Научная литература
booksshare.net -> Добавить материал -> География (физ) -> Тикунов В.C. -> "Моделирование в картографии" -> 83

Моделирование в картографии - Тикунов В.C.

Тикунов В.C. Моделирование в картографии: Учебник — M.: Изд-во МГУ, 1997. — 405 c.
ISBN 5-211-03346-9
Скачать (прямая ссылка): modelirov_kart.pdf
Предыдущая << 1 .. 77 78 79 80 81 82 < 83 > 84 85 86 87 88 89 .. 129 >> Следующая

268

Таблица 10
Сопоставление структур канонической корреляции по алгоритму автора и методу "полных связей"
Каноническая корреляция K а н о н и ч е екая с т р у К T ура
1 2 3 4 5
1.0000 1.0000 0.9360 0.6766 0.4294 Группы, 1 -0.2149 -0.1573 -0.7025 0.5561 0.3553 выделенные 2 -0.0099 1.0000 0.0000 0.0000 0.0000 по алгоритму 3 -0.1830 -0.1339 0.7375 0.5334 -0.3388 автора 4 -0.1748 -0.1280 0.3653 -0.5703 0.7031 5 0.9964 -0.0852 0.0000 0.0000 0.0000 6 -0.1910 -0.1398 -0.3151 -0.5778 -0.7147 Дисперсия, % 14.9 9.5 26.1 25.2 24.3 Группы, 1 -0.0099 1.0000 0.0000 0.0000 0.0000 выделенные 2 —0.1318 -0.0964 0.5675 0.5731 -0.5682 методом 3 0.9964 -0.0852 0.0000 0.0000 0.0000 "полных 4 -0.1748 -0.1280 -0.0932 -0.8006 -0.5509 ' связей" 5 -0.1910 -0.1398 0.5848 -0.2203 0.7439 6 -0.2629 -0.1924 —0.8044 0.4603 0.1867 Дисперсия, % I 15.7 10.0 29.3 22.9 22.0 Таблица 11
Сопоставление структур канонической корреляции по алгоритму автора и методу "одинарной связи"
Каноническая корреляция К а н о н и ч е с к а я с т р у к т Ура
1 2 3 4 5
1.0000 1.0000 0.0000 0.0000 0.0000 Группы, 1 -0.2332 -0.1285 выделенные 2 0.9025 -0.4308 по алгоритму 3 ' -0.1986 -0.1094 автора 4 -0.1898 -0.1046 5 0.3430 0.9393 6 -0.2073 -0.1142 Дисперсия, % 11.3 13.1 Группы, 1 0.3922 -0.1872 выделенные 2 0.8013 -0.3825 методом 3 0.2024 0.5543 "одинарной 4 0.1641 0.4494 связи" 5 0.2024 0.5543 6 -0.8759 -0.4826 Дисперсия, % 47.8 22.6 269

В заключение можно сделать вывод, что алгоритм автора позволяет получать результаты, совпадающие с американскими методами, но наиболее близок он к центроидному методу. Это неудивительно, если принять во внимание схожесть целевых функций, заложенных в этих методах. Вместе с тем решения отличаются, как уже отмечалось, комбинацией групп. Сопоставление уравнения (2.27) с (7.1)-(7.5) свидетельствует о том, что целевая функция нашего алгоритма отличается от американских методов, но она более сходна с методами Варда, "средней связи" и, как уже говорилось, особенно центроидного. Результаты, представленные в табл. 5, подчеркивают это сходство. Из опыта работ с американскими методами установлен ряд их свойств. Так, например, метод Варда лучше выделяет классы при равномерном распределении исходных единиц, но этот метод очень чувствителен к статистическим выбросам. Метод "средней связи" лучше формирует таксоны с одинаковой дисперсией. Центроидный метод также чувствителен к выбросам.
VII.2. КАРТОГРАФИРОВАНИЕ ОЦЕНОК НАДЕЖНОСТИ МОДЕЛИРОВАНИЯ
В предыдущем параграфе были рассмотрены способы оценки надежности моделирования, но возможно не только их вычислять, но и картографировать различия результатов реализации моделей. Такие карты позволяют избежать односторонности суждений о рассматриваемых географических явлениях. Чтобы показать величины и способы картографического отображения возможных различий результатов моделирования, продолжим эксперимент по количественной оценке уровней развития отраслей обрабатывающей промышленности Японии, описанный в параграфе V.2.
Если в ранее описанном примере различия в реализации моделей приводили в среднем к небольшим отличиям в получаемых результатах, то можно показать, сколь сильно они возрастают лишь при изменениях нормировок исходных показателей. Вновь воспользуемся методикой расчетов синтетических характеристик уровней развития промышленности с использованием показателей, близких по смыслу к известным евклидовым расстояниям (см. формулы (5.4) и (5.5)). Однако для их расчета можно предварительно нормировать исходные показатели не только по формуле (2.30), но и по дисперсиям (2.24) или в виде отклонений от среднеариф-
270

Л п
и т.д. (Жуковская, Мучник, 1976;
метического х
\ 1=1 /
и др.). Заметим, что все эти нормировки широко применяются в географии.
Проведя моделирование с использованием трех указанных нормировок и вычислив величины S по формуле, которые указывают отстояния штриховок между собой по каждой префектуре, получаем три соответствующие карты (рис. 84, Л, В, С). Аналогично с экспериментом по конструированию сложной сетевой модели (параграф V.2) создадим на основе этих трех карт одну результирующую (рис 84, D). Это позволяет оценить близость каждого из вариантов расчета уровней развития промышленности к среднеарифметическим значениям и закартографировать эти отличия, что и сделано на картах (рис 84, Е, F, G). Получив соответствующие изображения, легко заметить, что показанные на них величины гораздо большие, чем на аналогичных картах, приведенных на рис 59, E-G. Максимальное отличие величины отклонения характеристики уровня развития, полученное с использованием нормировки по формуле (2.30), от соответствующей среднеарифметической величины достигает 48%. Кстати, приходится оно на ту же префектуру (Тиба), которая имела максимальное отличие (17%) при конструировании сетевой модели. Кроме того, велика доля префектур, имеющих величины отклонений в пределах от 16 до 27%.
Чем же объяснить эти большие отличия? Прежде всего тем, что в эксперименте не учтена содержательно-географическая суть моделируемого явления. Так, лишь нормировка по формуле (2.30) позволяет правильно соотнести используемые показатели между собой, учитывая "полюса" каждого из них, соответствующие логическим понятиям высокого и низкого уровней развития. Другие нормировки стандартизируют показатели "механически", формально и не учитывают особенностей признаков-индикаторов развития промышленности, что приводит к географически неверным результатам оценки (см. рис 84, В и С).
Предыдущая << 1 .. 77 78 79 80 81 82 < 83 > 84 85 86 87 88 89 .. 129 >> Следующая

Реклама

c1c0fc952cf0704ad12d6af2ad3bf47e03017fed

Есть, чем поделиться? Отправьте
материал
нам
Авторские права © 2009 BooksShare.
Все права защищены.
Rambler's Top100

c1c0fc952cf0704ad12d6af2ad3bf47e03017fed