دانلود نرم افزار مدلسازی فضایی MGWR ورژن 2.2 (جدید ترین نسخه)
رگرسیون وزنی جغرافیایی (GWR)
Geographical Weighted Regression
رگرسیون وزنی جغرافیایی (GWR)، یک روش رگرسیون محلی (Local)و فضایی است که برای مدل سازی روابط متغیر های فضایی استفاده می شود. تحلیل رگرسیون این امکان را به شما می دهد که به مدلسازی، بررسی و اکتشاف روابط مکانی بین داده ها بپردازید تا الگوهای مکانی عوامل مشاهده شده (متغیرهای مستقل) را بهتر درک کنید و پیش بینی صحیحی را برپایه این عوامل ارائه دهید.
در مدلهای رگرسیون عمومی مانند OLS ، SEM و SLM ، در روابط بین متغیرهای توضیحی و متغیر (های) وابسته فرض بر ثابت بودن مکان است، به عبارت دیگر در این مدل ها روابط بین متغیر ها در مکان تغییری نمی کند. یعنی همه ی عارضه ها در مرز مطالعه دارای روابط رگرسیونی یکسان هستند.
برای بهبود یافتن فرضیه ثابت بودن روابط متغیر ها در مکان، GWR را بعنوان یک مدل رگرسیون عمومی توسعه یافته و بر پایه ی رگرسیون هسته ای_ وزن دار شده (kernel-weighted) معرفی کردند. این رگرسیون به جای برآورد مقادیر عمومی برای پارامترهای رگرسیون ، اجازه می دهد تا مقادیر پارامترها مانند ضرایب متغیر های مستقل و یا مقادیر پیش بینی شده برای هر عارضه در مکان به طور جداگانه بدست آیند، در واقع در این رگرسیون برای هر عارضه یک معادله رگرسیون وجود دارد.
رگرسیون وزنی جغرافیایی چند مقیاس (MGWR)
Multi Geographical Weighted Regression
اگر چه GWR در مقایسه با رگرسیون جهانی (OLS,SEM,SLM) در زمینه پردازش های مکانی پیشرفت چشمگیری داشته است، ولی هنوز فرض می کند که مقیاس کلیه روابط متغیر ها در طول مکان ثابت است و بنابراین امکان تجزیه و تحلیل این روابط را در مقیاس های مختلف نمی دهد.
MGWR توسعه یافته ی GWR است که امکان مطالعه روابط متغیرها در مقیاس های مختلف مکانی را فراهم می کند و این کار را با استفاده از پهنای باند متفاوت در مقایسه با پهنای باند منفرد و پهنای باند ثابت برای کل منطقه مورد مطالعه، انجام می دهد.
کاربرد نرم افزار مدلسازی فضایی MGWR و GWR
این روش ها در بسیاری علوم از جمله: علوم پزشکی، بهداشت، کشاورزی، منابع طبیعی، محیط زیست، جغرافیا، شهرسازی، برنامه ریزی شهری، علوم زمین، علوم اجتماعی، اقتصاد، علوم سیاسی و مهندسی برق و… کاربرد دارند.
گاهی اوقات در زندگی روزمره با حادثه ها یا اتفاقاتی رو به رو می شویم که ما را کنجکاو می کند تا عواملی که در بروز این اتفاقات دخیل هستند را جستجو کنیم، چراکه شاید این اتفاقات در آینده هم بروز کند. برای مثال این حادثه می تواند بروز سیل، آتش سوزی، زلزله، تورم، افزایش جرایم، افزایش نرخ فقر، افزایش میزان تماس های اضطراری به مراکز اورژانس، کاهش نرخ تولد، افزایش آفات کشاورزی، فرونشست و کاهش منابع آب های زیر زمینی و شیوع یک بیماری و غیره باشد.
قطعاً در بروز هر کدام از این موارد عواملی دخیل خواهد بود که خسارات ناشی از آن ها را چندین برابر خواهد کرد. شاید انتخاب این عوامل در ظاهر ساده به نظر برسد، اما این طور نیست و یکی از سخت ترین و زمان برترین مراحل در هر مطالعه ای است. ما با استفاده از این تحلیل ها به راحتی می‌توانیم عوامل موثر در بروز هر حادثه(انسانی یا طبیعی) را پیدا کرده و برای آن یک برنامه ریزی میان مدت و طولانی مدت داشته باشیم، که خود باعث صرفه جویی در هزینه های مالی و زمانی خواهد شد.
*محیط نرم افزار
شما علاوه بر انجام پروژه های علمی خود می توانید در زندگی و محل کار نیز از این تحلیل ها استفاده کرده و از نقشه های تهیه شده از آن نهایت استفاده را ببرید. در این نرم افزار که نصب آن راحت و بدون نیاز به کرک است، می توانید هر دو مدل رگرسیون وزنی جغرافیایی و رگرسیون وزنی جغرافیایی چند مقیاس را محاسبه کنید.
با سلام و احترام و سپاس از اطلاعات ارزنده تون. ببخشید نحوه ی استفاده از MGWR رو باید از کجا آموزش ببینیم؟ ویدیویی در این زمینه توسط تیم شما آماده شده؟
سلام و عرض ادب
ممنون از لطفتون
به زودی آموزشش رو به اشتراک می گذاریم.