EOF经验正交展开（一）——主成分分析

最新推荐文章于 2023-05-12 21:58:25 发布
最新推荐文章于 2023-05-12 21:58:25 发布
阅读量1.7k 收藏 7
点赞数 4
分类专栏： 气象统计学 文章标签： 矩阵 统计学 线性代数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Shraon_L/article/details/114579102
版权

作为水文人，近期学习与大气相关的统计方法，很多不懂之处，于是翻阅了《气象统计预报》这本书，学习过程中有一些体会，顺便记录下来，方便大家交流。

主成分分析的相关知识

1.主成分分析含义

主成分分析与EOF有很多相似之处，在了解EOF之前，首先了解主成分分析的一些基础知识。
设x1是10月副高强度指数的中心化资料；x2是10月副高面积指数的中心化资料，年代是1951-1979年，共29年。其回归方程如下图虚线所示。
回归方程和主成分示意图
回归方程表示用x1估计x2时，平均误差达到最小，仅仅表示了x1和x2之间的相关关系，不能同时反映两个变量的信息。那么如何用一个变量反映两个变量的主要信息？延申一下，如何用p个变量反映m个变量的主要信息呢？（p<<m），这是主成分分析要解决的内容。
可以找出一新的坐标系z1和z2，如果z1基本上可以反映x1和x2，则可以用z1综合表示x1和x2的信息。z1称为x1和x2的主成分，它的方程越大，综合x1和x2的能力越强。z1应满足：

