Utilizing spatial association analysis to determine the number of multiple grids for multiple-point statistics

انتخاب مقیاس یک مسئله اساسی از تجزیه و تحلیل فضایی است. بر اساس تجزیه و تحلیل انجمن فضایی، این مقاله یک روش کمی برای تخمین مقیاس ارائه می دهد که با استفاده از حداقل تعداد شبکه های چندگانه در یک شبیه سازی یک معادله نرمال ارائه می شود. اول، بزرگترین مقیاس اطلاعات ساختاری که قالب داده می تواند برای بهترین شبکه در نظر بگیرد، با استفاده از فاصله بین سلول مرکزی و مرز قالب داده محاسبه می شود. حداکثر فاصله زمانی که سلول ها در یک تصویر آموزشی مرتبط با یکدیگر هستند، سپس با استفاده از آمار شمارش پیوست مورد تجزیه و تحلیل قرار می گیرد. در نهایت، حداقل تعداد شبکه های چندگانه براساس معیار استفاده می شود که قالب داده های مورد استفاده در شبکه بزرگ باید برای حداکثر فاصله بین سلول های مربوطه محاسبه شود. روش پیشنهادی با استفاده از دو و سه بعدی آزمایش می شود. نتایج نشان می دهد که افزایش تعداد شبکه های چندگانه به طور قابل توجهی بهبود کیفیت شبیه سازی را هنگامی که تعداد شبکه های متعدد استفاده می شود بزرگتر از برآورد شده است. تجزیه و تحلیل حساسیت نشان می دهد که روش پیشنهادی با پیکربندی الگو داده، ساختار هندسی اشیاء سطح هدف و یک تصویر آموزش مجدد مقیاس پذیر سازگار است، در صورتی که به طور مناسب نشان دهنده اطلاعات ساختاری در مقیاس بزرگ در اشیاء سطح هدف باشد.