jupiter_is_coming
New Member
Download miễn phí Đề tài Quy trình lựa chọn địa điểm bố trí bãi chôn lấp chất thải rắn sinh hoạt bằng GIS và phương pháp phân tích đa chỉ tiêu trên địa bàn huyện Đông Anh, thành phố Hà Nội
Sau khi các lớp raster được gán điểm, chúng ta sẽtạo ra một lớp raster chung
trên cơsởcộng các lớp raster thành phần lại. Nó sẽthểhiện các pixel với các giá trị
từthấp nhất đến lớn nhất. Những khu vực nào không có dữliệu hay giá trịquá
thấp sẽbịloại bỏ. Thông thường nên giữlại từ3 đến 4 khu vực. Nếu sốlượng ít hơn
thì có thểnới lỏng các giới hạn sao cho hợp lý. Nếu sốlượng nhiều quá thì cần
xem xét các khu vực theo từng chỉtiêu và lập thành một bảng so sánh, từ đó loại bỏ
bớt khu vực. hay có thểlàm chặt hơn các giới hạn. Nhưvậy thì miền tìm kiếm đã
được giảm đi đáng kể.
Để tải bản Đầy Đủ của tài liệu, xin Trả lời bài viết này, Mods sẽ gửi Link download cho bạn sớm nhất qua hòm tin nhắn.
Ai cần download tài liệu gì mà không tìm thấy ở đây, thì đăng yêu cầu down tại đây nhé:
Nhận download tài liệu miễn phí
Tóm tắt nội dung tài liệu:
iêuphức tạp và có mức độ quan trọng khác nhau thì phương pháp Boolean không thích
hợp vì nhược điểm của nó là xem xét các nhân tố với mức độ quan trọng như nhau.
b. Cách tiếp cận nhân tố phân loại hay liên tục
Khi các chỉ tiêu có mức độ ảnh hưởng khác nhau về vấn đề nghiên cứu thì
phương pháp nên sử dụng là theo cách tiếp cận nhân tố phân loại hay liên tục.
Nếu các giá trị của các chỉ tiêu thể hiện mức độ biến thiên liên tục và có sự
tương quan rõ ràng với nhau thì một thang tỷ lệ liên tục được xác lập. Để tạo thang
tỷ lệ này thì dữ liệu giá trị cần được lập lại tỷ lệ. Phương pháp được sử dụng là phép
định lại tỷ lệ kiểu tuyến tính:
)/()( minmaxmin iiiii xxxxX −−= (2.1)
Xi: Định lại điểm số của nhân tố i;
xi: Điểm gốc;
ixmin : Điểm nhỏ nhất;
ixmax : Điểm lớn nhất.
Khi điểm số có giá trị tỷ lệ nghịch với mức độ thích hợp tức là giá trị càng
thấp thì càng có điểm cao thì công thức sẽ được chuyển thành:
)/()( minmaxmax iiiii xxxxX −−= (2.2)
Ví dụ như khoảng cách từ bãi chôn lấp đến ranh giới thành phố càng gần càng tốt
thì điểm càng cao để giảm thiểu tuyến đường vận chuyển rác.
Nếu các giá trị của các chỉ tiêu là giá trị số liên tục nhưng không có tương
quan rõ ràng với mức độ thích hợp hay khi các giá trị không được thể hiện dưới
dạng số thì các giá trị đó có thể được xếp hạng theo thang tỷ lệ phân loại. Ví dụ như
chỉ tiêu về hiện trạng sử dụng đất cho mục đích bố trí BCL CTR có thể phân loại
33
như sau: 3 điểm: đất chưa sử dụng (rất thích hợp), 2 điểm: đất nông nghiệp hiệu quả
thấp (thích hợp), 1 điểm: đất nhà tạm, đất nghĩa địa (ít thích hợp), 0 điểm: các mục
đích sử dụng khác (không thích hợp).
