مقاله درباره ساختار سلسله مراتبی و استاندارد سازی

مقدار ORness در باز ه ی بین صفر و یک قرار می گیرد و مبین میزان شباهت یک عملگر OWA به عملگر منطقی OR در ترکیب معیارهاست. بررسی های انجام شده روی عملگرهای fuzzy OWAنشان داد. که با تغییر میزان α می توان نقشه های متنوعی به دست آورد. و آرا و اولویت های بسیاری از کارشناسان را برآورده ساخت (. (Malczewski, 2006 بنابراین می توان α را به گونه ای انتخاب کرد که برای انتخاب یک گزینه، فقط معیارهای دارای مقادیر بهتر تاثیر داده شوند. که این حالت منجر به ریسک پذیری بالا (مقدار ORness بالاتر) و موازنه پایین تر بشود. از آنجایی که تصمیم گیرندگان مختلف سلیقه های مختلف دارند و ریسک پذیری آنها نیز متفاوت است با استفاده از OWA می توان یک تعادل میان ریسک تصمیم گیری و جبران پذیری آن ایجاد کرد و برنامه ای در نظر گرفت که تعداد مشخصی از معیارها که به ترتیب دارای بیشترین مقدار هستند، در فرایند جبرانی وارد شوند. اما AHP این ویژگی های عملگرهای OWA را ندارد و فرایندی کاملاً جبرانی با مقدار Trade off نزدیک به یک است که همه معیارها را براساس وزن آنها دخالت می دهد.
از طرف دیگر AHPدارای میزان ریسک پذیری ثابت و پایین (ORness نزدیک به صفر) است. بنابراین دخالت آن برای حل هر نوع مسأله ای در نهایت منجر به ایجاد شرایطی ثابت با جبران کنندگی بالا و ریسک پذیری پایین می شود. اما از این لحاظ که AHP امکان استفاده مستقیم از آراء کارشناسان را فراهم می آورد، می توان برای محاسبه وزن های معیار Wj از این روش استفاده کرد. به علاوه برای حل مشکل عدم توانایی AHP برای مدل سازی روابط، هنگامی که تعداد معیارها زیاد باشد می توان از فازی استفاده کرد چرا که در بسیاری از موارد، تعریف یک رابطه ی دقیق برای تعداد زیاد معیارها غیرممکن است. بنابراین Fuzzy AHP-OWA می تواند منجر به تصمیم گیری ساختار- مبنا بشود که در آن علاوه بر تحت تأثیر قراردادن آرا مستقیم و مبهم کارشناسان، امکان پوشش ریسک پذیری های مختلف و میزان جبران کنندگی معیارها فراهم شده است.
برای رسیدن به این چارچوب می باید فرض کنیم که دو مرحله ی اول AHP یعنی تشکیل ساختار سلسله مراتبی و وزن دهی نسبی اهداف با استفاده از مقایسه های دوبه دو برآورده شده است. از این مرحله به بعد مسأله با کمیت سنج های هدایت شده ی OWA پردازش می شود. مقادیر کلی مربوط به هر سلول i در دو مرحله قابل محاسبه خواهد بود؛ ابتدا مقادیر هر سلول با در نظر گرفتن هر کدام از اهداف با استفاده از رابطۀ زیر محاسبه می شود:
.
3-3-6 تغییر مشخصه α
جدول 3-1. linguistic term در روش FUZZY AHP-OWA
طبق جدول جدول 3-2 تغییر مشخصه α می توان از کمترین ریسک پذیری تا بیشترین ریسک پذیری را در روش FUZZY AHP-OWA اعمال نمود که نهایتاً منجر به نتایج مختلفی از تاثیر پذیری معیارهای تحقیق حاضر شد.
3-3-7 استاندارد سازی نقشه ها در منطق فازی
در منطق فازی، هر منطقه با توجه به مقداری که معیار موردنظر (x) را رعایت میکند، مقدار عضویتی می گیرد (μx) که بیان کننده میزان مطلوبیت آن ناحیه میباشد. بدین معنی که هر ناحیه با مقدار عضویت بالاتر، از مطلوبیت بالاتری برخوردار است. در منطق فازی قطعیت موجود در منطق بولین وجود ندارد و هر لایه در مقیاسی بین صفر و یک درجه بندی میشود. (1 . (Lin, et al., 1996) (0 < μ(x) <
از آن جهت که در سیستمهای کامپیوتری میتوان از 0-256 را نشان داد می توان به جای مقیاس صفر و یک، مقیاس صفر تا 255 را مورد استفاده قرار داد. در این مقیاسها اعداد بزرگتر مطلوبیت بیشتری خواهند داشت یعنی عدد 255 از بالاترین مطلوبیت و عدد صفر فاقد مطلوبیت می باشد و طیفی از مقادیر بین این دو عدد قرار می گیرند که هرچه به 255 نزدیکتر می شود، مطلوبیت افزایش می یابد. علاوه بر مسئله انتخاب مقیاس جهت تهیه نقشه های فازی میبایست نوع تابع فازی را نیز مورد بررسی قرار داده و تابع مناسبتر را برای معیار مورد نظر انتخاب نمود. از توابع مشهور میتوان به توابع Sigmodial، J- Shape،Linear اشاره کرد (1997 (Eastman, . توابع ذکر شده، در محیط GIS وجود دارد و علاوه بر این توابع، کاربر می تواند باتوجه به نیاز خود، تابع را نیز تعریف نماید.

