三元函数分段线性近似：寻求3D版本问题的求解方案与参考资料

核心问题 #

给定R³空间中附带数值标签的离散点，求解规则网格节点的数值，使得所有输入点经三线性插值得到的结果与真实值的最小二乘误差最小。

求解方案 #

1. 直接线性最小二乘建模 #

• 将每个输入点的三线性插值表达式展开，转化为线性方程组：每个输入点对应一个方程，未知数为所有网格节点的数值。
• 设网格节点数为N，输入点数为M，构建M×N的稀疏系数矩阵A：其中A[i][j]表示第i个输入点对第j个网格节点的插值权重（由三线性插值的权重公式直接计算，每个输入点仅关联8个网格节点，因此矩阵稀疏性极强）。
• 问题转化为求解线性方程组 A·x = b 的最小二乘解：x为网格节点数值向量，b为输入点的真实值向量。
• 求解算法选择：
  • 小规模网格：用QR分解、SVD直接求解
  • 大规模网格：用迭代法（共轭梯度法、LSQR）处理稀疏矩阵，提升效率

2. 关于Polyharmonic Spline的澄清 #

Polyharmonic Spline（PHS）属于径向基函数（RBF）类的精确插值方法，会强制拟合所有输入点，更适合无噪声数据的精确插值场景。而你的需求是最小二乘拟合（允许一定误差，适配含噪声数据），因此PHS并非最优选择，仅当数据无噪声且要求精确插值时可作为备选，但与三线性网格拟合的核心目标匹配度较低。

3. 参考方向 #

• 可参考有限元领域中基于线性插值的网格拟合相关内容，核心逻辑与1D版本直接同源，仅需将线性插值权重扩展为三线性插值权重。
• 大规模场景下重点关注稀疏最小二乘的高效求解算法，这类方法在三维网格拟合中应用广泛。

内容的提问来源于stack exchange，提问作者Andrew Certain