The Empirical Orthogonal Function (

The Empirical Orthogonal Function (EOF) analysis was applied to examine the
relationship between DMI and monthly mean rainfall in Thailand. The Empirical
Orthogonal Function analysis is a descriptive multivariate statistical method. In
its discrete formula, EOF is also known as Principal Components Analysis (PCA)
[6]. The EOF technique is essentially a matrix method, in which the data to be
analyzed is arranged into matrices [7]. Linearly transform a continuous space-time
¯eld F(t; s), where t and s denote respectively time and spatial position to new
variables. This paper uses monthly mean rainfall in Thailand during the period
1979{2008 from 80 locations and given a data set that has the dimension time (n)
multiply by variable (p). Construct the n £ p matrix F in formula

ผลลัพธ์ (ไทย) 1:

วิเคราะห์ผล Orthogonal ฟังก์ชัน (EOF) ถูกใช้เพื่อตรวจสอบการความสัมพันธ์ระหว่าง DMI และปริมาณน้ำฝนเฉลี่ยรายเดือนในประเทศไทย ที่ประจักษ์Orthogonal ฟังก์ชันวิเคราะห์เป็นวิธีทางสถิติตัวแปรพหุการอธิบาย ในสูตรเดี่ยว ๆ EOF จะยังรู้จักวิเคราะห์ส่วนประกอบหลัก (PCA)[6] เทคนิค EOF คือ เป็นเมตริกซ์วิธี ซึ่งข้อมูลจะวิเคราะห์จัดเป็นเมทริกซ์ [7] เชิงเส้นแปลง space-time อย่างต่อเนื่อง¯eld F (t; s), ที่ t และ s แสดงตามลำดับเวลาและปริภูมิตำแหน่งใหม่ตัวแปร กระดาษนี้ใช้ปริมาณน้ำฝนเฉลี่ยรายเดือนในช่วง1979 {2008 จากสถาน 80 และชุดข้อมูลที่มีมิติเวลา (n)คูณ ด้วยตัวแปร (p) สร้าง n £ p เมตริกซ์ F ในสูตร

ผลลัพธ์ (ไทย) 3:

ฟังก์ชันตั้งฉากเชิงประจักษ์ ( ช่วง ) มีวัตถุประสงค์เพื่อศึกษาวิเคราะห์ความสัมพันธ์ระหว่าง DMI และปริมาณน้ำฝน
หมายถึงรายเดือนในประเทศไทย การวิเคราะห์เชิงฟังก์ชันซึ่ง
เป็นการศึกษาเชิงพรรณนา มีหลายตัวแปรทางสถิติโดยวิธี ใน
สูตรต่อเนื่องของช่วงหรือที่เรียกว่าการวิเคราะห์องค์ประกอบหลัก ( PCA )
[ 6 ] เทคนิคช่วงเป็นหลักวิธีเมตริกซ์ซึ่งในข้อมูลที่จะ
วิเคราะห์ข้อมูลจัดเป็นเมทริกซ์ [ 7 ] ง่ายแปลงอย่างต่อเนื่อง กาล- อวกาศ¯ละมั่ง
F ( t ; s ) , ที่ T และ S แทนตามลำดับเวลาและอวกาศในฐานะตัวแปรใหม่

กระดาษนี้จะใช้ปริมาณน้ำฝนหมายถึงรายเดือนในประเทศไทยในช่วงปี 1979 {
2008 จาก 80 สถานที่และให้ข้อมูลว่ามีมิติเวลา ( N )
คูณตัวแปร ( P ) สร้างเมตริกซ์ F P N ที่สุดในสูตร