Daha çox

Bitişik çoxbucaqlıların mərkəzlərini bir-birinə bağlayan xətlər yaratmaq


Təxminən 10 çoxbucağım var və onların mərkəzlərini xəritəyə əlavə etmişəm. Hər bitişik çoxbucağın sentroidlərini birləşdirən sətirlər yaratmaq istəyirəm. Çoxbucaqlı 1 çoxbucaqlı 2 və 3 ilə sərhəddirsə, 1-dən 2-yə və 1-dən 3-ə qədər bir xətt istərdim. İnşallah bunun mənası var və kimsə mənə kömək edə bilər. Həm də mərkəzlər arasındakı məsafələri göstərmək istəyirəm.


Eyni problemlə qarşılaşdım, həll yolum əvvəlcə çoxbucaqlının bir nüsxəsini yaratmaq, centroid nöqtələri ilə eyni ID ilə bir sahə əlavə etməkdir (orada olmalı, yaratmağa ehtiyac yoxdur). Daha sonra, çoxbucaqlıların toxunub-toxunmadığını qiymətləndirmək üçün C # arcobjects istifadə edin:

ISpatialFilter pSpatialFilter = yeni SpatialFilterClass (); pSpatialFilter.SpatialRel = esriSpatialRelEnum.esriSpatialRelTouches;

Sonra centroid-ə bağlanacaq toxunan çoxbucaqlı identifikatorunu qeyd edin, sonra nöqtələri qeyd etmək üçün siyahıdan və siyahıdan yaradın, bu sətirləri birləşdirmək üçün yeni bir polyline xüsusiyyət sinfi yaradın.


Təkrar SpatialPoints və SpatialPolygonsDataFrame R-də birləşir

SpatialPolygonsDataFrames (hər birinin içərisində bir neçə çoxbucaqlı xüsusiyyəti olan) siyahısının centroidlərinin yaradılması prosesi ilə təkrarlanmağa çalışıram, nəticədə SpatialPoints ana çoxbucaqların atributlarını (məlumatlarını) qoruyur. Sp :: over funksiyasını sınamışam, amma problemli görünür, çünki centroidlər mütləq ana çoxbucaqlılarla üst-üstə düşmür. Bundan əlavə, / R kodlaşdırma ilə yeni tanışam və bunu for loop və / və ya tətbiqetmə funksiyasından istifadə edərək necə əldə edəcəyimi bilmirəm.

Beləliklə, (1) SpatialPolygonsDataFrames'i əlaqəli SpatialPoints (centroids) ilə əlaqələndirəcək və (2) bütün prosesi təkrarlamaq və SpatialPolygonsDataFrames məlumatlarını uyğun SpatialPoints ilə birləşdirəcək fərqli bir funksiya tapmalıyam - necə edəcəyimi bilmirəm bir döngü işləyərkən bir siyahının indeks dəyərini digərindəki indeks dəyərinə uyğunlaşdırın.

Burada bir spatialPolygonsDataFrames obyekti üçün təkrarlana bilən bir nümunə var ki, sp :: over istifadə etmir, çünki bəzi centroidlər üst poliqonları üst-üstə salmır.


Niyə topologiya?

Topologiya uzun müddət məlumatların idarə olunması və bütövlüyü üçün əsas CİS tələbidir. Ümumiyyətlə, bir topoloji məlumat modeli, məkan obyektlərini (nöqtə, xətt və sahə xüsusiyyətləri) topoloji primitivlərin - qovşaqların, üzlərin və kənarların əsas qrafiki kimi təqdim edərək məkan münasibətlərini idarə edir. Bu primitivlər bir-birləri ilə və sərhədlərini təmsil etdikləri xüsusiyyətlərə olan münasibətləri ilə birlikdə xüsusiyyət həndəsələrini topoloji elementlərin planar qrafikində əks etdirməklə müəyyən edilir.

Topoloji, məkan əlaqələrinin məlumat keyfiyyətini təmin etmək və məlumatların tərtibinə kömək etmək üçün əsaslı şəkildə istifadə olunur. Topologiya eyni atribut dəyərləri olan bitişik çoxbucaqlılar arasındakı sərhədləri həll etmək və ya topoloji qrafikində elementlər şəbəkəsini keçmək kimi bir çox vəziyyətdə məkan əlaqələrini təhlil etmək üçün də istifadə olunur.

Topologiya, bir sıra xüsusiyyət siniflərindən həndəsənin necə birləşdirilə biləcəyini modelləşdirmək üçün də istifadə edilə bilər. Bəziləri buna xüsusiyyət siniflərinin şaquli inteqrasiyası kimi müraciət edirlər.


Miras:

Qruplaşdırma Analizi alətinin arxasındakı alqoritm artırılmış və ArcGIS Pro 2.1-də bu metodlara yeni funksionallıq əlavə edilmişdir. Yeni xüsusiyyətləri və metodları sadələşdirmək üçün Qruplaşdırma Təhlili alətinin əvəzinə iki yeni vasitə yaradılmışdır. Məkan baxımından bitişik qruplar yaratmaq istəsəniz, Məkanla məhdudlaşmış çox dəyişkən qruplaşma alətindən istifadə edin. Məkan məhdudiyyəti olmayan qruplar yaratmaq üçün Çox Dəyişənli Kümelenmə alətindən istifadə edin.

Bu vasitə analizdə istifadə olunan sahələr və SS_GROUP adlı yeni bir tam sahə ilə bir çıxış xüsusiyyət sinfi yaradır. Varsayılan göstərmə SS_GROUP sahəsinə əsaslanır və hər bir xüsusiyyətin hansı qrupa düşdüyünü göstərir. Məsələn, üç qrup istədiyinizi bildirsəniz, hər qeyd SS_GROUP sahəsi üçün 1, 2 və ya 3 ehtiva edəcəkdir. Məkan məhdudiyyətləri parametri üçün heç bir məkan məhdudiyyəti seçilmədikdə, çıxış xüsusiyyət sinfi də SS_SEED adlı yeni bir ikili sahə ehtiva edəcəkdir. SS_SEED sahəsi qrupların böyüməsi üçün başlanğıc nöqtəsi kimi hansı xüsusiyyətlərdən istifadə olunduğunu göstərir. SS_SEED sahəsindəki sıfırdan kənar dəyərlərin sayı, Qrup Sayı parametri üçün daxil etdiyiniz dəyərə uyğun olacaq.

