数学建模及数据分析上的插值处理——第三部分实践插值实战

最新推荐文章于 2025-03-12 12:51:25 发布

只会建模

最新推荐文章于 2025-03-12 12:51:25 发布

阅读量831

点赞数

分类专栏： python 文章标签：数据分析 python numpy

本文链接：https://blog.youkuaiyun.com/m0_62330133/article/details/125875513

版权

本文介绍了如何使用插值方法处理数学建模中的数据分析问题，包括二维网格节点插值和散乱点插值。通过实例展示了如何求解地表面积的近似值并绘制等高线图和三维表面图，以及如何利用插值数据描绘海域水深深度的地形和等高线图。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

2.二维网格节点插值

例已知平面区域0<=x<=1400,0<=y<=1200的高程数据见下表（单位：m）。求该区域地表面积的近似值，并用插值数据画出该区域的等高线图和三维表面图。
在这里插入图片描述

程序代码

from mpl_toolkits import mplot3d
import matplotlib.pyplot as plt
import numpy as np
from numpy.linalg import norm
from scipy.interpolate import interp2d

z=np.loadtxt("Pdata7_5.txt")  #加载高程数据
x=np.arange(0,1500,100)
y=np.arange(1200,-100,-100)
f=interp2d(x, y, z, 'cubic')
xn=np.linspace(0,1400,141)
yn=np.linspace(0,1200,121)
zn=f(xn, yn)

m=len(xn); n=len(yn); s=0; 
for i in np.arange(m-1):
    for j in np.arange(n-1):
        p1=np.array([xn[i],yn[j],zn[j,i]])
        p2=np.array(