  دانلود مقاله با موضوع صادرات غیر نفتی و تغییرات ساختاری

یکی دیگر از عوامل مؤثر در استانداردسازی نقشه های فازی تعیین حد آستانه میباشد که نقاط کنترل نیز به آنها گفته میشود. اما نکته ای که بایستی در انتخاب تابع، به آن توجه نمود، نوع کاهشی یا افزایشی بودن توابع می باشد که منظور از کاهشی، حداقل شونده یا نزولی بودن تابع، و منظور از افزایشی بودن، حداکثر شونده یا صعودی بودن تابع میباشد به طور مثال در رابطه با لایه فاصله از گسل زمین که هرچه فاصله از گسل بیشتر شود مناسب تراست، از تابع افزایشی استفاده می شود و در مورد شیب زمین که هرچه شیب بیشتر شود، منطقه جهت ساخت مراکز آموزشی نامناسب تر خواهد شد لذا از تابع کاهشی استفاده می گردد (1387 ،متکان).
3-4 قلمرو تحقیق
محقق می بایست فرضیات تحقیق خود را در مکانی مشخص و بر روی افراد و یا اشیاء مورد نظر، مورد آزمون قرار دهد. این مکان مشخص، معرف قلمرو مکانی تحقیق و جامعه آماری آن می باشد. با توجه به اینکه آگاهی از سازمان (گروه،قشر یا جامعه و…) که در آن تحقیق صورت گرفته است می تواند بر درک بهتر فرایند و دستاوردهای تحقیق تاثیر داشته باشد، لذا پژوهشگر می باید سازمانی را که در آن آزمودنی های خود را مورد بررسی قرار می دهد، ابتدا بخوبی بشناسد و سپس این شناخت را بطور مختصر به بررسی کنندگان پایان نامه خود ارائه دهد( خاکی، 1386 : ص179 ).
3-4-1بررسی موقعیت جغرافیایی قلمرو تحقیق
استان تهران با 18909 کیلومتر مربع مساحت و 2/1 درصد مساحت کل کشور ایران از آن جهت از دیگر استان های کشور متمایز است که مرکزیت سیاسی جمهوری اسلامی ایران در آن مستقر است. تهران، استانی با 13 شهرستان شامل؛  تهران، شهریار، کرج، رباط کریم، ساوجبلاغ، نظرآباد، ورامین، اسلامشهر، شمیرانات، ری، دماوند، فیروزکوه و پاکدشت و دارای 43 شهر و 1358 آبادی دارای سکنه می باشد.
شکل 3-2موقعیت جغرافیایی منطقه مورد مطالعه
3-4-2ویژگیهای منطقه، وضعیت موجود
منطقه ۳ یکی از ۲۲ منطقه شهر تهران است که در پهنه شمال شرقی شهر تهران واقع شده است. محدوده وضع موجود منطقه ۳ به ترتیب زیر مشخص می شود:
الف) حد شمالی: بزرگراه چمران، بزرگراه مدرس و بزرگراه صدر. ب) حد شرقی: خیابان پاسداران و خیابان شریعتی. ج) حد جنوبی: بزرگراه رسالت، بزرگراه حقانی و بزرگراه همت. د) حد غربی: بزرگراه چمران.
منطقه ۳ از شمال با منطقه ۱، از شرق با منطقه ۴، از غرب با منطقه ۲ و از جنوب با مناطق ۶ و ۷ هم مرز و همجوار است و این منطقه در وضع موجود دارای ۱۲ محله می باشد. برطبق اطلاعات مقدماتی سرشماری عمومی نفوس و مسکن در سال ۱۳۸۵ جمعیت منطقه ۳، برابر ۲۹۳۱۸۱ نفر می باشد. با توجه به کمتر بودن متوسط نرخ افزایش جمعیت ساکن منطقه نسبت به متوسط نرخ متناظر آن برای کل شهر تهران روند عمومی تغییرات جمعیتی منطقه ۳، علیرغم فراز و نشیب های آن نسبت به شهر تهران نزولی است.
3-4-3 مساحت و درصد کاربری های عمده زمین
کاربری اراضی
مساحت (هکتار)
درصد از مساحت منطقه

این نوشته در علمی ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.