气温相关性及数据处理.doc

2.5 相关 2.5.1 相关函数 1. 相关问题的引出 首先看世界各地的气温曲线。 图2.5.1 世界各地的气温曲线图 图中看出印度首都新德里的气温高，俄罗斯首都莫斯科是寒冷地区。由于阿根廷的首都布宜诺斯艾利斯地处南半 球，冬天和夏天与北半球相反。那么，这些曲线表示的各城 市的气温函数之间的相关程度怎样呢？ 当某城市的第 i 月的平均气温为 fi 时，将1年内的气温用12维的向量 f = ( f1, f2，· · ·，f12 ) 表示，同样另一城市的气温用g = ( g1, g2, · · ·, g12 )表示。此时，这两城市的气温曲线（向量）的相关系数为 （2.5.1） 用上式计算各城市之间的气温相关系数，结果如下表示： 对同样的气温，用摄氏、华氏和绝对温度表示时，得出的相关系数不同。这显然不利于对各城市的间气温相似程度的描述。问题所在何处？ 在于用绝对温度表示时，最低温度也有270K，相对变化量太小。 实际上，只要减去 平均温度后，再来求相关系数就可 以了。首先求出f, g 的平均值： 和 （2.5.2） 从各测量值中减去此值，得到新向量：计算新向量间的相关系数，如表2-5-2所示。即使采用不同的温度单位，计算得的相关系数值完全相同。且出现了负相关系数。还应注意到：由于减去了平均值，这种分析忽略了新德里的气温高，莫斯科的气温低之类的整体气温高低的性质。 因此，若要保留气温整体高低的特征，减去平均值是不合适的。这就告诉我们，在定义相关系数时，要事先根据我们的目的，明确哪些相关重要，哪些不重要。如果关注信号变化的相关系数，必要时可减去信号的平均值。 因此，若要保留气温整体高低的特征，减去平均值是不合适的。这就告诉我们，在定义相关系数时，要事先根据我 们的目的，明确哪些相关重要，哪些不重要。 相关系数是取决于原来函数（向量）角度的量，与物理量及刻度无关。（无论一个是电压信号而另一个是温度信 号，或电压的单位一个是V而另一个是mV 都无关紧要。 如果关注信号变化的相关系数，必要时可减去信号的平均值。 2 互相关函数 求出世界各地的气温曲线的相关后可知，处在南半球的布宜诺斯艾利斯相对其他城市表现出很强的负相关。曲线，将布宜诺斯艾利斯的气温曲线在时间轴上移动半年，细观图示结果，发现其与东京的曲线形状非常相似。即时间错开半年，二者相似。这种忽略横轴相错关系下判断两个信号的类似性的问题，用互相关函数来描述。 对周期函数函数 f(t), g(t) ，周期为T，定义它们的互相关函数为 （2.5.3） 即函数f(t) 在时间轴上不变，将函数g(t) 在时间轴上后移τ，然后求两者的内积。内积表示函数间的关系的强弱，这里是将此相关值表示为后移时间τ的函数。若用各函数的模去除此式，则得归一化了的相关值。