现代气象统计方法.docVIP

EOF 寻找Vk特征向量的原则：使得这些空间型为基向量展开该场时，场的总误差方差达最 小，或使空间型和时间系数表示出场的总方差最小。 场的总方差：用特征值表示 方差贡献率计算公式： Vk的方差贡献率：，前K个空间型的累积方差贡献率 特征向量性质：相互正交，各自归一 时间系数性质：相互正交，各自的方差等于对应的特征值，方差自大到小排列。 写出标准化距平场EOF主要结果（特征向量、时间系数）的两种表达式： 对于场的EOF展开，分量形式：，i 1,2,3.....m, t 1,2,3.....n 矩阵形式： 对于空间型的表示，1、Vk图，采用距平为分析对象，只给出分布形式，其分量值大小没有意义。2、图，取为新的空间型，如果分析对象是标准化的这时的图又是每个格点上的原变量与第k个主成分的相关系数分布图，值在-1到+1之间，所以，图也称特征向量图或EOF图，它的空间分布形式与Vk图完全一样，但包含了更多的数量信息。 时空转换技术：当空间格点m远大于样本数n时，计算矩阵的特征根很困难，使用时空转换技术。 6、求特征值、特征向量、方差贡献率、相关系数 主成分分析（PCA） 概念：对于反映某现象的所有变量（设为m个，m≥2），构成k个新变量，一则要求k各新变量相互相关，二则要求k个新变量在反映现象的信息尽可能保持原有信息的原则下，使k＜m，“信息”的大小用离差平方和或方差来衡量。这种方法称为主成分分析或主分量分析。 主成分的定义和性质： 在EOF展开中，把m个格点上给定值的气象变量场看作PCA里的m维随机变量，则EOF展开的时间序列完全满足PC的定义，就死这里要寻求的新变量，就是第k个主成分。 性质1：主成分的协方差矩阵是对角矩阵 性质2：所有原变量方差之和等于所有主成分方差之和 性质3：第k个主成分与第i个原变量之间的相关系数 性质4： 性质5： EOF和PCA的功能。EOF：经验正交函数，从气象变量场的资料集中识别出主要的相互正交的空间分布。PCA：主成分分析，从多变量序列中提取主要的相互独立的新变量序列，用少数几个新变量序列反映原多个变量的变化信息，或者说降低资料的自由度和维数。 PCA和EOF的异同 在原理上，气象变量场的EOF展开和PCA的出发点原本是不同的，只有当被分析场是零均值时，两者的算法是相同的，由于大多数气候变率场分析的对象是距平场，是零均值的，所以一般将EOF和PCA看做同一个方法。 第k个归一化的特征向量图和场的每个格点序列与第k个主成份序列之间的相关系数分布图有何关系？ 把时间系数标准化之后，取为新的空间型，如果分析对象是标准化的这时的图又是每个格点上的原变量与第k个主成分的相关系数分布图，值在-1到+1之间，所以，图也称特征向量图或EOF图，它的空间分布形式与Vk图完全一样，但包含了更多的数量信息。 某个特征向量图与以哪个格点为定点的“一点相关图”最相似？“一点相关图”是以研究气象场上的一个点为固定点，定点的气象变量序列与其他格点变量序列间的相关系数分布图，Vk图与以它的分量绝对值达最大的点为定点的“一点相关图”最相似。 RFOF 概念：对k个EOF再做调整的过程在数学上是在他们之间再做线性化，几何形象是在做旋转。 EOF和REOF用途和优缺点：EOF（PCA）能够将气象变量场或多维随机变量的时间与空间变化分离出来，并且用尽可能少的模态表达出它们主要的空间和时间变化，是便表示场的空间相关结构或多变量综合信息的有用方法。EOF在有些情况下，往往得不到接近实际的空间结构或多变量的相互关系,REOF能够客服。 旋转中截取多少个模态旋转是如何确定的？ 使前k个EOF和PC对原场的累计方差贡献率达一定量。 选≥1对应的EOF和PC参考旋转，这个规则的基础是原变量是标准化的，每个原变量的方差为1，主成分的方差为。 在特征值随序号变化的曲线上，重大的不连续性点作为有用信息与噪声分割点，有用信息参考旋转，称为Scree法，Graddock建议在特征自然对数曲线上尾部变为线性时为分割点，分割点的序号为k。 旋转的原则（旋转EOF分析问题的提法）是什么？ 保持k个空间型累计解释原场总方差的百分率保持不变，而单个空间型尽量反映场的局部相关结构，在k个主成分之间再做调整。使他们累计反映出m个原变量的方差数量不变，而使调整后的每个主成分能侧重反映出某些原变量的信息（方差） REOF结果的分析 表示方法：载荷向量Ak。很好的揭示了局部相关，第一EOF方差贡献率是无条件最大的，旋转后方差贡献率一定变小，一般而言，前几个特征成分旋转后方差贡献率变小，序号较大的特征成分方差变大。 未旋转：在整个区域有较多中心，绝对值分布相对对称 旋转：中心个数减少，中心绝对值增大。更多地反映局部地区的变化。 奇异值分解（SVD） 在气象研究中的功能：可分离