பிரதேச பகுப்பாய்விற்கான வெப்ப சாத்திய முறையின் தொழில்நுட்ப செயலாக்கம்

முதல் வெளியீட்டில் (பிரதேச பகுப்பாய்விற்கு வெப்ப ஆற்றல்களைப் பயன்படுத்துதல்) பொதுவாக பிரதேசங்களை பகுப்பாய்வு செய்ய வெப்ப ஆற்றல்கள் எவ்வாறு பயன்படுத்தப்படலாம் என்பதை நாங்கள் விவரித்தோம். பின்வரும் வெளியீடுகளில், இடஞ்சார்ந்த பொருள்களைப் பற்றிய தகவல்கள் தரவுத்தளங்களில் எவ்வாறு சேமிக்கப்படுகின்றன, முக்கிய கூறுகளிலிருந்து மாதிரிகள் எவ்வாறு கட்டமைக்கப்படுகின்றன, பொதுவாக பிரதேச பகுப்பாய்வின் பணிகள் என்னவாக இருக்கும் என்பதை விவரிக்க திட்டமிடப்பட்டது. ஆனால் முதல் விஷயங்கள் முதலில்.

முதலில், வெப்ப சாத்தியக்கூறு முறையைப் பயன்படுத்துவது, எங்களுக்கு ஆர்வமுள்ள பிரதேசத்தைப் பற்றிய பொதுவான யோசனையைப் பெறுவதை சாத்தியமாக்குகிறது. எடுத்துக்காட்டாக, பார்சிலோனா (கேடலோனியா) நகரத்திற்கான OSM இலிருந்து ஆரம்பத் தகவலை எடுத்து, அளவுருக்களைத் தேர்ந்தெடுக்காமல் ஒரு ஒருங்கிணைந்த பகுப்பாய்வை மேற்கொள்வதன் மூலம், முதல் முக்கிய கூறுகளின் "வெப்ப" படங்களைப் பெறலாம். முதல் கட்டுரையில் "வெப்பம்" வரைபடங்களைப் பற்றியும் நாங்கள் பேசினோம், ஆனால் ஒருங்கிணைந்த பகுப்பாய்விற்குப் பயன்படுத்தப்படும் சாத்தியக்கூறுகளின் இயற்பியல் பொருள் காரணமாக "வெப்ப" வரைபடம் உருவானது என்பதை நினைவுபடுத்துவது தவறாக இருக்காது. அந்த. இயற்பியல் சிக்கல்களில், ஆற்றல் என்பது வெப்பநிலை, மற்றும் பிராந்திய பகுப்பாய்வு சிக்கல்களில், ஆற்றல் என்பது பிரதேசத்தில் ஒரு குறிப்பிட்ட புள்ளியில் அனைத்து செல்வாக்கு செலுத்தும் காரணிகளின் மொத்த விளைவு ஆகும்.

ஒருங்கிணைந்த பகுப்பாய்வின் விளைவாக பெறப்பட்ட பார்சிலோனா நகரத்தின் "வெப்ப" வரைபடத்தின் எடுத்துக்காட்டு கீழே உள்ளது.

அளவுரு தேர்வு இல்லாமல், பார்சிலோனாவின் முதல் முக்கிய கூறுகளின் "வெப்பம்" வரைபடம்

ஒரு குறிப்பிட்ட அளவுருவை அமைப்பதன் மூலம் (இந்த விஷயத்தில், நாங்கள் தொழில்துறையைத் தேர்ந்தெடுத்தோம்), அதற்கான "வெப்ப" வரைபடத்தை நேரடியாகப் பெறலாம்.

பார்சிலோனாவின் தொழில்துறையின் முதல் முக்கிய அங்கத்தின் வெப்ப வரைபடம்

நிச்சயமாக, தேர்ந்தெடுக்கப்பட்ட பிரதேசத்தின் பொதுவான மதிப்பீட்டைப் பெறுவதை விட பகுப்பாய்வு சிக்கல்கள் மிகவும் பரந்த மற்றும் வேறுபட்டவை, எனவே, ஒரு எடுத்துக்காட்டு, இந்த கட்டுரையில் ஒரு புதிய பொருள் மற்றும் தொழில்நுட்பத்தை வைக்கும்போது சிறந்த இடத்தைக் கண்டுபிடிப்பதில் சிக்கலைக் கருத்தில் கொள்வோம். அதைத் தீர்ப்பதற்கான வெப்ப சாத்தியக்கூறு முறையை செயல்படுத்துதல், மேலும் எதிர்கால வெளியீடுகளில் மற்றவற்றைப் பார்ப்போம்.