Çıxış Hesabatı Fayl parametri üçün bir yol göstərdiyiniz zaman bu vasitə isteğe bağlı olaraq bir PDF hesabat faylı yaradacaqdır. Bu hesabat müəyyən edilmiş qrupların xüsusiyyətlərini anlamağa kömək etmək üçün müxtəlif cədvəllər və qrafiklərdən ibarətdir. PDF hesabatına yol, alət icra parametrlərini ümumiləşdirən mesajlarla daxil ediləcəkdir. Bu yola basmaqla hesabat faylı açılır. Mesajlara gedişat çubuğunun üstünə gedərək, açılan düyməni basaraq və ya Geoprosessiya bölməsində mesajlar hissəsini genişləndirərək daxil ola bilərsiniz. Bundan əlavə, Geoprosessinq Tarixindən əvvəlki Qrup Analizinin mesajlarına daxil ola bilərsiniz.

Hesabat faylının yaradılması əhəmiyyətli bir işləmə müddəti əlavə edə bilər. Nəticə olaraq, Qruplaşdırma Təhlili qrup üzvlüyünü göstərən Çıxış Xüsusiyyət Sınıfı yaradarkən, 15-dən çox qrup və ya 15-dən çox dəyişən göstərsəniz, PDF hesabatı faylı yaradılmayacaqdır.

Giriş Xüsusiyyət Sinfi proqnozlaşdırılmadıqda (yəni koordinatlar dərəcə, dəqiqə və saniyələrdə verildikdə) və ya çıxış koordinat sistemi Coğrafi Koordinat Sisteminə qurulduqda, məsafələr akkord ölçmələrindən istifadə edərək hesablanır. Chordal məsafə ölçmələri tez bir zamanda hesablana bildikləri üçün və ən azı bir-birindən təxminən otuz dərəcə məsafədəki nöqtələr üçün həqiqi geodezik məsafələrin çox yaxşı təxminlərini təmin edə bildikləri üçün istifadə olunur. Chordal məsafələri oblat sferoidə əsaslanır. Yer səthindəki hər hansı iki nöqtəni nəzərə alaraq, aralarındakı akkord məsafəsi, bu iki nöqtəni birləşdirmək üçün üç ölçülü torpaqdan keçən bir xəttin uzunluğudur. Chordal məsafələrinin metrlərlə bildirildiyi bildirilir.

Diqqət:

Tədris sahəsi 30 dərəcəni aşarsa, məlumatlarınızı proqnozlaşdırdığınızdan əmin olun. Chordal məsafələri, 30 dərəcədən çox olan geodezik məsafələrin yaxşı bir qiymətləndirməsidir.

Unikal ID Sahəsi, Çıxış Xüsusiyyət Sinifindəki qeydləri orijinal giriş xüsusiyyət sinifindəki məlumatlarla əlaqələndirməyiniz üçün bir yol təqdim edir. Nəticədə, Unikal ID Sahə dəyərləri hər xüsusiyyət üçün unikal olmalıdır və ümumiyyətlə xüsusiyyət sinifində qalan daimi bir sahə olmalıdır. Datasınızda Unikal ID Sahəniz yoxdursa, xüsusiyyət sinif cədvəlinizə yeni bir tam sahə əlavə edib sahə dəyərlərini FID / OID sahəsinə bərabər hesablayaraq asanlıqla yarada bilərsiniz. Unique ID Field parametri üçün birbaşa FID / OID sahəsini istifadə edə bilməzsiniz.

Analiz sahələri ədədi olmalıdır və müxtəlif dəyərlərdən ibarət olmalıdır. Dəyişikliyi olmayan sahələr (yəni hər qeyd üçün eyni dəyər) analizdən çıxarılacaq, lakin Çıxış Xüsusiyyət Sinifinə daxil ediləcək. Kategorik sahələr, əgər onlar saxta dəyişənlər kimi təqdim edilərsə (bir kateqoriyadakı bütün xüsusiyyətlər üçün bir, digər xüsusiyyətlər üçün isə sıfır) dəyərində olduqda, Qruplaşdırma Analizi vasitəsi ilə istifadə edilə bilər.

Qruplaşdırma Təhlili aləti yer və ya vaxt məhdudluğu olan və ya olmayan qruplar quracaqdır. Bəzi tətbiqetmələr üçün yaradılan qruplara uyğunluq və ya digər yaxınlıq tələbləri qoymaq istəməyə bilərsiniz. Bu hallarda, Məkan Məhdudluqları parametrini Məkan məhdudiyyəti yoxdur.

Bəzi analizlər üçün qrupların məkan baxımından bitişik olmasını istəyəcəksiniz. Davamlılıq seçimləri çoxbucaqlı xüsusiyyət sinifləri üçün aktivdir və xüsusiyyətləri yalnız bir kənar bölüşdükləri təqdirdə eyni qrupun bir hissəsi ola biləcəyini göstərir (yalnız uyğunluq kənarları) və ya bir kənar və ya bir təpə (uyğunluq kənarları küncləri) başqa bir üzvlə paylaşsalar qrup.

Bütün qrup üzvlərinin proksimal olmasını təmin etmək istədiyiniz zaman Delaunay üçbucağı və K yaxın qonşu seçimləri nöqtə və ya çoxbucaqlı xüsusiyyətlərə uyğundur. Bu seçimlər, bir xüsusiyyətin yalnız bir başqa xüsusiyyətin təbii qonşu (Delaunay üçbucağı) və ya ən yaxın qonşu olması halında bir qrupa daxil olacağını göstərir. K nəzərə alınacaq qonşuların sayıdır və Qonşuların Sayı parametri istifadə edilərək göstərilmişdir.

Həm məkan, həm də zaman məhdudluğu ilə qruplar yaratmaq üçün əvvəlcə xüsusiyyətləriniz arasında məkan-zaman münasibətlərini müəyyənləşdirən məkan ağırlıqları matris faylı (.swm) yaratmaq üçün Məkan Çəkiləri Mətrini Yarat alətindən istifadə edin. Növbəti Qrup Analizini aparın, Məkan Məhdudluqları parametrini fayldan məkan ağırlıqları və Məkan Ağırlıqları Matrix Fayl parametrini yaratdığınız SWM faylına qurun.

