环境数据处理与数学模型课件 07-环境数据分析方法-5.pptVIP

1 简介 2 原理 3 步骤 4 应用 主成分分析 06 步骤 Step 1 对原始数据进行标准化处理 标准化处理的目的 使得各变量的均值为0，方差为1 这样得出的方差矩阵与相关矩阵是一样的 标准化的方法 设有p个变量，n个样本，观测值为Xij（i=1,…,p；j=1,…,n），则标准化后的值为： 步骤 Step 2 由标准化后的数据求得协方差矩阵 相当于获得原始数据的相关矩阵 计算方法 步骤 Step 3 求协方差矩阵的特征值及其对应的特征向量 所有特征根 特征根对应的特征向量 步骤 Step 4 确定主成分 计算累积贡献率 根据累积贡献率大于85%的要求，确定要选取的主成分个数k 根据k及每个λi (1≤i≤p) 所对应的特征向量αi，构造标准化变量的主成分 转化为原始变量的主成分表达式 步骤 Step 56 计算主成分的分值 计算累积贡献率将各样本所对应的变量值代入主成分表达式，计算各样本的主成分得分 解释结论计算主成分的分值 根据样本的主成分得分，结合专业知识进行综合研究，对结论进行解释与推断 1 简介 2 原理 3 步骤 4 应用 主成分分析 06 应用 水质评价 例17：下表为某河流9个断面的BOD5、COD、DO的监测值，请根据此表进行主成分分析。 断面 1# 2# 3# 4# 5# 6# 7# 8# 9# BOD5（x1） 1.59 3.03 6.15 18.99 3.32 3.65 2.75 3.59 5.99 COD（x2） 2.46 4.62 8.55 18.97 6.11 6.89 3.46 4.60 8.79 DO（x3） 7.86 7.68 7.06 4.32 6.65 7.76 7.60 7.33 7.06 应用 水质评价 计算原始数据的相关矩阵 原始变量 平均值 标准差 标准化变量 BOD5（x1） 5.4511 5.2844 x1’=(x1-5.4511)/5.2844 COD（x2） 7.1611 4.9248 x2’=(x2-7.1611)/4.9248 DO（x3） 7.0356 1.0925 x3’=(x3-7.0356)/1.0925 相关矩阵R 应用 水质评价 计算特征值和特征向量 特征向量 特征值 （λ） 贡献率（%） （信息量） 累积贡献率 （%） BOD5 COD DO 主 成 分 Z1 Z2 Z3 0.5817 0.2248 -0.7817 0.5776 0.5625 0.5916 –0.5727 0.7957 -0.1974 2.9093 0.0714 0.0194 96.97 2.38 0.65 96.97 99.35 100.00 确定主成分 标准化变量对应的主成分表达式 原始变量对应的主成分表达式 应用 水质评价 计算样本主成分得分 主成分 1# 2# 3# 4# 5# 6# 7# 8# 9# Z1 -1.409 -0.902 0.227 4.298 -0.155 -0.609 -1.028 -0.660 0.238 Z2 -0.100 0.076 0.205 -0.057 -0.492 0.420 -0.126 -0.157 0.226 Z3 -0.136 -0.058 0.061 -0.102 0.262 0.107 -0.142 -0.081 0.113 主成分个数的确定： 第一主成分的贡献率已达到96.97%，因此只考虑该主成分 主成分物理意义的推断： 第一主成分中各变量的系数绝对值大致相同，且BOD5和COD系数为正，DO系数为负，所以认为第一主成分表示有机污染与水体自净能力的对比程度 第一主成分的值越大，说明有机污染越严重；相反，该值越小，说明水体自净能力越强。 05 06 07 08 回归分析 主成分分析 聚类分析 时间序列分析 数据挖掘/大数据介绍(邀请讲座,待定) 05 基本概念 一元线性回归分析 多元线性回归分析 其他回归模型 1 简介 2 原理 3 步骤 4 应用 主成分分析 06 1 简介 2 原理 3 步骤 4 应用 主成分分析 06 测量污水中47种抗生素的浓度水平(ng/L)，共测量了12个水样 水样编号 磺胺 磺胺甲恶唑 诺氟沙星 氧氟沙星 1 24.3 337.5 44.6 293.5 2 3.6 124 107.55 301 3 2.95 175 22.95 136.5 4 42 295 18.75 112 5 13 207 17.1 112.5 6 1.5 14 21.95 359.5 7 12 988 129.7 1505.5 8 14.4 167.5 42.3 259.5 9 18.35 323.5 1.6 21.5 10 14.8 123.5 58.15 298.5 11 31.3