ஒரு புதிய பொருளை வைக்கும் போது சிறந்த இடத்தைக் கண்டறிவதில் உள்ள சிக்கலைத் தீர்ப்பது, இந்தப் புதிய பொருளை ஏற்றுக்கொள்வதற்கு பிரதேசம் எவ்வளவு "தயாராக" உள்ளது, ஏற்கனவே பிரதேசத்தில் இருக்கும் பிற பொருட்களுடன் அது எவ்வாறு தொடர்பு கொள்ளும், இந்தப் புதிய பொருள் எவ்வளவு மதிப்புமிக்கதாக இருக்கும் என்பதைத் தீர்மானிக்க உதவும். பிரதேசம் மற்றும் அது என்ன மதிப்பு சேர்க்கும்.

தொழில்நுட்ப செயலாக்கத்தின் நிலைகள்

தொழில்நுட்ப செயலாக்கத்தை கீழே பட்டியலிடப்பட்டுள்ள நடைமுறைகளின் வரிசையால் குறிப்பிடலாம்:

1. தகவல் சூழலைத் தயாரித்தல்.
2. ஆதாரத் தகவல்களைத் தேடுதல், சேகரித்தல் மற்றும் செயலாக்குதல்.
3. பகுப்பாய்வு செய்யப்பட்ட பிரதேசத்தில் முனைகளின் கட்டத்தின் கட்டுமானம்.
4. பிரதேச காரணிகளை துண்டுகளாக உடைத்தல்.
5. காரணிகளிலிருந்து சாத்தியக்கூறுகளின் கணக்கீடு.
6. பிரதேசத்தின் கருப்பொருள் ஒருங்கிணைந்த பண்புகளை உருவாக்குவதற்கான காரணிகளின் தேர்வு.
7. பிரதேசத்தின் ஒருங்கிணைந்த குறிகாட்டிகளைப் பெறுவதற்கான முதன்மை கூறு முறையின் பயன்பாடு.
8. ஒரு புதிய வசதியை நிர்மாணிப்பதற்கான தளத்தைத் தேர்ந்தெடுப்பதற்கான மாதிரிகளை உருவாக்குதல்.

நிலை 1. தகவல் சூழலைத் தயாரித்தல்

இந்த கட்டத்தில், ஒரு தரவுத்தள மேலாண்மை அமைப்பை (DBMS) தேர்ந்தெடுக்க வேண்டும், தகவலின் ஆதாரங்கள், தகவல்களை சேகரிக்கும் முறைகள் மற்றும் சேகரிக்கப்பட்ட தகவல்களின் அளவு ஆகியவற்றை தீர்மானிக்க வேண்டும்.
எங்கள் பணிக்காக, PostgeSql தரவுத்தளத்தை (DB) பயன்படுத்தினோம், ஆனால் SQL வினவல்களுடன் செயல்படும் வேறு எந்த தரவுத்தளமும் செயல்படும் என்பது குறிப்பிடத்தக்கது.

தரவுத்தளமானது ஆரம்ப தகவல்களைச் சேமிக்கும் - பொருள்களைப் பற்றிய இடஞ்சார்ந்த தரவு: தரவு வகைகள் (புள்ளிகள், கோடுகள், பலகோணங்கள்), அவற்றின் ஆயத்தொகுதிகள் மற்றும் பிற பண்புகள் (நீளம், பரப்பளவு, அளவு), அத்துடன் இதன் விளைவாக பெறப்பட்ட அனைத்து கணக்கிடப்பட்ட மதிப்புகள் மேற்கொள்ளப்பட்ட வேலை மற்றும் வேலையின் முடிவுகள்.

புள்ளியியல் தகவல் இடஞ்சார்ந்த தரவுகளாகவும் வழங்கப்படுகிறது (உதாரணமாக, இந்த பிராந்தியங்களுக்கு ஒதுக்கப்பட்ட புள்ளியியல் தரவுகளுடன் ஒரு பிராந்தியத்தின் பகுதிகள்).

சேகரிக்கப்பட்ட ஆரம்ப தகவல்களின் மாற்றம் மற்றும் செயலாக்கத்தின் விளைவாக, நேரியல், புள்ளி மற்றும் பகுதி காரணிகள், அவற்றின் அடையாளங்காட்டிகள் மற்றும் ஒருங்கிணைப்புகள் பற்றிய தகவல்களைக் கொண்ட அட்டவணைகள் உருவாக்கப்படுகின்றன.