Xüsusiyyətlərinizin z dəyərlərini nəzərə alan üç ölçülü qruplar yaratmaq üçün əvvəlcə 3D-ni müəyyənləşdirən bir məkan çəkisi matris faylı (.swm) yaratmaq üçün Z dəyərlərini istifadə edin parametrləri ilə Məkan Çəki Matrix Yarat alətindən istifadə edin. xüsusiyyətləriniz arasındakı əlaqələr. Ardından, Məkan Məhdudluqları parametri ilə fayldan məkan ağırlıqları və Məkan Ağırlıqları Matrix Fayl parametri yaratdığınız SWM faylını təyin edərək Qruplaşdırma Analizini işə salın.

Sabit məsafə kimi əlavə məkan məhdudiyyətləri, əvvəlcə bir SWM faylı yaratmaq üçün Məkan Ağırlıqları Yarat (Matrix) Yarat alətindən istifadə edərək və sonra Məkan Ağırlıqları Matrix Fayl parametri üçün həmin dosyaya yol təqdim etməklə tətbiq oluna bilər.

Məkan məhdudiyyətlərini təyin etmək üçün məkan ağırlıqları matrisi (SWM) faylı yaratmağınıza baxmayaraq, tətbiq olunan heç bir ağırlıq yoxdur. SWM hansı xüsusiyyətlərin bitişik və ya proksimal olduğunu müəyyənləşdirir. Məkan məhdudiyyəti tətbiq etmək kimin eyni qrupa üzv ola biləcəyini və ola bilməyəcəyini təyin edir. Məsələn, yalnız Contiguity kənarlarını seçsəniz, tək bir qrupdakı bütün xüsusiyyətlər qrupdakı başqa bir xüsusiyyət ilə ən azı bir kənar olacaqdır. Bu nəticə verən qrupları məkan baxımından bitişik saxlayır.

Məkan məhdudluğunu müəyyənləşdirmək kompakt, bitişik və ya proksimal qrupları təmin edir. Analiz Sahələri siyahınıza məkan dəyişkənlərinin daxil edilməsi də bu qrup xüsusiyyətlərini təşviq edə bilər. Məkan dəyişkənlərinə misal olaraq avtomobil yolundakı rampalara qədər məsafə, iş yerlərinin açılması, alış-veriş imkanlarına yaxınlıq, əlaqə ölçüləri və hətta koordinatlar ola bilər (X, Y). Vaxt, həftənin günü və ya müvəqqəti məsafəni təmsil edən dəyişənlər daxil olmaqla qrup üzvləri arasında müvəqqəti kompaktlığı təşviq edə bilər.

Xüsusiyyətləriniz üçün fərqli bir məkan nümunəsi olduqda (bir nümunə üç ayrı, məkan baxımından fərqli qruplar ola bilər), məkan baxımından məhdudlaşdırılmış qruplaşdırma alqoritmini çətinləşdirə bilər. Nəticə olaraq qruplaşdırma alqoritmi əvvəlcə əlaqəsi kəsilmiş qrupların olub olmadığını müəyyənləşdirir. Bağlı olmayan qrupların sayı göstərilən Qrupların sayından çoxdursa, alət həll edə bilməz və uyğun bir səhv mesajı ilə uğursuz olar. Bağlı olmayan qrupların sayı göstərilən Qrupların sayı ilə tam eynidirsə, yalnız xüsusiyyətlərin məkan konfiqurasiyası aşağıda (A) göstərildiyi kimi qrup nəticələrini təyin edir. Göstərilən Qrupların Sayı ayrılmış qrupların sayından çoxdursa, qruplaşdırma artıq müəyyən edilmiş əlaqəsiz qruplarla başlayır. Məsələn, əlaqəsi kəsilmiş üç qrup varsa və göstərilən Qrupların sayı 4-dürsə, üç qrupdan biri aşağıda (B) göstərildiyi kimi dördüncü bir qrup yaratmaq üçün bölünəcəkdir.

Bəzi hallarda, Qruplaşdırma Təhlili aləti qoyulmuş məkan məhdudiyyətlərini ödəyə bilməyəcək və bəzi xüsusiyyətlər heç bir qrupa daxil edilməyəcək (SS_GROUP dəyəri boş göstərmə ilə -9999 olacaq). Qonşuları olmayan xüsusiyyətlər varsa, bu olur. Bunun qarşısını almaq üçün bütün xüsusiyyətlərin qonşu olmasını təmin edən K yaxın qonşuları istifadə edin. Qonşuların sayının artırılması əlaqəsi kəsilmiş qruplarla bağlı problemləri həll etməyə kömək edəcəkdir.

Mümkün qədər çox Analiz Sahəsini daxil etmək istəyi mövcud olsa da, bu alət üçün ən yaxşı şəkildə tək bir dəyişənlə başlayıb qurmaq lazımdır. Nəticələri daha az analiz sahələri ilə şərh etmək çox asandır. Daha az sahə olduqda hansı dəyişkənlərin ən yaxşı ayrıseçkilik olduğunu müəyyənləşdirmək daha asandır.

Məkan Məhdudluqları parametri üçün Məkan məhdudiyyəti yoxdur seçdiyinizdə, Başlanğıc Metodu üçün üç seçiminiz var: Toxum yerlərini tapmaq, Toxumları tarladan almaq və Təsadüfi toxumlardan istifadə etmək. Toxumlar fərdi qrupları böyütmək üçün istifadə olunan xüsusiyyətlərdir. Məsələn, Qrupların Sayı parametri üçün 3 daxil etsəniz, analiz üç toxum xüsusiyyəti ilə başlayacaq. Varsayılan seçim, Toxum yerlərini tapmaq, təsadüfi olaraq ilk toxumu seçir və seçilən sonrakı toxumların məlumat məkanında bir-birindən uzaq olan xüsusiyyətləri təmsil etdiyinə əmin olur. Məlumat məkanının fərqli sahələrini tutan ilkin toxumların seçilməsi performansı artırır. Bəzən spesifik xüsusiyyətlərin fərqli qruplar tərəfindən təmsil olunmağın istədiyiniz fərqli xüsusiyyətləri əks etdirdiyini bilirsiniz. Bu vəziyyətdə, bu fərqli xüsusiyyətləri müəyyənləşdirmək üçün bir toxum sahəsi yaradın. Yaratdığınız toxum sahəsinin hamısı üçün sıfır olmalıdır, lakin ilkin toxum xüsusiyyətləri ilk toxum xüsusiyyətlərinin 1 dəyərinə sahib olmalıdır. Daha sonra Başlanğıc Metodu parametri üçün sahədən toxum alın seçin. Həmişə eyni qrupda hansı xüsusiyyətlərin olduğunu görmək üçün bir növ həssaslıq təhlili aparmaq istəyirsinizsə, Başlanğıc Metodu parametri üçün Təsadüfi toxumlardan istifadə et seçimini edə bilərsiniz. Bu seçim üçün bütün toxum xüsusiyyətləri təsadüfi olaraq seçilir.

