改进的平面旋转器（MPR）方法MPR空间预测数据的新模型-MATLAB开发

MPR是一种创新的条件仿真方法，基于改进的平面旋转器（MPR）模型，专注于二维笛卡尔网格上缺失数据的有效预测。该模型利用最近邻自旋相互作用捕捉空间相关性，摒弃高斯假设的依赖。其唯一参数是调整的温度，通过比对法进行估算。我们提出了高效的混合蒙特卡罗算法，快速优化MPR模型并实现向量化。因此，MPR的计算时间与系统规模几乎线性缩放，适用于大数据集，如卫星和雷达图像。通过与标准间隙填充方法的比较，MPR模型在高斯合成和非高斯真实数据（如大气热释放测量和基于沃克湖DEM的浓度）中验证了其性能（精度和计算速度）。详细信息请参考https://arxiv.org/pdf/1710.03038.pdf上的论文。