நிலை 2. ஆதாரத் தகவல்களைத் தேடுதல், சேகரித்தல் மற்றும் செயலாக்குதல்

இந்தச் சிக்கலைத் தீர்ப்பதற்கான ஆரம்பத் தகவலாக, பிரதேசத்தைப் பற்றிய தகவல்களைக் கொண்ட திறந்த வரைபட மூலங்களிலிருந்து தகவல்களைப் பயன்படுத்துகிறோம். தலைவர், எங்கள் கருத்துப்படி, OSM தகவல், உலகம் முழுவதும் தினமும் புதுப்பிக்கப்படுகிறது. இருப்பினும், பிற மூலங்களிலிருந்து தகவல்களைச் சேகரிக்க முடிந்தால், அது மோசமாக இருக்காது.
தகவல் செயலாக்கம் என்பது அதை சீரான நிலைக்கு கொண்டு வருதல், தவறான தகவல்களை நீக்குதல் மற்றும் தரவுத்தளத்தில் ஏற்றுவதற்கு தயார் செய்தல் ஆகியவற்றைக் கொண்டுள்ளது.

நிலை 3. பகுப்பாய்வு செய்யப்பட்ட பிரதேசத்தில் முனைகளின் கட்டத்தின் கட்டுமானம்

பகுப்பாய்வு செய்யப்பட்ட பிரதேசத்தின் தொடர்ச்சியை உறுதிப்படுத்த, அதன் மீது ஒரு கட்டத்தை உருவாக்குவது அவசியம், அதன் முனைகள் கொடுக்கப்பட்ட ஒருங்கிணைப்பு அமைப்பில் ஆயத்தொலைவுகளைக் கொண்டுள்ளன. ஒவ்வொரு கட்டம் முனையிலும் சாத்தியமான மதிப்பு பின்னர் தீர்மானிக்கப்படும். இது ஒரே மாதிரியான பகுதிகள், கொத்துகள் மற்றும் இறுதி பகுப்பாய்வு முடிவுகளை காட்சிப்படுத்த உங்களை அனுமதிக்கும்.

தீர்க்கப்பட வேண்டிய பணிகளைப் பொறுத்து, ஒரு கட்டத்தை உருவாக்குவதற்கான இரண்டு விருப்பங்கள் சாத்தியமாகும்:
- வழக்கமான படி (S1) கொண்ட கட்டம் - முழு பிரதேசத்திலும் காணக்கூடியது. இது காரணிகளிலிருந்து சாத்தியக்கூறுகளைக் கணக்கிடவும், பிரதேசத்தின் ஒருங்கிணைந்த பண்புகளை (முக்கிய கூறுகள் மற்றும் கிளஸ்டர்கள்) தீர்மானிக்கவும் மற்றும் மாடலிங் முடிவுகளைக் காட்டவும் பயன்படுகிறது.

இந்த கட்டத்தைத் தேர்ந்தெடுக்கும்போது, ​​நீங்கள் குறிப்பிட வேண்டும்:

• கட்ட இடைவெளி - கட்டம் முனைகள் அமைந்துள்ள இடைவெளி;
• பகுப்பாய்வு செய்யப்பட்ட பிரதேசத்தின் எல்லை, இது ஒரு நிர்வாக-பிராந்தியப் பிரிவுக்கு ஒத்ததாக இருக்கலாம் அல்லது பலகோண வடிவில் கணக்கீட்டுப் பகுதியைக் கட்டுப்படுத்தும் வரைபடத்தில் ஒரு பகுதியாக இருக்கலாம்.

- ஒழுங்கற்ற இடைவெளி கொண்ட கட்டம் (S2) பிரதேசத்தின் தனிப்பட்ட புள்ளிகளை விவரிக்கிறது (உதாரணமாக சென்ட்ராய்டுகள்). காரணிகளிலிருந்து சாத்தியக்கூறுகளைக் கணக்கிடவும், பிரதேசத்தின் ஒருங்கிணைந்த பண்புகளை (முக்கிய கூறுகள் மற்றும் கொத்துகள்) தீர்மானிக்கவும் இது பயன்படுகிறது. கணக்கிடப்பட்ட முதன்மைக் கூறுகளைக் கொண்ட மாதிரியாக்கம் ஒரு ஒழுங்கற்ற படியுடன் ஒரு கட்டத்தில் துல்லியமாக மேற்கொள்ளப்படுகிறது, மேலும் உருவகப்படுத்துதல் முடிவுகளைக் காட்சிப்படுத்த, ஒழுங்கற்ற படிநிலையுடன் கட்டம் முனைகளில் இருந்து கிளஸ்டர் எண்கள் ஆயத்தொலைவுகளின் அருகாமையின் கொள்கையின்படி வழக்கமான படிநிலையுடன் கட்டம் முனைகளுக்கு மாற்றப்படுகின்றன. .
தரவுத்தளத்தில், கட்டம் முனைகளின் ஒருங்கிணைப்புகள் பற்றிய தகவல்கள் ஒவ்வொரு முனைக்கும் பின்வரும் தகவலைக் கொண்ட அட்டவணையின் வடிவத்தில் சேமிக்கப்படும்:

• முனை ஐடி;
• முனை ஒருங்கிணைப்புகள் (x, y).

வெவ்வேறு இடைவெளிகளுடன் வெவ்வேறு பிரதேசங்களுக்கான வழக்கமான இடைவெளியுடன் கட்டங்களின் எடுத்துக்காட்டுகள் கீழே உள்ள படங்களில் காட்டப்பட்டுள்ளன.

நிஸ்னி நோவ்கோரோட்டின் கவரேஜ் கட்டம் (சிவப்பு புள்ளிகள்). நிஸ்னி நோவ்கோரோட் பிராந்தியத்தின் கவரேஜ் கட்டம் (நீல புள்ளிகள்).

நிலை 4 பிரதேச காரணிகளை துண்டுகளாக உடைத்தல்

மேலும் பகுப்பாய்விற்கு, பிராந்தியத்தின் நீட்டிக்கப்பட்ட காரணிகள் தனித்தனி காரணிகளின் வரிசையாக மாற்றப்பட வேண்டும், இதனால் ஒவ்வொரு கட்டம் முனையும் அதில் உள்ள ஒவ்வொரு காரணி பற்றிய தகவலைக் கொண்டிருக்கும். நேரியல் காரணிகள் பிரிவுகளாகவும், பகுதி காரணிகள் துண்டுகளாகவும் பிரிக்கப்படுகின்றன.

பிரதேசத்தின் பரப்பளவு மற்றும் குறிப்பிட்ட காரணியின் அடிப்படையில் பகிர்வு படி தேர்ந்தெடுக்கப்படுகிறது; பெரிய பகுதிகளுக்கு (பிராந்தியம்) பகிர்வு படி 100-150 மீ ஆகவும், சிறிய பகுதிகளுக்கு (நகரம்) பகிர்வு படி 25-50 மீ ஆகவும் இருக்கலாம். .

தரவுத்தளத்தில், பிளவு முடிவுகளைப் பற்றிய தகவல்கள் ஒவ்வொரு துண்டுக்கும் பின்வரும் தகவல்களைக் கொண்ட அட்டவணையின் வடிவத்தில் சேமிக்கப்படும்:

• காரணி அடையாளங்காட்டி;
• இதன் விளைவாக வரும் பகிர்வு துண்டுகளின் மையப்பகுதிகளின் ஆயத்தொகுப்புகள் (x, y);
• பகிர்வு துண்டுகளின் நீளம் / பகுதி.

நிலை 5 காரணிகளிலிருந்து சாத்தியக்கூறுகளின் கணக்கீடு

ஆரம்ப தகவலை பகுப்பாய்வு செய்வதற்கான சாத்தியமான மற்றும் புரிந்துகொள்ளக்கூடிய அணுகுமுறைகளில் ஒன்று, செல்வாக்கு பொருள்களிலிருந்து காரணிகளை சாத்தியமாகக் கருதுவதாகும்.

இரு பரிமாண வழக்குக்கான லாப்லேஸ் சமன்பாட்டின் அடிப்படை தீர்வைப் பயன்படுத்துவோம் - புள்ளியிலிருந்து தூரத்தின் மடக்கை.

பூஜ்ஜியத்தில் வரையறுக்கப்பட்ட சாத்தியமான மதிப்பின் தேவை மற்றும் பெரிய தூரங்களில் சாத்தியமான மதிப்பின் வரம்பு ஆகியவற்றை கணக்கில் எடுத்துக்கொண்டு, சாத்தியம் பின்வருமாறு தீர்மானிக்கப்படுகிறது:

ஆர் மணிக்கு (1)

r2>r>=r1க்கு

r>=r2க்கு

ஒரு புள்ளி பொருளில் இருந்து செல்வாக்கு திறன் வகை

மடக்கைச் சார்பு பூஜ்ஜியத்தில் பிணைக்கப்பட வேண்டும் மற்றும் காரணிகளிலிருந்து சிறிது தூரத்தில் நியாயமான முறையில் கட்டுப்படுத்தப்பட வேண்டும். காரணியிலிருந்து அதிக தொலைவில் உள்ள சாத்தியக்கூறுகளுக்கு நாங்கள் கட்டுப்பாடுகளை விதிக்கவில்லை என்றால், பகுப்பாய்வு செய்யப்பட்ட புள்ளியிலிருந்து வெகு தொலைவில் உள்ள ஒரு பெரிய அளவிலான தகவலை நாம் கணக்கில் எடுத்துக்கொள்ள வேண்டும், இது நடைமுறையில் பகுப்பாய்வில் எந்த விளைவையும் ஏற்படுத்தாது. எனவே, காரணியின் செயல்பாட்டின் ஆரம் மதிப்பை நாங்கள் அறிமுகப்படுத்துகிறோம், அதற்கு அப்பால் காரணியிலிருந்து சாத்தியமான பங்களிப்பு பூஜ்ஜியமாகும்.

ஒரு நகரத்திற்கு, காரணியின் ஆரம் அரை மணி நேரத்திற்கு சமமாக இருக்கும் என்று கருதப்படுகிறது பாதசாரி அணுகல் - 2 மீட்டர். பிராந்தியத்திற்கு நாம் அரை மணி நேரம் பேச வேண்டும் போக்குவரத்து அணுகல் - 20 மீட்டர்.

எனவே, சாத்தியமான மதிப்புகளைக் கணக்கிடுவதன் விளைவாக, வழக்கமான கட்டத்தின் ஒவ்வொரு முனையிலும் ஒவ்வொரு காரணியிலிருந்தும் மொத்த ஆற்றலைப் பெறுகிறோம்.

நிலை 6. பிரதேசத்தின் கருப்பொருள் ஒருங்கிணைந்த பண்புகளை உருவாக்குவதற்கான காரணிகளின் தேர்வு

இந்த கட்டத்தில், பிரதேசத்தின் கருப்பொருள் ஒருங்கிணைந்த பண்புகளை உருவாக்க மிகவும் குறிப்பிடத்தக்க மற்றும் தகவல் காரணிகள் தேர்ந்தெடுக்கப்படுகின்றன.

அளவுருக்களுக்கு (தொடர்பு, செல்வாக்கின் சதவீதம், முதலியன) சில எல்லைகளை அமைப்பதன் மூலம் காரணிகளின் தேர்வு தானாகவே மேற்கொள்ளப்படலாம் அல்லது சிக்கலின் தலைப்பை அறிந்து, பிரதேசத்தைப் பற்றிய சில புரிதல்களை நிபுணத்துவத்துடன் செய்யலாம்.

மிக முக்கியமான மற்றும் தகவல் காரணிகள் தேர்ந்தெடுக்கப்பட்ட பிறகு, நீங்கள் அடுத்த படிகளுக்கு செல்லலாம் - முக்கிய கூறுகளின் விளக்கம்.

நிலை 7 பிரதேசத்தின் ஒருங்கிணைந்த குறிகாட்டிகளைப் பெறுவதற்கான முதன்மை கூறு முறையின் பயன்பாடு. கிளஸ்டரிங்

பிராந்திய காரணிகள் பற்றிய ஆரம்ப தகவல்கள், முந்தைய கட்டத்தில் ஒவ்வொரு கட்டம் முனைக்கும் கணக்கிடப்பட்ட ஆற்றல்களாக மாற்றப்பட்டு, புதிய ஒருங்கிணைந்த குறிகாட்டிகளாக இணைக்கப்படுகின்றன - முக்கிய கூறுகள்.

முதன்மை கூறு முறையானது ஆய்வுப் பகுதியில் உள்ள காரணிகளின் மாறுபாட்டை பகுப்பாய்வு செய்கிறது மற்றும் இந்த பகுப்பாய்வின் முடிவுகளின் அடிப்படையில், அவற்றின் மிகவும் மாறுபட்ட நேரியல் கலவையைக் கண்டறிகிறது, இது அவற்றின் மாற்றத்தின் அளவைக் கணக்கிடுவதை சாத்தியமாக்குகிறது - பிரதேசத்தின் மீது சிதறல்.