Təsadüfi toxumlardan istifadə edərkən Təsadüfi Sayı Yaradan Ətraf mühit ayarı ilə təsadüfi ədədi yaratmaq üçün bir toxum seçmək istəyə bilərsiniz. Bununla birlikdə, bu alətin istifadə etdiyi Random Number Generator həmişə Mersenne Twister'dir.

Başlanğıc Sahəsindəki 1-in hər hansı bir dəyəri bir toxum kimi şərh ediləcəkdir. Qrup sayından daha çox toxum xüsusiyyəti varsa, toxum xüsusiyyətləri Başlanğıc Sahəsi tərəfindən müəyyən edilənlərdən təsadüfi seçiləcəkdir. Qrup Sayı ilə göstəriləndən az toxum xüsusiyyəti varsa, əlavə toxum xüsusiyyətləri Başlanğıc Sahəsi tərəfindən müəyyənləşdirilənlərdən (məlumat məkanında) çox uzaqda seçiləcəkdir.

Bəzən məlumatlarınız üçün ən uyğun Qrup sayını bilirsiniz. Olmamağınız halında, ən yaxşı qrup fərqliliyini təmin edən dəyərləri qeyd edərək fərqli sayda qrupları sınamalı ola bilərsiniz. Optimal Qrup Sayı Qiymətləndirmə parametrini yoxladığınızda, 2 ilə 15 qrup arasında həllərin qruplaşdırılması üçün yalançı F-statistikası hesablanacaqdır. Qrup Sayı üçün seçiminizi başqa heç bir meyar yönləndirmirsə, ən böyük yalançı F-statistik dəyərlərdən biri ilə əlaqəli bir rəqəmdən istifadə edin. Ən böyük F-statistik dəyərlər həm qrup daxilində oxşarlıqları, həm də qruplar arasındakı fərqləri maksimum dərəcədə artırmaq üçün ən yaxşı nəticəni göstərir. İsteğe bağlı bir Çıxış Hesabatı Faylını təyin etdiyiniz zaman, bu PDF hesabatında 2 ilə 15 qrup arasında həll yolları üçün F-statistik dəyərlərini göstərən bir qrafik daxil ediləcəkdir.

Təqdim etdiyiniz Qrupların sayından asılı olmayaraq, əlavə qruplara bölünmə ixtiyari olarsa alət dayandırılacaqdır. Məsələn, məlumatlarınızın üç məkanda çoxluqlu çoxbucaqlı və tək bir analiz sahəsindən ibarət olduğunu düşünək. Bir klasterdəki bütün xüsusiyyətlər eyni analiz sahəsi dəyərinə sahibdirsə, üç qrup yaradıldıqdan sonra fərdi qruplardan hər hansı birinin necə bölünməsi özbaşına olur. Bu vəziyyətdə üçdən çox qrup təyin etsəniz, alət yenə də üç qrup yaradacaqdır. Bir qrupdakı analiz sahələrindən ən azı birinin dəyər dəyişikliyi olduğu müddətcə əlavə qruplara bölünməyə davam edə bilərsiniz. Analiz sahəsi dəyərlərində dəyişiklik olmadığı təqdirdə qruplar daha da bölünməyəcəkdir.

Analizinizə bir məkan və ya məkan-zaman məhdudiyyəti daxil etdikdə, yalançı F-Statistika müqayisə edilə bilər (Giriş xüsusiyyətləri və analiz sahələri dəyişmədikcə). Nəticədə, F-Statistik dəyərləri yalnız optimal Qrup sayını müəyyənləşdirmək üçün deyil, eyni zamanda ən təsirli Məkan Məhdudluqları seçimi, Məsafə metodu və Qonşu sayı barədə seçimlər etməyinizə kömək edə bilərsiniz.

Məkan Məhdudluqları parametri üçün məkan məhdudluğu seçilmədikdə və Toxum yerlərini tap və ya Başlanğıc Metodu üçün təsadüfi toxumlardan istifadə seçildikdə xüsusiyyətləri qruplara bölmək üçün istifadə olunan K-Means alqoritmi, heuristikanı özündə cəmləşdirir və aləti hər işə saldıqda fərqli nəticə verə bilər. (hətta eyni məlumatları və eyni alət parametrlərini istifadə edərək). Bu, qrupları böyütmək üçün istifadə olunan ilkin toxum xüsusiyyətlərini tapmaq üçün təsadüfi bir komponentin olmasıdır.

Məkan məhdudiyyəti tətbiq edildikdə, alqoritmdə təsadüfi bir komponent yoxdur, buna görə 2-dən 15-ə qədər qruplar üçün tək bir yalançı F-Statistika hesablana bilər və ən yüksək F-Statistik dəyərlər üçün Qrupların sayını müəyyənləşdirmək üçün istifadə edilə bilər. analiziniz. No məkan məhdudlaşdırma seçimi evristik bir həll olduğu üçün, optimal qrup sayının təyin edilməsi daha çox iştirak edir. Alət hər dəfə işə salındıqda F-Statistika fərqli ilkin toxum xüsusiyyətlərinə görə fərqli ola bilər. Verilərinizdə fərqli bir nümunə olduqda, bir qaçışdan digərinə həll daha uyğun olacaq. Nəticə olaraq, Məkan məhdudluğuna ehtiyac yoxdur seçimi seçildikdə optimal qrup sayını təyin etməyə kömək etmək üçün alət, 2, 3, 4 və 15 qrup üçün qruplaşdırma analizini 10 dəfə həll edir. Daha sonra bu 10 həllin paylanması barədə məlumat verilir (minimum, maksimum, orta və orta) analiz üçün optimal sayda qrup təyin etməyə kömək edəcəkdir.

