精度。 2 MGS迭代法 .1 MGS原理 ，具体推导过程可见参考文献(陈传法等, 2010)。其中系数矩阵S为对称正定矩阵，，，k为迭代次数。更新b的过程为外迭代，解算方程的过程为内迭代。 基于GS算法解算HASM的分量迭代形式为： (1) 其中， (2) (3) 设在点处二阶可导，则在点处泰勒级数展开得： (5) 即 (6) 表明GS算法能收敛。 (7) 其中，，其余符号意义同(3)。 设函数在点处二阶可导，则函数在该点泰勒级数展开得： (8) 令 (9) 则，表明函数有极小值。令得： (10) 故 (11) 由式得： 由式表明，相比函数。MGS伪代码为： (13) 其中 (14) 由(1)和(13)可见，MGS每次迭代除了完成GS更新外，还对GS模拟结果进一步更新，使模拟结果收敛速度更快。 2.2 的确定 由MGS原理可见，任意的n维向量本文，因此 (15) 其中， (16) (17) 其中， (18) 可以有多种方式计算，本文采用， (19) 其中， 由得： 式中，。由得： (21) 3高斯合成曲面模拟 以高斯合成曲面为研究对象，设计了四组试验验证MGS和GS解算HASM的效率，即分别改变模拟区域网格点数，内、外迭代次数比较MGS算法和GS算法，固定内外迭代次数研究MGS算法计算时间与网格数的关系。高斯合成曲面(图1)的数学表达式为 研究区域为，。 图1 高斯合成曲面 试验一为固定采样间隔(m=4)、内迭代停机精度()和外迭代次数(1次)，改变模拟区域网格点数比较MGS、GS的计算时间(CPU时间)以及停止迭代时内迭代次数。由表1和图2表明，MGS算法计算时间要小于GS算法，且MGS计算时间与GS的差值随着网格数的增多呈较好的二次线性相关，即网格数越多，MGS算法的优势越明显，两种算法的时间差值与网格数的关系为： 式中，为计算时间差值，为网格数目。 比较内迭代次数可见，MGS内迭代次数始终小于GS。尽管随着网格数的增多MGS和GS迭代次数差值在减少，但由于网格数越多，每次迭代时间就越多，因此两者时间差始终在增加。 表1 MGS和GS计算效率比较 网格数目gn CPU时间(s) MGS GS 101× 101