Phân loại như vậy có thể thực hiện cho bất kỳ nhân tố nào để làm cho chúng
có thể so sánh được với nhau.
2.2.3. Xác định trọng số
Khi các chỉ tiêu khác nhau mà có cùng mức độ quan trọng, trọng số của từng
nhân tố bằng 1. Tuy nhiên, trong đại đa số các trường hợp là khác nhau và cần
xác định mức độ quan trọng tương đối của chúng. Trọng số của các chỉ tiêu có thể
tính thông qua thuật toán thống kê, phép đo, hay dựa trên kinh nghiệm, hiểu biết
chủ quan của chuyên gia. Quá trình phân tích phân cấp (Analytical Hierarchy
Process - AHP) là một trong số kỹ thuật tính trọng số. Đây là kỹ thuật do GS. Saaty
nghiên cứu và sau đó phát triển từ những năm 80. Quá trình này bao gồm 4 bước
chính [18]:
1. Phân rã một tình huống phi cấu trúc thành các phần nhỏ;
2. Sắp xếp các thành phần hay các chỉ tiêu theo một thứ tự phân cấp;
3. Gán giá trị số cho những so sánh chủ quan về mức độ quan trọng của các
chỉ tiêu. Việc so sánh này được thực hiện giữa các cặp chỉ tiêu với nhau và
tổng hợp lại thành một ma trận gồm n dòng và n cột (n là số chỉ tiêu). Phần
tử aij thể hiện mức độ quan trọng của chỉ tiêu hàng i so với chỉ tiêu cột j.
Mức độ quan trọng tương đối của chỉ tiêu i so với j được tính theo tỷ lệ k (k
từ 1 đến 9), ngược lại của chỉ tiêu j so với i là 1/k. Như vậy aij > 0, aij =
1/aji, aii =1. Hình 2.5 thể hiện thang điểm so sánh mức độ ưu tiên (mức độ
quan trọng) của các chỉ tiêu. Hình 2.6a minh họa cho ma trận mức độ quan
trọng với số chỉ tiêu n = 4. X là tên các chỉ tiêu.
4. Tính toán và tổng hợp các kết quả để chọn ra chỉ tiêu có mức độ quan trọng
cao nhất thông qua 2 bước:
+ Chuẩn hoá ma trận mức độ quan trọng của các chỉ tiêu bằng cách lấy giá
trị của mỗi ô trong một cột chia cho giá trị tổng của cột đó (hình 2.6b).
34
+ Tính giá trị trung bình của từng dòng trong ma trận cho ra trọng số tương
ứng của từng chỉ tiêu (bảng 2.6c).
1 3 5 7 91/5 1/7 1/9
Quan
trọng
như
nhau
Quan
trọng
hơn
Quan
trọng
nhiều
hơn
Rất
quan
trọng
hơn
Ít
quan
trọng
hơn
Rất ít
quan
trọng
Vô
cùng ít
quan
trọng
1/3
Ít
quan
trọng
nhiều
hơn
Vô
cùng
quan
trọng
hơn
Hình 2.5. Thang điểm so sánh các chỉ tiêu
a. Mức độ quan trọng của
các chỉ tiêu
X1 X2 X3 X4
X1 1 2 1/3 1/2
X2 1/2 1 1/3 1/2
X3 3 3 1 2
X4 2 2 1/2 1
Tổng 6.5 8 2.167 4
b. Chuẩn hoá ma trận
X1 X2 X3 X4
X1 0.154 0.250 0.154 0.125
X2 0.077 0.125 0.154 0.125
X3 0.461 0.375 0.461 0.500
X4 0.308 0.250 0.231 0.250
Tổng 1 1 1 1
c. Trọng số
của các chỉ
tiêu
X1 0.171
X2 0.120
X3 0.450
X4 0.259
Hình 2.6. Mức độ quan trọng của các chỉ tiêu và cách tính trọng số
Ma trận mức độ quan trọng của các chỉ tiêu thường được xây dựng dựa trên ý
kiến chuyên gia. Đối với ma trận này cần chú ý các vấn đề sau:
- Thứ nhất: Đây là ma trận phụ thuộc vào ý kiến chủ quan của người ra quyết
định. Ví dụ chỉ tiêu X1 quan trọng hơn chỉ tiêu X2 nhưng giá trị quan trọng gấp bao
nhiêu lần thì có thể tuỳ từng người.