最低0.47元/天 解锁文章
Shraon_L
关注
  • 4
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
Matlab实现EOF分析
dm1901的博客
04-02 2788
这里使用了Matlab的eig函数，计算出协方差矩阵的特征值和特征向量。这里使用了Matlab的mean函数，计算了数据的平均值，同时使用repmat函数将平均值扩展为一个与数据矩阵相同大小的矩阵，然后使用减法得到去平均化的数据矩阵data_anom。一般而言，需要计算出数据的平均值，并将原始数据减去平均值，得到去平均化的数据。这里使用了Matlab的矩阵乘法运算符，将去平均化的数据矩阵和选定的特征向量矩阵相乘，得到EOF模态矩阵eof_mode。这里选择前3个特征向量。首先，需要导入待分析的数据。
主成分分析PCA和经验正交函数分析EOF的原理（通俗易懂的解释）
weixin_44035267的博客
07-06 1万+
转载自：http://blog.codinglabs.org/articles/pca-tutorial.html 图片自：https://blog.csdn.net/Murray_/article/details/79945148 说明：本文转载自大神之作，稍加自己的理解。图片即为大神之作的截图，重点已经标注出来。 本质上PCA和EOF没有什么不同，只是： EOF为空间特征向量，也称为空间模态，在一定程度上反映了要素场的空间分布特点； PC（主成分）对应时间变化，也称为时间系数，反映相应空间模态（EOF）
经验正交函数 (EOF) / 主成分 (PCA) 分解及Python实现
江北20190411的博客
09-28 3304
前言 EOF 经验正交函数 分解原理及用法： https://wenku.baidu.com/view/93bc8a9b680203d8ce2f2468.html 方法实现过程 EOF PCA Python实现 import numpy as np from scipy import linalg # 生成数据并打乱 np.random.seed(9) data = np.random.randint(low=1, high=50, size=600).reshape(20, 30) * 10 #
EOF与PCA算法的python实现和比较
月亮在哪里？
04-29 5913
自然正交分解（EOF），主成分分析（PCA），算法原理，程序实现
EOF.m_ssteof_主成分分析正交分解太平洋海表温度_
10-01
EOF（Empirical Orthogonal Functions，经验正交函数）分析是一种常用的数据降维和模式识别方法，常用于大气科学、海洋学等领域，以揭示大规模环境变量的空间结构和时间变化。在这个案例中，我们专注于对北太平洋海...
EOF_EOFMatlab_；SST_EOF分析_eof_经验正交函数_
09-30
在本文中，我们将深入探讨标题和描述中提及的"EOF(经验正交函数)"分析以及其在Matlab环境中的应用，特别是在海洋表面温度(SST)数据处理和大气环流指数的相关性研究中。EOF分析是一种统计方法，常用于气候学、海洋学...
EOF_信号分解_eof_主成分分析_
09-28
主成分分析（PCA）： PCA是一种多元统计技术，用于将高维数据转换为一组线性不相关的变量，即主成分。这些主成分是原始变量的线性组合，按方差大小排序，第一个主成分解释了数据的最多变异性，后续的主成分依次解释...
EOF.zip_eof_经验正交函数
09-23
经验正交函数是基于主成分分析（PCA）的一种变体，用于处理地理空间分布的数据。PCA寻找输入数据的线性变换，使得变换后的数据方差最大。而EOF则是PCA在地理空间上的应用，考虑了变量之间的空间相关性。EOF分解通常...
主成分分析EOF分解的Fortran程序
10-19
EOF分解的fortran程序，主要用于数据降维及主成分分析
经验正交函数分析方法(EOF分析)
08-27
经验正交函数分析方法(empirical orthogonal function, 缩写为EOF)，也称特征向量分析(eigenvector analysis)，或者主成分分析(principal component analysis,缩写PCA)，是一种分析矩阵数据中的结构特征，提取主要数据特征量的一种方法。
EOF 经验正交分解
03-23
eof 可以修改后再修改 matlab 中可以使用
eof.rar_eof_eof合成分析_空间分析EOF_经验正交函数
09-23
在“eof.rar_eof_eof合成分析_空间分析EOF_经验正交函数”这个压缩包中，包含了一个Fortran源代码文件“lt-EOF.f90”和一份PDF文档“EOF应用：从数据预处理到详细分析.pdf”。这表明资源可能提供了一种EOF分析的具体...
用EOF分解16年东海月平均海表面温度
qq_42465539的博客
01-12 9362
作业记录 题目：利用16年东海或南海月平均海表面温度，对该海区的海温资料进行经验正交函数分解 解答： 一、EOF（经验正交函数）分解方法的原理及分解步骤 1.EOF分析原理 气象要素场的经验正交函数分解，是将X 分解为空间函数V 和时间函数Z 两部分，即： X = VZ 将某一气候要素场的观测资料以矩阵形式给出 其中m 是空间点（网格点），n 是时间点或样本数。则V可以写成 vi(i=1, 2…m) 表示第i 个典型场，它仅仅是空间的函数。Z 可以写成 Z的第i行，即为第i 个典型场所对应的时间权重系
经验正交函数分析（EOF）或主成分分析（PCA）在matlab上的实现及实例
waterstar2010的博客
10-29 8420
经验正交函数分析方法(Empirical Orthogonal Function,缩写为EOF)，也称特征向量分析(EigenvectorAnalysis)，或者主成分分析(Principal Component Analysis,缩写PCA)，是一种分析矩阵数据中的结构特征，提取主要数据特征量的一种方法。Lorenz在1950年代首次将其引入气象和气候研究，在地学及水声学等其他学科中得到了非常广泛的应用。地学数据分析中通常特征向量对应的是空间样本，所以也称空间特征向量或者空间模态；主成分对应的是时间变化.
[机器学习算法]主成分分析
TOMACAT的博客
03-28 768
引入 在对实际问题进行数据挖掘时，涉及到的特证数即数据维度往往是成百上千的，出于以下两个原因可能导致数据集质量不佳： 噪声特征：该特征并不能对我们建模产生正向作用，或者同关注的变量基本上是不相关的 特征之间可替代性：当两个特征包含几乎一模一样的信息时，其中一个特征往往是可以剔除的（比如温度和体感温度变量） 主成分分析Principal Component Analysis, PCA是最常用的降...
经验正交分解EOF详解及案例
同步于【自学气象人公众号】！
05-12 9777
由于这些主分量中前几个就可能占有原空间点(即多个变量)总方差的很大部分，即通过EOF分解可以很容易地将原始要素场的变化信息浓缩在前几个主分量及其对应的空间函数上，所以，EOF分解常被用于气象要素场时空变化特征规律的提取和研究。因为所有空间模态(或时间系数)所对应的方差贡献率加起来等于 1，所以，当方差贡献率最高的几个空间模态(或时间系数)加起来得到的累计方差贡献率较大时(比如达到80%)，我们就会用它们几个来表示原始数据中所包含的主要特征。中第 t 时刻的空间场(共有m个空间点)，就可以表示为。
主成分分析法（PCA）原理和步骤
热门推荐
吴建明wujianming_110117
01-30 2万+
主成分分析法（PCA）原理和步骤 主成分分析（Principal Component Analysis，PCA）是一种多变量统计方法，它是最常用的降维方法之一，通过正交变换将一组可能存在相关性的变量数据，转换为一组线性不相关的变量，转换后的变量被称为主成分。 可以使用两种方法进行 PCA，分别是特征分解或奇异值分解（SVD）。 准备工作 PCA 将 n 维输入数据缩减为 r 维，其中 r<n。简单地说，PCA 实质上是一个基变换，使得变换后的数据有最大的方差，也就是通过对坐标轴的旋转和坐标原点的平移，
eof经验正交分解matlab
最新发布
08-29
EOF（Empirical Orthogonal Function）经验正交分解是一种常用的数据分析方法，用于提取数据中的主要模态和变异性。在MATLAB中，可以使用`eof`函数进行EOF分解。 `eof`函数的基本语法是： ``` [eof_maps, pc, expvar = eof(A) ``` 其中，`A`是一个数据矩阵，每行代表一个观测样本，每列代表一个变量。`eof_maps`是一个矩阵，每行代表一个EOF模态，每列对应于空间上的一个网格点，表示该模态在每个网格点上的空间分布。`pc`是一个矩阵，每行代表一个EOF模态，每列对应于时间上的一个时间步长，表示该模态在每个时间步长上的时间变化。`expvar`是一个向量，表示每个EOF模态解释的方差百分比。 `eof`函数还可以通过设置其他参数来进行更多的操作，比如设置`n`参数来指定要提取的主要EOF模态的数量，设置`mask`参数来指定要忽略的区域。 请注意，EOF分解是一种数据分析方法，适用于各种领域的数据，包括气象、海洋、地球物理等。它可以帮助我们了解数据的主要模态和变异性，并用于数据降维、模式识别等应用。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [matlab经验正交分解函数EOF的实现—基于Climate Data Toolbox操作](https://blog.csdn.net/weixin_43637490/article/details/123418759)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值