一、時空序貫指示模擬
1、每個樣點進行四次指示變換，小於那個閾值取1，否則取0；
2、計算四次，得到四個理論變異函式；
3、定義時空格網矩陣和隨機路徑；
4、隨機取下一格網，對四個指示變數stok；
5、概率值內插或外推，得累積概率分布，隨機取一值，作為已知點代入下一點模擬；
6、所有時空網格是否完成模擬，是，得到一次模擬結果；否，重複4-6步；
7、重複3-6步1000次。
二、序貫高斯模擬
1、確定單變數的累積分布函式；
2、將原始資料z進行標準正態變換；
3、在某個節點進行簡單克里格插值，並計算其相應的克里格方差；
4、根據克里格方差，產生一隨機殘差函式，該函式滿足均值為0，方差等於克里格方差的正態分佈；
5、將產生的殘差r(x)加入到克里格估值中，z(x)=z*(x)+r(x)；
6、將該點產生的模擬值加入現有資料，以其作為以後模擬的條件資料；
7、採用隨機順序，逐一訪問所有需要模擬的節點，重複上述計算，直到所有點都完成模擬；
8、將模擬結果進行逆高斯變換，還原為原始資料；
9、利用不同的隨機「種子」數，就產生不同的模擬實現。
Keras序貫模型
序貫模型 sequential model 是多個網路層的線性堆疊，也就是 一條路走到黑 但是不適合網路之間穿插情況或者多輸入多輸出情況。序貫模型有兩種方式構建網路 2.1簡單的漢堡式疊法 可以通過sequential模型傳遞乙個layer的list來構造序貫模型。兩種方式1.漢堡生成 model ...
5 序貫模型細節
keras有兩種型別的模型，序貫模型 sequential 和函式式模型 model 函式式模型應用更為廣泛，序貫模型是函式式模型的一種特殊情況。兩種模型的共同方法 model.summary 列印出模型概況，它實際呼叫的是keras.utils.print summary model.get co...
Keras 序貫模型Sequential學習筆記
序貫模型是多個網路層的線性堆疊，也就是 一條路走到黑 1 通過sequential構建模型 可以通過向sequential模型傳遞乙個layer的list來構造該模型 匯入序貫模型 from keras.models import sequential 匯入神經網路前向傳播層結構和啟用函式 from...