கொடுக்கப்பட்ட மதிப்புகளுக்கு நேரியல் மாதிரி செயல்பாட்டை தோராயமாக்குவதற்கான மாதிரியை உருவாக்க ஒரு பொதுவான சிக்கலை எடுத்துக் கொள்வோம்
(2)
நான் கூறு எண் எங்கே,
n - கணக்கீட்டில் ஈடுபட்டுள்ள கூறுகளின் எண்ணிக்கை
ஒரு பிரதேசப் புள்ளியின் j – முனை குறியீடு, j=1..k
k - முக்கிய கூறுகளின் கணக்கீடு மேற்கொள்ளப்பட்ட பிரதேச கட்டத்தின் அனைத்து முனைகளின் எண்ணிக்கை
- மாதிரியின் i-வது முக்கிய கூறுக்கான குணகம்
- j-th புள்ளியில் i-th முதன்மை கூறுகளின் மதிப்பு
பி - மாதிரியின் இலவச கால
— நாம் ஒரு மாதிரியை உருவாக்கும் காரணியின் j-வது புள்ளியில் சாத்தியம்

சமன்பாட்டில் தெரியாதவற்றைத் தீர்மானிப்போம் (2) முக்கிய கூறுகளின் பண்புகளைப் பயன்படுத்தி குறைந்த சதுர முறை:
(3)
i மற்றும் i2 ஆகியவை கூறு எண்கள், i<>i2
j - பிரதேச முனை குறியீடு
k என்பது அனைத்து பிரதேச முனைகளின் எண்ணிக்கை
(4)

(3) கூறுகளுக்கு இடையே எந்த தொடர்பும் இல்லை
(4) - எந்த ஒரு கூறுகளின் மொத்த மதிப்பு பூஜ்ஜியமாகும்.

நாங்கள் பெறுகிறோம்:

(5)
இங்கே குறியீடு Eq இல் உள்ளதைப் போலவே உள்ளது. (2), சராசரி சாத்தியமான மதிப்பு

இந்த முடிவை பின்வருமாறு விளக்கலாம்:
மாதிரியானது உருவகப்படுத்தப்பட்ட மதிப்பின் சராசரி மதிப்பு மற்றும் ஒவ்வொரு கூறுகளுக்கும் எளிமையான திருத்தங்களைக் கொண்ட ஒரு எளிய வெளிப்பாடு ஆகும். குறைந்தபட்சம், முடிவில் போலிச் சொல் B மற்றும் முதல் முதன்மை கூறு இருக்க வேண்டும். நிஸ்னி நோவ்கோரோட் பிராந்தியத்திற்கான முதல் முக்கிய கூறுகளின் வெப்ப வரைபடங்களின் எடுத்துக்காட்டுகள் கீழே உள்ளன.

கணக்கிடப்பட்ட முக்கிய கூறுகளின் அடிப்படையில், ஒரே மாதிரியான பகுதிகளை உருவாக்க முடியும். இது அனைத்து அளவுருக்களுக்கும், எடுத்துக்காட்டாக, விலை நிர்ணயம் செய்வதற்கும் மட்டுமே செய்ய முடியும் - அதாவது. கிளஸ்டரிங் மேற்கொள்ளுங்கள். இதற்கு, நீங்கள் பயன்படுத்தலாம் K- என்றால் முறை. ஒவ்வொரு ஒரே மாதிரியான பிராந்தியத்திற்கும், 1 வது முக்கிய கூறுகளின் சராசரி மதிப்பு கணக்கிடப்படுகிறது, இது பிரதேசத்தின் வளர்ச்சியின் அளவை வகைப்படுத்துகிறது.
நிஸ்னி நோவ்கோரோட் பிராந்தியத்திற்கான விலை அளவுருக்கள் மூலம் கிளஸ்டரிங் செய்வதற்கான எடுத்துக்காட்டு கீழே கொடுக்கப்பட்டுள்ளது.

மேலும், பெறப்பட்ட முக்கிய கூறுகளை செலவு மாதிரியின் அளவுருக்களாகப் பயன்படுத்தி, பிரதேசத்தின் விலை மேற்பரப்பைப் பெறலாம்.

நிஸ்னி நோவ்கோரோட்டின் விலை மேற்பரப்பு

நிலை 8. ஒரு புதிய வசதியை நிர்மாணிப்பதற்கான தளத்தைத் தேர்ந்தெடுப்பதற்கான மாதிரிகளை உருவாக்குதல்

