1) rotated principal component analysis
旋转主成分分析
1.
On the basis of the monthly precipitation data for the period 1961-2000 collected from 96 observational stations in Southwest China (SWC),the methods of principal component analysis, rotated principal component analysis,and wavelet analysis are used to analyze the spatial and temporal characteristics of annual precipitation resource.
利用我国西南地区96个测站近40a的月降水量资料,采用主成分分析、旋转主成分分析、小波分析等方法对西南地区年降水资源变化的时空特征进行了分析。
2.
In this study, rotated principal component analysis (PCA) and complex Morlet wavelet transform are used with observed and ECMWF reanalyzed daily rainfall data of 14 years in China to study their temporal and spatial variation features and evaluate the validation of reanalyzed precipitation.
将旋转主成分分析和复变量莫莱特小波分析应用于 1 4a中国境内实测与ECMWF再分析日降雨量资料 ,研究其年际、季际与季节内变化的时空分布特征和再分析日降雨量资料的有效性。
2) REOF
旋转主成分分析
1.
Using the methods of empirical orthogonal function(EOF),rotated empirical orthogonal function(REOF) and wavelet analysis,this paper zones the standardized spring precipitation field of Shanxi Province during 1960 to 2004,and analyzes the temporal and spatial features of spring precipitation.
采用主成分分析(EOF)、旋转主成分分析(REOF)、小波分析方法,对山西省1960~2004年春季降水标准化距平场进行分区,并对春季降水异常的空间分布特征、时间变化规律进行分析。
3) Rotated extended principal component analysis
旋转扩展主成分分析
4) the Integration of Multi-variables
主成分旋转
1.
A Study on the Principal Component Rotating Method in the Integration of Multi-variables;
多变量综合的主成分旋转法研究
5) rotated principal component
旋转主成分
1.
With principal component(PC),rotated principal component(RPC),M-K test,running t-test and wavelet analysis method,the space-time characteristics of precipitation during the flood season in south of Shandong province are studied by using 14 observational stations precipitation data from June to September during the period 19612005.
使用鲁南地区14个气象站1961 2005年汛期(6 9月)降水资料,应用主成分分析和旋转主成分分析方法、M-K检验、滑动t检验和小波分析了汛期降水的时空演变特征,结果显示:鲁南汛期降水可分为6种雨型和3个分区:东部区、南部区和西北部区。
6) the rotating principal component
旋转主分量分析
1.
The yearly characteristics of maximum and minimum temperature fields are zoned in China with the method of the combine of the Clustering Analysis with Statistic Test(CAST)and the rotating principal component.
采用聚类统计检验分析和旋转主分量分析相结合确定中心站的方法,利用我国多年极端气温资料,对我国最高和最低气温年际变化型态进行区划。
补充资料：主成分分析
| 主成分分析 principal component analysis 将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。又称主分量分析。在实际课题中，为了全面分析问题，往往提出很多与此有关的变量（或因素），因为每个变量都在不同程度上反映这个课题的某些信息。但是，在用统计分析方法研究这个多变量的课题时，变量个数太多就会增加课题的复杂性。人们自然希望变量个数较少而得到的信息较多。在很多情形，变量之间是有一定的相关关系的，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠。主成分分析是对于原先提出的所有变量，建立尽可能少的新变量，使得这些新变量是两两不相关的，而且这些新变量在反映课题的信息方面尽可能保持原有的信息。主成分分析首先是由K.皮尔森对非随机变量引入的，尔后H.霍特林将此方法推广到随机向量的情形。信息的大小通常用离差平方和或方差来衡量。 |
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条