ch4主分量与主因子.pptVIP

第四章 主分量分析与主因子分析 主分量分析，又称主成分分析，进行空间分析时又称经验正交函数展开，该方法及其衍生技术在气候统计分析与预测中的应用非常广泛。 对事物特征的描述因子往往有众多的反映不同特征的指标，而由于因子众多，而且因子之间存在相关和重叠，特征描述就比较杂乱，难以表现最主要的规律，主分量分析就是归纳多因子的线性组合得到综合因子，而这个综合因子指标概括了多个因子变化的主要信息，从而可以减少表示特征的因子数，这个综合指标称为主成分或主分量。 打个比方，测量空气中的C和O元素含量的变化，在n个样本中发现，CO2浓度比较稳定，CO变化较大， ，若C的含量为X1，O的含量为X2，则co的含量y=x1+x2 ，就是主成分，它综合反映C和O的变化，而可不考虑CO2的变化。 从某种角度上说，各因子之间的相关性，必然存在起支配作用的共同因素，每一主成分代表变量间结合关系的一种作用。 如气象统计中，经常要研究各种气象要素场，如环流场，温度场，如果抽取要素场某段时期的资料，就构成一组以网格点为空间点随时间变化的样本，气象演变规律体现在要素场的结构上，一个空间场特征需众多的变量（空间点）描述，分析复杂，不易反映其主要特征，主分量分析用多因子组合综合反映一种典型分布（如经向环流），即概括多因子变化的主要信息。 §4.1 主分量的概念 例: 设所分析的对象有两个指标量，记为x1 、x2,样本容量n=25,资料，统计得到， 两者的解释方差分别为20.3/44.4=46% ，24.1/44.4=54% ，两变量的解释方差基本相当。 §4.2 主分量的导出 一、有关基础知识复习 (附录A、C、D） 二、主分量的导出 一般的，如果有p个变量x1,…xp,将它们综合组成m个综合变量： 三、主分量的性质 1、各主分量的方差分别为原p 个变量的协方差的特征值，不同的主分量彼此是独立的。 实对称矩阵分解定理：若A 为p×p是对称阵，则必存在一个正交矩阵V(p×p)，使得 ： Lorenz最早把主成分分析应用到气象要素场，他对美国64个测站的气压场作主成分分析，发现64个中，前8个主成分已经到达描述总方差的91%，说明用前8个主成分就可以代替64个变量，大为减少研究变量个数。 当特征值相差越大时，主成分分析越有意义，反之特征值相接近，则主成分分析的价值就不大。主成分分析并未对总体分布作任何假定，因此它对各类分别的数据都能分析。其目的在于简化结构因子，寻找综合因子，分类等，在地球科学各领域研究中均有广泛的应用。 §4.3 要素场的经验正交函数分解 又称自然正交展开，简称EOF分析，是主成分的应用。在气象科研中有极广泛的应用。 气象场的变化有空间的变化特征，也有时间的变化特征，经验正交展开的思路是将气象场的空间和时间变化分解，分别分析其空间特征和时间变化特征。 气象场经验正交展开或EOF(Empirical Orthogonal Function)分析，它与主成分分析在原理与方法上有相似之处，但是也有区别。近些年来，气象场经验正交展开有许多新的研究和应用。在气象科研中有极为广泛的应用，所以我们单独列一节作较为详细的介绍 对一维空间，空间变化函数F（x）可分解为若干典型正交空间函数的线性叠加。 气象要素场的分解 一个气象要素场可看成时间和空间的函数。经验正交函数分解是针对气象要素场进行的，其基本原理是把包含个p空间点(变量)的场随时间变化进行分解。设抽取样本容量为n的资料。则场中任一空间点i和任一时间点t的观测值 可看成由p个空间函数 和时间函数 的线性组合。 V、Y分别称为空间函数矩阵和时间函数矩阵。由于它们是根据场的资料矩阵进行分解，分解的函数没有固有的函数形式，因而称为“经验”的。但是我们还希望这种分解和其它正交函数类似具有“正交”性的特点，即要求： 分解方法 如果把X看作p维空间的向量，它是空间的函数，Vi也看作p维空间向量，X分解为p个空间函数的线性叠加，它们由经验资料所归纳，故称经验函数，把一个特征向量的空间分布称为一个典型场，它表明一种经常出现的空间分布态（模态）。主分量为时间系数。 特征向量所对应的时间系数代表了这一区域特征向量空间分布型的时间变化特