Нечеткое множество (Fuzzy Membership) (Spatial Analyst)
Резюме
Трансформирует входной растр по шкале от 0 до 1, указывая полноту принадлежности в наборе на основе заданного алгоритма подготовки задачи для решения методами нечеткой логики.
Значение 1 обозначает полную принадлежность к нечеткому множеству, которая снижается до нуля, который показывает, что данная ячейка к нечеткому множеству не относится.
Более подробно о том, как работает инструмент Нечеткое множество (Fuzzy Membership)
Использование
-
Этот инструмент не трансформирует категорийные данные. Чтобы включить категорийные данные в анализ нечеткого наложения, необходима предварительная обработка ячеек. Вы можете создать модель или запустить следующие инструменты геообработки. Сначала используйте инструмент Переклассификация (Reclassify), чтобы предоставить новый диапазон значений (например, 1 к 100). Затем разделите (Divide) результат на коэффициент (например, на 100), чтобы нормализовать выходные значения от 0,0 до 1,0.
Распределение показывает, как быстро значения принадлежности к нечёткому множеству уменьшаются от 1 до 0. Чем больше значение, тем резче изменение вокруг центральной точки. Говоря другими словами, при уменьшении значения распределения, значения принадлежности к нечеткому достигают 0 медленнее. Выборка соответствующего значения распределения - это субъективный процесс, который зависит от диапазона четких значений. Для опции Гауссово (Gaussian) или Ближайший (Near) можно начать со значения по умолчанию, равного 0,1. Как правило, значения варьируются в диапазоне [0,01–1] или [0,001-1], соответственно. Для опций Маленький (Small) и Большой (Large), можно начать со значения по умолчанию, равного 5, и значения, как правило, варьируются от 1 до 10.
Влияние на распределение на Гауссовом нечетком множестве.-
Это может быть тем случаем, когда ни у одного входного значения не будет 100 процентной возможности быть членом указанного набора. Другими словами, ни у одного значения нет нечеткого множества 1. В этой ситуации, возможно, вы захотите сдвинуть значения нечеткого множества для отражения нового масштаба. Например, если наибольшее значение принадлежности для входных значений – 0,75, то вы можете установить новый масштаб, умножая каждое нечеткое множество на 0,75.
-
Применяемые ограничения: Очень (Very) и Несколько (Somewhat). Очень (Very) также называется концентрацией и определяется как функция нечеткого множества в квадрате. Несколько (Somewhat) также называется растяжение или «Больше или Меньше» («More or Less»). Это квадратный корень функции нечеткого множества. Ограничения Очень и Несколько увеличивают и уменьшают функции нечеткого множества соответственно.
-
Отрицательные значения неприемлемы для функций нечеткого множества Маленький (Small) и Большой (Large).
-
Для функции нечеткого множества Линейный (Linear) входной растр должен быть упорядоченными данными. Минимум может быть меньше максимума для создания положительного уклона, или больше максимума для создания отрицательного уклона для трансформации.
Если минимум меньше максимума, для трансформации используется функция с положительным уклоном; если минимум больше максимума, используется функция с отрицательным уклоном.
Синтаксис
| Параметр | Объяснение | Тип данных |
in_raster |
Входной растр, значения которого будут переклассифицированы по шкале от 0 до 1. | Raster Layer |
fuzzy_function (дополнительно) |
Задает алгоритм, используемый в подготовке задачи для решения методами нечеткой логики для входного растра. Нечеткие классы (fuzzy classes) используются для определения типа принадлежности. Типы классов принадлежности: Формы классов принадлежности:
| Fuzzy function |
hedge (дополнительно) |
Задание ограничений увеличивает или уменьшает значения нечеткого множества, которые изменяют значения набора неразличимости. Применяемые защиты используются для того, чтобы оказать помощь в управлении критериями или важными атрибутами.
| String |
Возвращено значение
| Имя | Объяснение | Тип данных |
| out_raster |
Выходными данными будет растр со значениями с плавающей точкой в диапазоне от 0 до 1. | Raster |
Пример кода
Этот пример создает растр принадлежности, с помощью функцию Гауссова (Gaussian), где у значений высот близких к средней точке (1,200 футов) выше значения принадлежности.
import arcpy
from arcpy.sa import *
from arcpy import env
env.workspace = "c:/sapyexamples/data"
outFzyMember = FuzzyMembership("elevation", FuzzyGaussian(1200, 0.06))
outFzyMember.save("c:/sapyexamples/fzymemb")
В этом примере создается растр нечеткого множества, с помощью функции Гаусса (Gaussian), где у значений высот близких к средней точке (1,200 футов) значения принадлежности выше.
# Name: FuzzyMembership_Ex_02.py
# Description: Scales input raster data into values ranging from zero to one
# indicating the strength of a membership in a set.
# Requirements: Spatial Analyst Extension
# Import system modules
import arcpy
from arcpy import env
from arcpy.sa import *
# Set environment settings
env.workspace = "C:/sapyexamples/data"
# Set local variables
inRaster = "elevation"
# Create the FuzzyGaussian algorithm object
midpoint = 1000
spread = 0.4
myFuzzyAlgorithm = FuzzyGaussian(midpoint, spread)
# Check out the ArcGIS Spatial Analyst extension license
arcpy.CheckOutExtension("Spatial")
# Execute FuzzyMembership
outFuzzyMember = FuzzyMembership(inRaster, myFuzzyAlgorithm)
# Save the output
outFuzzyMember.save("c:/sapyexamples/fzymemb2")