Qruplaşdırma Analizi vasitəsi, xüsusi modellərdə və skriptlərdə potensial istifadə üçün üç əldə edilmiş çıxış dəyərini qaytarır. Bunlar Qrup Sayısı üçün Pseudo F-Statistic (Output_FStat), 2 ilə 15 arasında qruplar üçün ən böyük Pseudo F-Statistic (Max_FStat) və ən böyük yalançı F-Statistic dəyəri (Max_FStat_Group) ilə əlaqəli qrupların sayı. Optimal Qrup sayını qiymətləndirməyi seçmədiyiniz zaman, çıxarılan bütün dəyişənlər Yoxdur.

Bir sıra xüsusiyyətlərə təyin edilmiş qrup nömrəsi bir qaçışdan digərinə dəyişə bilər. Məsələn, gəlir dəyişkənliyinə əsaslanan xüsusiyyətləri iki qrupa ayırdığınızı düşünək. İlk dəfə təhlil apardıqda, ikinci qrup kimi yüksək gəlir xüsusiyyətlərini və eyni təhlili ikinci dəfə apardığınızda aşağı gəlirli xüsusiyyətləri 1 qrup kimi görsən, yüksək gəlir xüsusiyyətləri qrup 1 kimi etiketlənə bilər. məkan məhdudiyyəti göstərilmədiyi zaman orta gəlir xüsusiyyətlərindən bəzilərinin qrup üzvlüyünü bir qaçışdan digərinə keçdiyini gör.

Çox sayda fərqli qrup yaratmağı seçə bilsəniz də, əksər ssenarilərdə, ehtimal ki, xüsusiyyətləri yalnız bir neçə qrupa bölüşdürəcəksiniz. Qrafikləri və xəritələri çox qruplarla şərh etmək çətinləşdiyindən Qrupların Sayı parametri üçün 15-dən böyük bir dəyər daxil etdikdə və ya 15-dən çox Analiz Sahəsini seçdiyiniz zaman hesabat yaranmır. Bununla birlikdə, bu məhdudiyyəti maksimum qrup sayında artıra bilərsiniz.

Dalğıc:

Qruplaşdırma Analizi aləti üçün Python qaynaq kodunuz olduğundan, 15 dəyişən və ya istənildiyi təqdirdə 15 qrup hesabat məhdudiyyətini ləğv edə bilərsiniz. Bu yuxarı sərhəd həm Partition.py skript sənədində, həm də Mekansal Statistika Alətlər qutusundakı alətin doğrulama kodunda iki dəyişən tərəfindən təyin olunur:

Çıxış Hesabatı Dosyası haqqında daha ətraflı məlumat üçün Qruplaşdırma Analizinin necə işlədiyi barədə daha çox məlumat əldə edin.


Xətt seqmentlərindən qapalı sahələr (qabarıq çoxbucaqlar) necə yaradılır?

Aşağıdakı problem 2B-dədir, buna görə cavab təklif edərkən bəzi sadələşdirmələr edilə bilər.

Bir sıra nöqtələr / xətt seqmentlərindən qapalı sahələr yaratmalıyam (ya xətt seqmentləri, ya da yalnız nöqtələr dəsti - qabarıq çoxbucaqlı).

Əsasən Voronoi & quotroads & quot yaratmaq üçün istifadə etdim. Sonra bəzi məlumatları dəyişdirdim. İndi bu məlumatları nəzərdən keçirməyin bir yolu lazımdır (bu hələ də seqment seqmentləridir, lakin artıq Voronoi ilə uyğun gəlmir) və & quot; & quot; ilə həmsərhəd olan & quotneigbourhoods & quot;

Bəzi qrafik diaqramlarına və ən qısa yol nəzəriyyələrinə baxdım, amma başa düşə bilmədim.

Məntiqi olaraq, sol tərəfdən bir nöqtədən başlayaraq, mövcud xətlərlə ən qısa yoldan istifadə edərək (yalnız saat yönündə istiqamətləri istifadə edərək) həmin nöqtəyə qayıdış yolu ilə edilə bilər. Sonra bu sətri aşağı qoyun və məlumatdan silin. Sonra eyni prosesi təkrarlaya və bunun kimi bütün sahələri əldə edə bilərsiniz.

Bunu həyata keçirməyə çalışdım, amma bunu edə bilən bir C ++ kodu yazmağın bir yolunu tapa bilmədiyim üçün məni heç yerə salmadı. Problem müəyyən bir nöqtədən mövcud sətirlərdən ən çox saat yönünün əksinə xətt seçməkdə idi. Bütün bucaqlı riyaziyyat səhv cavablar verdi, çünki sin / cos c ++ dilində tətbiq olunur.

Xülasə etmək üçün - problemə tamamən yeni bir yanaşma ilə kömək edə bilsəniz, yaxşı olmazsa, xəttin köməyi ilə saat yönünün ən qısa yolunu tapan kodun bir hissəsini yazmağın bir yolunu tapmaqda kömək edə bilməzsiniz seqment geri yollar olaraq təyin edildi.

EDİT: Nə etmək istədiyimi göstərmək üçün bir şəkil əlavə edildi.

Şəkli buradan yoxlayın - (buraya yerləşdirməmişdən əvvəl 10 şöhrətə ehtiyacım var: P)

Bir sıra nöqtələrim var (bənövşəyi kiçik nöqtələr). Başqa bir sıra hansı nöqtələrin bir xətt (yol) təşkil etdiyini təyin edir. Yollarla əhatə olunmuş ərazini müəyyənləşdirmək üçün bir yol istəyirəm ki, içərisinə binalar və ya daha kiçik yollar qoyub kənarları sınayım, beləliklə hər bölgə ayrılsın. Ümid edirəm ki, bu problemi necə həll edəcəyiniz barədə daha çox məlumat verir.


1 Cavab 1

Müzakirələrdən və sənədlərdən OpenFOAM bir az əyrilik tətbiq etmiş kimi görünür. Bu cavab müxtəlif əyri təriflərin niyə ekvivalent ola biləcəyinin izahı deyil, bunun niyə əyrilik ölçüsü olduğunu əsaslandıracağam. Sadəlik naminə iki elementi izləməyi düşünün -

Mavi ox xarici səthdir normal fAreas [facei], qırmızı nöqtələr soldan sağa ownCc, fCtrs [facei] və neiCc. İndi, Cpf ownCc-dən fCtrs-ə [facei], d isə fCtrs-dən [facei] -dən neiCc-yə işarə edən vektordur.

