تراكب البيانات النقطية العديدة باستخدام مقياس وأوزان قياس معروفة كلُّ بحسب أهميته.
ملاحظات
يجب أن تكون جميع البيانات النقطية المدخلة عددًا صحيحًا. يجب أولاً تحويل البيانات النقطية من نوع النقطة الطافية إلى بيانات نقطية من نوع العدد الصحيح قبل استخدامها.
يتم تعيين قيمة جديدة لكل تصنيف قيمة في البيانات النقطية المدخلة بناءً على مقياس التقييم. هذه القيم الجديدة عبارة عن تصنيفات لقيم البيانات النقطية المدخلة الأصلية. تُستخدم قيمة مقيدة للمناطق التي تريد استبعادها من التحليل.
يتم ترجيح كل بيانات نقطية مدخلة حسب أهميتها أو تأثيرها المئوي. الترجيح عبارة عن نسبة مئوية نسبية، ويجب أن يساوي مجموع ترجيحات التأثير المئوي 100. يتم تحديد التأثيرات بقيم أعداد صحيحة فقط. يتم تقريب القيم العشرية لأقرب عدد صحيح.
يمكن أن يؤدي تغيير مقاييس التقييم أو تأثير النسبة المئوية إلى تغيير نتائج تحليل التراكب الموزون.
المعلمات
| المعلمة | الوصف |
|---|---|
جدول التراكب الموزون نسبيا | يتألف جدول التراكب المرجح من أربعة أجزاء:
|
مقاييس رسم | نطاق القيم الجديدة التي يمكن من خلالها إعادة تعيين القيم القديمة. |
نوع حجم الخلية | اختر حجم الخلية المطلوب استخدامه في البيانات النقطية الناتجة. إذا كانت أحجام الخلية المدخلة متطابقة، ستقدم كل الخيارات نفس النتائج.
|
نوع المدى | اختر النطاق الذي يجب استخدامه في البيانات النقطية الناتجة:
|
تعرف على المزيد عن التراكب الموزون
تستخدم وظيفة التراكب الموزون أحد الأساليب الأكثر استخدامًا لتحليل التراكب لحل مشكلات تعدد المعايير مثل تحديد الموقع ونماذج الملاءمة. في تحليل التراكب الموزون، يتم اتباع كل خطوة من خطوات تحليل التراكب العامة. كما هو الحال مع جميع تحليلات التراكب، في تحليل التراكب الموزون، يجب تحديد المشكلة، وتقسيم النموذج إلى نماذج فرعية، وتحديد طبقات الإدخال.
نظرًا إلى أن طبقات المعايير المدخلة ستكون في أنظمة ترقيم مختلفة بنطاقات مختلفة، يتطلب دمجها في تحليل واحد إعادة تصنيف كل خلية لكل معيار في مقياس تفضيل عام مثل 1 إلى 10، مع كون 10 هو الأكثر تفضيلاً. يشير التفضيل المعين على المقياس العام إلى تفضيل الظاهرة الخاصة بالمعيار. تكون قيم التفضيل في مقياس نسبي. وهذا يعني أن قيمة التفضيل 10 تُفضل عن قيمة التفضيل 5 بمرتين.
عند تعيين قيم التفضيل ينبغي عدم الاكتفاء بتعيينها متصلة بعضها ببعض فقط، بل يجب أيضًا أن يكون لها المعنى نفسه بين الطبقات. على سبيل المثال، إذا تم تعيين تفضيل قدره 5 لموقع خاص بمعيار واحد، فسيكون له التأثير نفسه الذي يحدثه التفضيل الذي يبلغ 5 في معيار ثانٍ على الظاهرة.