- Thứ hai: cần xem xét đến tính nhất quán của dữ liệu. Tức là nếu chỉ tiêu
X1 quan trọng gấp 2 lần chỉ tiêu X2, chỉ tiêu X2 quan trọng gấp 3 lần chỉ tiêu X3 thì
về toán học, chỉ tiêu X1 sẽ quan trọng gấp 6 lần chỉ tiêu X3. Tuy nhiên, ý kiến
chuyên gia trong thực tế sẽ không phải như vậy do họ không bao quát được tính
logic của ma trận so sánh (và cũng không nên cố gắng bao quát nhằm đảm bảo tính
khách quan của đánh giá).
35
Vậy có phương pháp nào đánh giá tính hợp lý của các giá trị mức độ quan
trọng của các chỉ tiêu? Theo Saaty, ta có thể sử dụng tỷ số nhất quán của dữ liệu
(Consistency Ratio – CR). Tỷ số này so sánh mức độ nhất quán với tính khách quan
(ngẫu nhiên) của dữ liệu [14]:
RI
CICR = (2.3) CI: Chỉ số nhất quán (Consistency Index) RI: Chỉ số ngẫu nhiên (Random Index)
1
max
−
−=
n
nCI λ (2.4) maxλ : Giá trị đặc trưng của ma trận n: số chỉ tiêu (trong ví dụ trên n = 4)
⎟⎟
⎟⎟
⎠
⎞
⎜⎜
⎜⎜
⎝
⎛
+++×=
∑∑∑∑
====
44
4
1
4
33
4
1
3
22
4
1
2
11
4
1
11max
w
w
w
w
w
w
w
w
n
n
n
n
n
n
n
n
n
λ (2.5)
Đối với mỗi một ma trận so sánh cấp n, Saaty đã thử nghiệm tạo ra các ma trận
ngẫu nhiên và tính chỉ số CI trung bình của chúng và gọi là RI (chỉ số ngẫu nhiên)
(bảng 2.1).
Bảng 2.1. Giá trị RI ứng với từng số lượng chỉ tiêu n [14]
n 1 2 3 4 5 6 7 8 9 10
RI 0 0 0.52 0.89 1.11 1.25 1.35 1.40 1.45 1.49
Nếu giá trị tỷ số nhất quán CR < 0.1 là chấp nhận được, nếu lớn hơn đòi hỏi
người ra quyết định thu giảm sự không đồng nhất bằng cách thay đổi giá trị mức độ
quan trọng giữa các cặp chỉ tiêu.
Theo ví dụ ở hình 2.6, ta có các giá trị tính toán kiểm tra tính nhất quán của dữ
liệu là:
n = 4 Æ RI = 0.89
maxλ = 4.083 Æ CR = 0.031 (< 0.1 Æ thoả mãn)
CI = 0.028
2.2.4. Tích hợp các chỉ tiêu
Sau khi đã phân khoảng và tính trọng số của các chỉ tiêu thì việc tích hợp
36
chúng cho ta tính được chỉ số thích hợp hay kết quả cuối cùng của các chỉ tiêu. Đây
thực chất là một tổ hợp của các chỉ tiêu khác nhau. Công thức tính chỉ số cuối cùng
là [3]:
)(
1
i i
n
i
XWS ×= ∑
=
(2.6)
S: Chỉ số thích hợp;
n: Tổng số chỉ tiêu;
Wi: Trọng số của chỉ tiêu i;
Xi: Điểm của chỉ tiêu i.
Kết quả cuối cùng của phân tích đa c...