ஒரு புதிய பொருளின் இருப்பிடத்திற்கு மிகவும் கவர்ச்சிகரமான இடத்தைத் தேர்ந்தெடுக்க (இனி "பொருள்" என்று குறிப்பிடப்படுகிறது), "பொருளின்" இருப்பிடத்தை சுற்றியுள்ள உள்கட்டமைப்புடன் ஒப்பிடுவது அவசியம். "பொருள்" செயல்பட, அதன் செயல்பாட்டை உறுதி செய்ய போதுமான ஆதாரங்கள் இருக்க வேண்டும்; "பொருளின்" மீது நேர்மறை மற்றும் எதிர்மறையான தாக்கங்களை ஏற்படுத்தும் ஏராளமான காரணிகள் கணக்கில் எடுத்துக்கொள்ளப்பட வேண்டும். இந்த காரணிகளின் முழு தொகுப்பையும் "பொருளின்" செயல்பாட்டிற்கான "ஊட்டச்சத்து" சூழலாக வரையறுக்கலாம். பிரதேசத்தின் வளங்களின் எண்ணிக்கையுடன் பொருள்களின் எண்ணிக்கையின் கடித தொடர்பு "பொருளின்" நிலையான செயல்பாட்டிற்கான அடிப்படையாகும்.

இந்த ஒப்பீட்டின் விளைவாக, பிரதேசத்தின் ஒவ்வொரு புள்ளிக்கும் கணக்கிடப்பட்ட சாத்தியக்கூறு மற்றும் ஒரு புதிய "பொருளை" வைப்பதற்கான இடத்தின் தேர்வு பற்றிய காட்சி மற்றும் பகுப்பாய்வு பகுப்பாய்வு அனுமதிக்கிறது.

வர்த்தகத்திற்கு, எடுத்துக்காட்டாக, மற்றவற்றுடன், வாங்குபவர்களின் நிலையான ஓட்டம் முக்கியமானது, அதாவது வர்த்தகப் பொருட்களுக்கு கணக்கில் எடுத்துக்கொள்ள வேண்டிய காரணிகளின் பட்டியலில் இந்த ஓட்டத்தை உறுதிப்படுத்தும் காரணிகளும் இருக்க வேண்டும் (எடுத்துக்காட்டாக, சமூக உள்கட்டமைப்பு வசதிகள், வேலை செய்யும் இடங்கள், வசிக்கும் இடங்கள், போக்குவரத்து வழிகள் போன்றவை).

மறுபுறம், சில்லறை வசதிகளின் செயல்பாட்டை உறுதிப்படுத்த அனைத்து நிபந்தனைகளும் பூர்த்தி செய்யப்பட்டால், சில்லறை வசதிகளின் அடர்த்தியை கணக்கில் எடுத்துக்கொள்வது அவசியம், ஏனெனில் சுற்றுச்சூழலின் "நுகர்வு" கொள்முதல் சாத்தியம் குறைவதற்கு வழிவகுக்கிறது. மக்களின் ஓட்டம் வரம்பற்றது அல்ல, அது அவர்களின் நிதி ஆதாரங்கள் மற்றும் உடல் திறன்களுக்கும் பொருந்தும்.

ஒரு பொருளுக்கான சிறந்த இடத்தைத் தேர்ந்தெடுப்பதில் சிக்கலைத் தீர்ப்பதற்கான வழிமுறையானது, முக்கிய கூறுகளின் செயல்பாடாக பெறப்பட்ட சாத்தியக்கூறுகள் "பொருள்" வகையின் பொருள்களின் தொகுப்பின் திறனுடன் முடிந்தவரை நெருக்கமாக உள்ளது என்ற உண்மைக்கு வருகிறது; பின்னர் மாதிரியின் திறன் மற்றும் "பொருள்" வகையின் பொருள்களின் திறன் ஆகியவற்றுக்கு இடையேயான வேறுபாடு கணக்கிடப்படுகிறது; ஒரு "பொருளின்" பங்களிப்பு ஆற்றலின் மதிப்பு அதன் விளைவாக வரும் வேறுபாட்டிலிருந்து கழிக்கப்படுகிறது; இந்த வழக்கில் பெறப்பட்ட எதிர்மறை மதிப்புகள் பூஜ்ஜியத்தால் மாற்றப்படுகின்றன, அதாவது, புதிய "பொருளின்" செயல்பாட்டிற்கு போதுமான ஆதாரங்கள் இல்லாத இடங்கள் அகற்றப்படுகின்றன.

எடுக்கப்பட்ட நடவடிக்கைகளின் விளைவாக, நேர்மறையான சாத்தியமான மதிப்புடன் பிரதேசத்தின் புள்ளிகளைப் பெறுகிறோம், அதாவது, எங்கள் "பொருளின்" சாதகமான இடத்தின் இடங்கள்.

