A.7EOF分析
经验正交函数分析方法(empiricalorthogonalfunction,缩写为EOF),也称特征向量分析(eigenvectoranalysis),或者主成分分析(principalcomponentanalysis,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,现在在地学及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,也称时间系数。因此地学中也将EOF分析称为时空分解。
原理与算法
选定要分析的数据,进行数据预处理,通常处理成距平的形式。得到一个数据矩阵Xm×n
计算X与其转置矩阵XT的交叉积,得到方阵
Cm×m=
1
X×XTn
如果X是已经处理成了距平的话,则C称为协方差阵;如果X已经标准化(即C中每行数据的平均值为0,标准差为1),则C称为相关系数阵 计算方阵C的特征根(λ1,...,m)和特征向量Vm×m,二者满足
Cm×m×Vm×m=Vm×m×∧m×m
其中∧是m×m维对角阵,即
λ1
...
0
0λ2...0
∧= ............
00...λm
一般将特征根λ按从大到小顺序排列,即λ1>λ2>...>λm。因为数据X是真实的观测值,所以λ应该大于或者等于0。每个非0的特征根对应
42