$ V, w $ iki uyğun vektor verildiyini xatırladan yer: $ v cdot w = | v | | w | cos ( theta) $ burada $ theta $ - $ v $ və $ w $ arasındakı bucaqdır.

Formula qayıdaq ((fAreas [facei] & amp Cpf) / ((fAreas [facei] & amp d) + ROOTVSMALL)). (fAreas [facei] & amp Cpf) bizə fAreas [facei] dəfə Cpf normasını verəcəkdir, çünki bu iki vektor eyni istiqamətə işarə edir (bu misalda, Öz trapeziyası olmasaydı) beləliklə $ theta = 0 $. (fAreas [facei] & amp d) bizə müxtəlif fərqli müsbət dəyərlər verə bilər, lakin vacib məqamlar fAreas [facei] və d eyni istiqamətə yönəldərsə, dolayısı ilə əyrilik olmazsa, fare bölgələri [facei] norması olacaqdır dəfə d, məsələn [norm (fAreas [facei]) * norm (Cpf)] / [norm (fAreas [facei]) * norm (d)] = norm (Cpf) / norm (d). Bu asanlaşdırır

Beləliklə, mesh əyilmirsə, sv - və nəticədə svHat - sıfır olacaqdır. Şəkildə olduğu kimi əyilmişsə, riyaziyyat bir qədər fərqlidir

bu olur (ROOTVSMALL-ı nəzərə almadan)

theta ilə d və fAreas [facei] arasındakı açıdır. Yenidən təşkil edək (yenə ROOTVSMALL-ı nəzərə almıram)

Bu şəkildə bunun əyilmə ölçüsü olduğu daha aydın olur. teta degenerasiya olunmuş elementləri olmayan şəbəkələr üçün $ (- pi / 2, pi / 2) $ açıq aralığında dəyərlər ala bilər və 1 / cos (theta) $ [1, infty) $ intervalında dəyərlər alır. Son addımda, vv vektoru svHat yaradan və hər istiqamətdə əyrilik verən normallaşma svHat = sv / (mag (sv) + ROOTVSMALL) var. 0, verilən istiqamətdə əyriliyin olmaması deməkdir və digər dəyərlər bir az əyriliyi ifadə edəcəkdir. Düşünürəm ki, $ -1 $ ən əyri hal olacaq və degenerasiya olunmuş qonşu elementə cavab verir.

Əyilmə müxtəlif tədbirlər

Maksim Umanskinin suala verdiyi şərhlərdə qeyd etdiyi kimi, əyrilikdən bəhs edən bir vikipediya məqaləsi var. Bunlar əyriliyin etibarlı ölçüləridir bir elementBununla birlikdə, ızgaranın əyriliyi barədə heç bir şey söyləmirlər. Bərabər həcmə əsaslanan biri xaricində. Məsələn, bu ölçülərə görə, romb domeninin romb elementləri ilə örtülməsi əyilmiş hesab ediləcək, lakin bu sizin istədiyiniz kimi deyil.

Tanıdığım bir başqa əyilmə tərifi $ 1- frac <|| cd ||> <| F |>, burada $ F $ iki qonşu element arasındakı üz, $ | F | $ üzün sahəsi, $ c $ üzün mərkəz hissəsidir $ F $ və $ d $ Öz elementinin mərkəzini qonşu elementin mərkəzinə bağlayan xətt seqmentinin orta nöqtəsidir. Bu vəziyyətdə, qonşu elementlərin hər biri üçün $ c $ və $ d $ üst-üstə düşərsə, bu mesh əyilməmiş deməkdir və $ 1 $ dəyərini alırsınız. Beləliklə, bu əyilmə tərifi yuxarıda $ 1 ilə məhdudlaşır, lakin sonsuz böyük bir mənfi rəqəm ola bilər.

Bu təriflə OpenFOAM ölçüsü arasındakı fərqlər

  • Tanıdığım sizə skaler verir, OpenFOAM ölçüsü bir vektor qaytarır və əyrilik istiqamətini də sizə bildirir
  • OpenFOAM ölçüsü $ [- 1,0] $ (səhv etmirəmsə), digəri $ (- infty, 1] $.
  • Bu çoxbucaqlı və çoxbucaqlı (ümumiyyətlə, bir müddət əvvəl eşitdiyim ikinci bir məlumatdır) ümumiləşdirir, OpenFOAM-dan əmin deyiləm.

Bu səbəblərdən, bunların ekvivalent təriflər olduğuna inansam da, bunların olduğunu sübut edə bilmirəm, məs. bir vektoru skalarla necə müqayisə edə bilərəm? Bununla birlikdə, hər ikisi də aşağıdakı iki elementi yüksək dərəcədə əyri kimi xarakterizə edər ki, bu da onların bərabərliyinə dair sübutumdur.


2 Cavablar 2

Beşbucaqlının sentroidini müxtəlif yollarla bir üçbucaq və dördbucağın birləşməsinə ayrılabiləcəyini və beşbucaqlı mərkəzin dördbucaqlı və üçbucağın sentroidini birləşdirən xətt üzərində yerləşdiyini görərək beşbucaqlı santroidi tapa bilərsiniz. Beləliklə, qabarıq bir beşbucağın mərkəzini tapmaq üçün bitişik olmayan iki zirvəni seçin, onları birləşdirən bir xətt çəkin, üçbucağın və dördbucağın sentroidlərini hesablayın və onları birləşdirən xətti çəkin. Sonra iki fərqli bitişik olmayan zirvələri seçin və proseduru təkrarlayın. Centroid, iki sətirin mərkəzdən keçən hissəsinin kəsişməsində yerləşir. Qabarıq olmayan beşbucaqlar da buna bənzər şəkildə işlənilir, lakin içərisində bir vertex olan bir üçbucaq və ya dördbucaq almaqdan qorunmaq üçün bir az qayğı lazımdır.

Eyni texnika altıbucaqlılar üçün də tətbiq olunur, ancaq onları iki dördbucaqlı hala salırsınız.

Bu, ümumi bir bölmə və fəth metodu ilə birlikdə istənilən ölçüdə çoxbucaqlı ilə mübarizə aparmaq üçün kifayət olmalıdır.


