Page 68 - kpi19903

42

1. น้ าหนักเชิงพื้นที่ขึ้นอยู่กับการติดกัน (Contiguity Matrix)
วิธีการถ่วงน้ าหนักเชิงพื้นที่ขึ้นอยู่กับการติดกันแบบ Contiguity Matrix มีหลายลักษณะแต่วิธี ที่

นิยมใช้มีเพียง 2 ลักษณะ ดังนี้

1. Queen Contiguity พื้นที่ที่มีขอบเขต หรือส่วนใดส่วนหนึ่ง ติดกันจะถูกให้น้ าหนักเป็น 1 และ
พื้นที่ที่มีขอบเขตไม่ติดกันจะถูกให้น้ าหนักเป็น 0 ดังรูปที่ 3.4 (ซ้าย) ให้พื้นที่ทั้งหมดล้อมรอบหมายเลข 5 มี

น้ าหนักเชิงพื้นที่เป็น 1 ซึ่งก็คือหมายเลข 1,2,3,4,6,7,8 และ 9 (L Anselin, 1988)

2. Rock Contiguity พื้นที่ที่มีขอบเขตติดกันจะถูกให้น้ าหนักเป็น 1 และพื้นที่ที่มีขอบเขตไม่ติดกันจะ
ถูกให้น้ าหนักเป็น 0 ดังรูปที่ 3.4 (ขวา) พื้นที่ที่มีขอบเขตติดกันตามหมายเลข 2, 4, 6 และ 8 เท่านั้น ที่มี

น้ าหนักเชิงพื้นที่เป็น 1 ส่วนพื้นที่อื่นจะถูกให้น้ าหนักเป็น 0 ดังนั้นหากติดกันแค่มุมจะไม่ได้น้ าหนักเชิงพื้นที่แต่

อย่างใด (L Anselin, 1988)

รูปที่ 3.4 การถ่วงน้ าหนักเชิงพื้นที่แบบ Queen Contiguity (ขวา) และ Rock Contiguity (ซ้าย)

2. น้ าหนักเชิงพื้นที่ขึ้นอยู่กับระยะห่าง

วิธีการก าหนดน้ าหนักเชิงพื้นที่ที่ขึ้นอยู่กับระยะห่างนั้นมีอยู่มากมาย แต่สองวิธีการย่อยหลักที่นิยมใช้
กันแพร่หลายคือ

1. น้ าหนักเชิงพื้นที่แปรผกผันตามระยะทาง (Inverse Distance Weight)

เป็นการหาน้ าหนักระยะทางระหว่างจุด โดยหาค่าถ่วงน้ าหนักแบบผกผันตามระยะทาง (Inverse
Distance Weighting: IDW) เนื่องจากตัวแปรอิสระจะมีความสัมพันธ์กันน้อยลงเมื่อยิ่งอยู่ห่างออกไป ตามกฎ

ข้อที่ 1 ของภูมิศาสตร์ ดังนั้นค่าถ่วงน้ าหนักจึงผกผันกับระยะทางระหว่างต าแหน่งของตัวแปรอิสระแต่ละ

ต าแหน่ง แนวคิดการหาค่าถ่วงน้ าหนักของสมการความสัมพันธ์เชิงพื้นที่ เพื่อสร้างความสัมพันธ์ของข้อมูลตัว
แปรอิสระที่ผกผันตามระยะทาง (Shepard, 1962)

1
= , > 0

โดยที่ p คือ เลขยกก าลังที่มากกว่า 0 ยิ่งมีค่า p มาก ยิ่งเป็นการถ่วงน้ าหนักระยะทางที่ไกลออกไปให้

ลดลงอย่างรวดเร็วมากยิ่งขึ้น
2. วิธีการเพื่อนบ้านที่ใกล้เคียงที่สุด (K-nearest neighbor)

ขั้นตอนวิธีการเพื่อนบ้านใกล้ที่สุด เป็นอัลกอริทึมที่ใช้ในการจัดกลุ่มข้อมูล โดยการจัดข้อมูลที่อยู่ใกล้

กันให้เป็นกลุ่มเดียวกัน ซึ่งเทคนิคนี้จะท าให้ตัดสินใจได้ว่า คลาสไหนที่จะแทนเงื่อนไขหรือกรณีใหม่ ๆ ได้บ้าง
โดยการตรวจสอบจ านวน k กลุ่ม ซึ่งถ้าหากเงื่อนไขของการตัดสินใจมีความซับซ้อน วิธีนี้สามารถสร้างโมเดลที่