வேறு வார்த்தைகளில் கூறுவதானால், எங்களிடம் உள்ள அனைத்து காரணிகளின் கணக்கிடப்பட்ட ஆற்றல்கள் மற்றும் ஒரு மாதிரியை உருவாக்க மற்றும் தேர்ந்தெடுக்கப்பட்ட கருப்பொருள் பகுதியை (வர்த்தகம், தொழில், கலாச்சாரம், சமூகக் கோளம் போன்றவை) பகுப்பாய்வு செய்ய விரும்பும் காரணி எங்களிடம் உள்ளது.

இதைச் செய்ய, சுற்றுச்சூழல் மாறிகளை உருவாக்குவதற்கான காரணிகளைத் தேர்ந்தெடுப்பது அவசியம் - முக்கிய கூறுகள் - பின்னர் அவற்றின் அடிப்படையில் மாதிரிகளைக் கணக்கிடுங்கள்.
கருப்பொருள் பகுதியின் குறிப்பு காரணியுடன் அனைத்து காரணிகளின் தொடர்புகளையும் பகுப்பாய்வு செய்வதன் மூலம் காரணிகளைத் தேர்ந்தெடுக்க நாங்கள் முன்மொழிகிறோம். உதாரணமாக, கலாச்சாரத்திற்கு அது திரையரங்குகளாக இருக்கலாம், கல்வி அமைப்பு, பள்ளிகள் போன்றவை.

அனைத்து காரணிகளின் சாத்தியக்கூறுகளுடன் நிலையான ஆற்றலின் தொடர்பை நாங்கள் கணக்கிடுகிறோம். ஒரு குறிப்பிட்ட மதிப்பை விட அதிகமாக உள்ள தொடர்பு குணகங்கள் (பெரும்பாலும் குறைந்தபட்ச தொடர்பு குணகத்தின் மதிப்பு = 0 எடுக்கப்படுகிறது) அந்த காரணிகளை நாங்கள் தேர்ந்தெடுக்கிறோம்.
(6)
எங்கே — தரநிலையுடன் i-th காரணியின் தொடர்பு குணகத்தின் முழுமையான மதிப்பு.

பிரதேசத்தை உள்ளடக்கிய அனைத்து கட்ட முனைகளிலும் தொடர்பு கணக்கிடப்படுகிறது.

மாதிரியின் திறனுக்கும் சமன்பாட்டில் உள்ள புதிய பொருளின் அதே வகைப் பொருள்களின் திறனுக்கும் உள்ள வேறுபாடு (2) புதிய வசதிகளைக் கண்டறியப் பயன்படும் பிரதேசத்தின் திறனைக் காட்டுகிறது.

இதன் விளைவாக, சாத்தியமான மதிப்பைப் பெறுகிறோம், இது ஆய்வுப் பகுதியில் உள்ள "பொருளின்" இருப்பிடத்தின் நன்மையின் அளவை வகைப்படுத்துகிறது.

ஒரு புதிய "பொருளுக்கு" பரிந்துரைக்கப்பட்ட இடங்களை வரைபடமாக எவ்வாறு காண்பிக்கலாம் என்பதற்கான எடுத்துக்காட்டு கீழே கொடுக்கப்பட்டுள்ளது.

எனவே, ஒரு புதிய பொருளுக்கு சிறந்த இடத்தைத் தேர்ந்தெடுப்பதில் உள்ள சிக்கலைத் தீர்ப்பதன் விளைவாக, ஒவ்வொரு புள்ளியிலும் உள்ள புள்ளிகளில் பிரதேசத்தின் மதிப்பீடாகக் குறிப்பிடப்படலாம், இது முதலீட்டு பொருளைக் கண்டுபிடிப்பதற்கான சாத்தியக்கூறு பற்றிய யோசனையை அளிக்கிறது, அதாவது அதிக மதிப்பெண், பொருளைக் கண்டறிவது அதிக லாபம் தரும்.

முடிவில், திறந்த மூலங்களிலிருந்து தரவைக் கொண்டு, பிராந்திய பகுப்பாய்வைப் பயன்படுத்தி தீர்க்கக்கூடிய ஒரே ஒரு சிக்கலை மட்டுமே இந்த கட்டுரையில் நாங்கள் கருத்தில் கொண்டுள்ளோம் என்று சொல்வது மதிப்பு. உண்மையில், அதன் உதவியுடன் தீர்க்கப்படக்கூடிய நிறைய சிக்கல்கள் உள்ளன, அவற்றின் எண்ணிக்கை உங்கள் கற்பனையால் மட்டுமே வரையறுக்கப்படுகிறது.

ஆதாரம்: www.habr.com