CEG2704

- yer məlumatları üçün optimal saxlama yanaşmasının atribut məlumatları üçün optimal olmadığı fərziyyəsi
- regional verilənlər bazasında vektor-topoloji məlumat strukturu tərəfindən təqdim olunan standartda saxlanılan yer məlumatları

- cədvəldə bir atribut alt hissəsinin alınmasına imkan verir (bütün varlıqları saxlayır)

- iki cədvəlin şəxslərini təkrarlanmadan birləşdirir

(yalnız söz mövzusu yer, qrup və ya dil toplumu xaricində istifadə olunan ümumi bir addır)]

- model təbəqələri arasındakı uyğunsuzluqlar (səviyyələr arasındakı uyğunsuzluqlar)

- Yeniləmək / redaktə etmək üçün çoxsaylı dəyişikliklər

- ATTRIBUTES-in çevrilməsi (məsələn, verilənlər bazası əməliyyatları: seçmək, qoşulmaq, birləşmək, atributlar əlavə etmək və s.)

- DISPLAY üçün dəyişikliklər (tez-tez uçuş modifikasiyalarında, məsələn, təbəqənin dəyişdirilməsi)

- qruplaşdırma / birləşmə (daha az siniflər daha dəqiq bir görüntü deməkdir)
- müəyyən məlumatların seçilməsi

Vəziyyət (nə vaxt ümumiləşdiririk):
ümumiləşdirmə əsasən kartometrik qiymətləndirmə zamanı aparılır:
- həndəsi şərtlər (məsələn, sıxlıq, uyğunsuzluq)
- məkan və vahid tədbirlər (məs. sıxlıq, uzunluq, forma / məsafə ölçmələri və s.)
- transformasiya nəzarəti

xətt uzunluğu = (qradiyent * addım ölçüsü) + sabit
fraktal ölçü (1-qradiyent)

POINT - sadə pont tamponlar bir nöqtədən dairə və ya 'x' radius yaradır
- konturların həll edilməsi 'bufer zonaları' yaradır

LINE - xətt tamponlar xətt xüsusiyyətləri ətrafında zona və ya sahələr yaradır, bunlar gizli yönlü bir komponentə sahibdirlər (məs. Yolun hər iki tərəfi 1 km)

- məsafələr xətt seqmentlərinin daxili hissəsində əvəzləşdirilir

- ən vacib CBS məkan əməliyyatı
- birdən çox məlumat dəstinin tək bir tematik təbəqəyə birləşdirilməsinə imkan verir
- coğrafi cəhətdən təsadüfən, lakin fərqli əlaqələndirilmiş məlumatlar arasındakı məkan əlaqələrinin öyrənilməsinə imkan verir
- örtük əməliyyatı atributları dəyişdirir, onlar birləşdirilir və bəzi hallarda təkrarlanır

- rasterdə buferləşdirmə asandır, lakin buferi təyin edən müəyyən bir sinfi əldə etmək üçün əlavə bir addım tələb oluna bilər.
- bir çox raster məlumat təbəqəsi davamlı təbiətinə görə son dərəcə mürəkkəbdir
- ümumiyyətlə ərazi məlumatları ilə aparılır
- dəyər yeri yox, nəticəni təyin edir

- bir sıra qonşuluq növləri var (məsələn, 3x3 hüceyrə ən çox yayılmışdır)
- orta, SD, cəmi, maks, min, aralıq, rejim və s. hesablayır)

fərqləndirmə hədləri:
- 0,2 mm, iki sətirin ayrı sətirlər kimi bölünə biləcəyi bir eşikdir
- istifadə olunan formalar / nöqtə üslubları kifayət qədər fərqli olmalıdır ki, fərqli olaraq inamla müşahidə oluna bilsinlər
- məzun olan ballar arasındakı ölçü fərqi fərqli olaraq müşahidə olunmaq üçün kifayət qədər fərqli olmalıdır
- çalarlarda buraxılışın fərqli olaraq görünməsi üçün kifayət qədər böyük fasilələrə sahib olması lazımdır

SEÇMİŞ
- rəng və sıxlıq (eyni spektrdəki rəngləri qradiyent sırası ilə ümumiyyətlə insan gözü ilə görmək və qavramaq daha asandır)
- seçicidirsə (yönəldici)
- rəng seçicidir, lakin kanallar sifariş nümayiş etdirir

SİFARİŞ EDİLDİ
- dəyər mütləq sifariş olunur
- sıxlıq və toxuma sifariş edilir

mülahizələr:
- sifariş
- təsnifat
- tamlıq
- nümayəndəsi
- xəritə işarələri ilə yazışma
- təbii xəritə əfsanəsi
- mövqe / təsir / üstünlük / ölçü
- interaktiv
- dinamik

- gənə yoxdur (məs. Arial)

- gənələrin məktuba bənzər bir qalınlığı olduğu yerlərdə

- yazı ilə fon arasındakı ziddiyyət

- çirkin hərf nisbətlərindən və üzlərdən çəkinin

- siniflər arasında sinifdən daha yüksəkdir

- bir sinif daxilində yazı eyni olmalıdır

- bir çox tip üzdən çəkinin, əvəzinə bir variantdan istifadə edin

- dəyərləri hamısını eyni ölçü vahidi / miqyasına gətirmək üçün standartlaşdırılır (dəyişənlərin tam dinamik aralığını götürərək xətti bir şəkildə 0 ilə 1 arasındakı dəyərlər aralığına çəkərək, 0 = minimum, 1 = maksimum )

- sonra dəyərlər əhəmiyyəti əsas götürülərək ölçülür, çünki məlumat dəstləri hamısı bərabər deyildir (daha vacib dəstlərə daha yüksək çəkilər təyin olunur, ayrı-ayrı pay sahiblərinə xas olan həlləri uyğunlaşdırmağa imkan verir)

- standartlaşdırılmış məlumatlar çəki ilə vurularaq çəki standartlaşdırılmış bir nəticə verəcəkdir
- son nəticələr xəritəsini hazırlamaq üçün bu nəticələr bir-birinə əlavə olunur
- xətti ağırlıqlı cəmləmə yanaşması içərisində son xəritənin 0 ilə 1 arasında bir dəyəri var

(0-a yaxın olan hüceyrələr baxılan problem üçün çox uyğun deyil, 1-ə yaxın dəyərlər yüksək uyğunluqdadır)