في نموذج بسيط لملاءمة الإيواء، قد يكون لديك ثلاثة معايير مدخلة: الانحدار، والاتجاه، والمسافة إلى الطرق. يُعاد تصنيف الانحدارات على مقياس من 1 إلى 10، مع كون المناطق المسطحة أقل تكلفة؛ ولذلك، تصبح الأكثر تفضيلاً ويتم تعيين القيم الأعلى لها. عندما تصبح الانحدارات أكثر انحدارًا، يتم تعيين قيم تناقصية لها، إذ يتم تعيين القيمة 1 للانحدارات الأكثر انحدارًا. أنت تُجري عملية إعادة التصنيف نفسها على مقياس من 1 إلى 10 للاتجاه، مع تعيين القيم الأعلى للاتجاهات الأكثر تفضيلاً - في هذه الحالة، الأقرب إلى الجنوب. يتم تطبيق عملية إعادة التصنيف نفسها على معيار المسافة إلى الطرق. تُعد المواقع الأقرب إلى الطرق أكثر تفضيلاً إذ يتطلب البناء عليها تكلفة أقل، لأنها تتمتع بسهولة الوصول إلى الطاقة وتتطلب ممرات أقصر. سيتطلب البناء على الموقع الذي عُيِّنت له قيمة ملاءمة قدرها 5 في طبقة الانحدار المُعاد تصنيفها ضعف التكلفة التي يتطلبها الانحدار الذي عُيِّنت له قيمة قدرها 10. سيتطلب الموقع الذي عُيِّنت له قيمة ملاءمة قدرها 5 في طبقة الانحدار المُعاد تصنيفها التكلفة نفسها التي تتطلبها القيمة 5 المعينة في طبقة المسافة إلى الطرق المعاد تصنيفها.
قد لا يكون لكل معيار في تحليل التراكب الموزون الأهمية نفسها. يمكنك ترجيح المعايير المهمة بشكل أكبر من المعايير الأخرى. على سبيل المثال، في نموذج ملاءمة السكن الخاص بنا، قد تقرر أنه نظرًا إلى أغراض الحفاظ على البيئة طويلة الأجل، فإن الاتجاهات الأفضل تكون أكثر أهمية من التكاليف القصيرة الأجل المرتبطة بمعايير الانحدار والمسافة إلى الطرق. ولذلك، يمكنك ترجيح قيم الاتجاه على أنها أكثر أهمية بمقدار مرتين مقارنة بمعايير الانحدار والمسافة إلى الطرق.
يتم ضرب المعايير المدخلة في الترجيحات ثم يتم جمعها معًا. على سبيل المثال، في نموذج ملاءمة السكن، يتم ضرب الاتجاه في 2 ويتم جمع المعايير الثلاثة معًا أو تمثيلها بطريقة أخرى، (2 * الاتجاه) + الانحدار + المسافة إلى الطرق.
تتمثل الخطوة الأخيرة من عملية تحليل التراكب في التحقق من صحة النموذج للتأكد من أن ما يشير النموذج إلى وجوده في الموقع موجود بالفعل. بمجرد التحقق من صحة النموذج، يتم تحديد موقع وبناء المنزل.
استخدام مقيدة وNoData لقيمة المقياس
يؤدي تعيين قيمة مقياس على أنها "مقيدة" إلى تعيين قيمة لتلك الخلية في نتيجة التراكب الموزون الناتج وهي تساوي القيمة الدنيا لمقياس التقييم المحدد، بناقص 1. إذا لم تكن هناك إدخالات للتراكب الموزون تحتوي على خلايا NoData، يمكنك استخدام NoData كقيمة مقياس لاستبعاد قيم معينة. ومع ذلك، فمن الضروري والأكثر أمانًا إذا كان لديك خلايا NoData في أي من إدخالاتك، استخدام "مقيدة" بدلاً من ذلك. من المحتمل أن يكون لديك نتيجة من التراكب الموزون الذي يحتوي على خلايا NoData المستمدة من واحد أو أكثر من الإدخالات (NoData على أي إدخال يساوي NoData في النتيجة) والمناطق المقيدة التي استبعدتها عن قصد. لا ينبغي الخلط بين قيم NoData والقيم المقيدة. إذ تخدم كل منها غرضًا محددًا. قد تكون هناك مناطق NoData لا تعرف قيمتها، وهي مناطق مناسبة بالفعل. إذا كنت تستخدم NoData بدلاً من مقيدة لاستبعاد قيم خلايا معينة، وكانت هناك NoData في إدخال واحد أو أكثر، فلن تعرف ما إذا كانت خلية NoData تعني أن المنطقة مقيدة الاستخدام أو ما إذا لم تكن هناك بيانات مدخلة متاحة في ذلك الموقع.
توخ الحذر عند استخدام مقيدة لقيمة المقياس أثناء إنشاء سطح تكلفة. نظرًا إلى أن استخدام "مقيدة" يعطي للخلية قيمة تمثل الحد الأدنى لقيمة مقياس التقييم، بناقص 1، ستظهر المناطق المقيدة الخاصة بك كأنها حصلت على أقل تكلفة، بينما تم استبعادها من التحليل بالفعل. بدلاً من ذلك، يجب عليك تعيين تكلفة مرتفعة أو تعيين قيمة المقياس إلى NoData للمناطق التي تريد استبعادها من التحليل.