- QLOBAL (bilinməyənləri əldə etmək üçün bütün bilinən nöqtələrdən istifadə edin)
- YERLİ (bilinməyənlər əldə etmək üçün məhdud nöqtələrdən istifadə edin)
- XƏTT (düz xətt əsaslı)
- XƏTTİZ (əyri əsaslı uyğunluqlar)
- EXACT (original values remain unmodified)
- INEXACT (original values are modified)

- trend is modelled as a quadratic function of location and the attribute of interest

calculated using the FINITE DIFFERENCE APPROACH
1. add together all the sets of cells values in the east (C,F,I) and minus the sum by the sum of the west (A,D,G). [F,H,D,B are all 2n as they are relatively closer[1.4x closer] to the cell of interest, adjacent not diagonal]

2. the total of this is divided by 8 x the distance (resolution, 'd' on the img) of the DEM (e.g. if the spatial resolution was 50m, it would be 4x50)

3. the result of this calculations is the E→W rise-run

4. repeat this process with the S→N

5. to get the overall rise-run you then square the EW-rise-run, add that to the square of the SN-rise-run and then square root the answer (giving the gradient in % terms) [equation: sqrt(EW^2+SN^2)

6. to convert into degrees gradient, you take the arc tangent of the overall rise-run and multiply by the value of Pi in terms of degrees (57.29578, which is 1 radian in degrees)

[equation for this is tan^-1(rise-run)*57.39578]

- darker values correspond to values with a gradient closer to 180˚

1. plug in the SN-rise-run and the negation of the EW-rise-run (i.e. if there EW value is +ve you make it -ve and if its -ve you make it +ve, this is done because you are changing the direction of the coordinate system)

2. multiply the result in the ( ) by the 1 radian value to give A

- if A<0, you subtract A from 90 to give the aspect angle relative to 0 being due north
- if A>90, you subtract A from 360 and add 90 to the result
- any other values, you subtract A from 90

PROFILE CURVATURE
- concave curvature = positive
- is there a dip in topography

- this is done by filling the sink, saying the water will flow to the nearest cell that has the next lowest value
- if there are multiple surrounding cells with the same value, you would fill the cell to the same height value and choose one of the adjacent cells at random

- after, you can go back and make judgement on how robust the local drainage system direction is based on how much the sink had to be filled, which can help give estimate of flow directions
- where you fill sinks can be mapped and you can work out for each cell, how many other cells flow into it
- the result is the development of an image of the hydrological pathways based on the LDD network

WETNESS INDEX
- the wetness index is used a lot in hydrology, it indicates relative propensity of a cell to retain water
- you have a higher probability of water being retained on the surface or in the soil when you have a high accumulation zone but the individual cell has a low gradient
- when you have a small accumulation for a steep cell, you assume you'll have a lower wetness index

CONCEPTUAL VIEW
- requirements and database design
- what are the risks etc

DETAILED VIEW
- convert to specific GIS database and application software
- look into the project to know exactly what needs to be done at each stage

- allows identification of stages from data requirements and through analysis and output
- avoids GIS terminology and technical detail

- find only 1 route between A and B
- route derived by minimising sum of a weight between A and B (e.g. distance, time etc.)

- compare origin-destination matrices for two or more transport modes
- allows recognition of spatial differences/similarities

SERVICE AREA/CATCHMENT CALCULATION
- how much of a network can be accessed from a location or set of locations within a particular time or distance
- results in a catchment area being derived (polygons showing spatial extent)
- useful for looking at redundant resources, ability to respond to events

CLOSEST FACILITY
- find the closest centre from a selection
- similar to finding a multiple least cost paths and then choosing minimal
- useful for seeing if demand (point) can be accommodated
- path derived by minimising sum of a weight between A and B

VEHICLE ROUTING
- derive a set of optimal delivery routes
- can involve multiple distribution points, multiple delivery points
- can involve multiple vehicles with varying capacity
- hence an allocation problem - allocate optimally vehicles from multiple distribution points to multiple delivery points


ArcGIS Online

ArcGIS Online provides two ways to use their geoprocessing tools through the website interface. The analysis tools are not for use in public apps and they consume ArcGIS Online credits.

One way is through the Map Viewer. There is a Perform Analysis button that will let you browse through the available tools. There is also a button among the icons under each layer name in the table of contents of the map, if the layer is one that can be analyzed. This is a good option for more experienced GIS users who know how to add layers to a map and choose the appropriate analysis tools for their objectives.



Figure 4. The buttons to perform analysis on a layer in ArcGIS Online.

The other option is to create a web app to which you, the app designer, add specific tools to make things easier for your audience, the app users.



Figure 5. The analysis widget in ArcGIS Web AppBuilder allows you to give users access only to the tools they need for a more simplified app.


1 Cavab 1

The intersection of $n$ disks is a convex shape bounded by circular arcs that meet at vertices where two or more circles intersect.

The first thing to do is to identify these vertices and the arcs that connect them to each other. If no three circles are coincident,$^1$ then this isn't very hard: Consider every pair of circles find their two intersection points, which form two candidate vertices if a candidate vertex is inside all other circles, then it is indeed a vertex of the intersection. This gives you a set of vertices.$^2$ Each vertex lies on exactly two circles using this connectivity, you can sort them in consistent order around the intersection shape.

Now you can decompose the intersection shape into a number of pieces: (i) the polygon (shaded blue above) that connects the vertices, and (ii) a collection of circular segments (shaded red), one for each arc of the shape. You can find the areas and centroids of each piece using closed-form formulas (polygon, circular segment). The centroid of the full shape is then just the weighted average of the centroids of each of the pieces, weighted by area.

$^1$If multiple circles are coincident on a vertex, then doing pairwise tests may not always get you a consistent set of vertices, especially if you're using floating-point arithmetic. You might be able to get around this to some extent by fudging the inside-circle test with some epsilon bias, but a truly robust solution would have to come from a computational geometry expert.

$^2$It's possible that the set of vertices turns out to be empty. Then there are two possibilities: either the intersection is equal to one of the circles, or the intersection is empty. It is easy to distinguish between these two cases by checking if there exists a circle that is entirely inside all the others.


Videoya baxın: Riyaziyyat - Çoxbucaqlının perimetri (Oktyabr 2021).