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 field 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:

การวิเคราะห์ผล Orthogonal ฟังก์ชัน (EOF) ใช้ตรวจสอบความสัมพันธ์ระหว่าง DMI และปริมาณน้ำฝนเฉลี่ยรายเดือนในประเทศไทย การวิเคราะห์ฟังก์ชัน Orthogonal ประจักษ์เป็นวิธีทางสถิติตัวแปรพหุการอธิบาย ในสูตรเดี่ยว ๆ EOF ได้หรือที่เรียกว่าหลักส่วนประกอบวิเคราะห์ (PCA) [6] เทคนิค EOF คือ หลักวิธีเมตริกซ์ ซึ่งข้อมูลที่จะวิเคราะห์ได้ถูกจัดลงในเมทริกซ์ [7] แปลงเชิงเส้นเขต space-time ต่อเนื่อง F (t, s), ที่ t และ s แสดงตามลำดับเวลาและปริภูมิตำแหน่งตัวแปรใหม่ กระดาษนี้ใช้ปริมาณน้ำฝนเฉลี่ยรายเดือนในช่วง 1979–2008 จากตำแหน่งที่ตั้งที่ 80 และชุดข้อมูลที่มีมิติเวลา (n) คูณ ด้วยตัวแปร (p)

ผลลัพธ์ (ไทย) 2:

ฟังก์ชั่นเชิงประจักษ์ตั้งฉาก (EOF) การวิเคราะห์ถูกนำมาใช้ในการตรวจสอบความสัมพันธ์ระหว่าง DMI และปริมาณน้ำฝนเฉลี่ยรายเดือนในประเทศไทย ฟังก์ชั่นการวิเคราะห์เชิงประจักษ์ฉากเป็นวิธีการทางสถิติหลายตัวแปรอธิบาย ในสูตรต่อเนื่องของ EOF เป็นที่รู้จักกันเป็นหลักส่วนประกอบวิเคราะห์ (PCA) [6] เทคนิค EOF เป็นหลักวิธีเมทริกซ์ซึ่งในข้อมูลที่จะวิเคราะห์การจัดเรียงเป็นเมทริกซ์ [7] เส้นตรงเปลี่ยนพื้นที่เวลา F อย่างต่อเนื่องเขต (t, s) ที่ s เสื้อและแสดงตามลำดับเวลาและตำแหน่งเชิงพื้นที่กับตัวแปรใหม่ กระดาษนี้จะใช้ปริมาณน้ำฝนเฉลี่ยรายเดือนในประเทศไทยในช่วงระยะเวลา 1979-2008 จาก 80 สถานที่และได้รับชุดข้อมูลที่มีเวลามิติ (n) คูณด้วยตัวแปร (P) สร้าง n × F พีเมทริกซ์ในสูตร

ผลลัพธ์ (ไทย) 3:

ฟังก์ชันตั้งฉากเชิงประจักษ์ ( ช่วง ) วิเคราะห์มีวัตถุประสงค์เพื่อศึกษาความสัมพันธ์ระหว่างปริมาณน้ำฝนเฉลี่ยรายเดือนและดีในไทย การวิเคราะห์เชิงฟังก์ชันหลายตัวแปรซึ่งเป็นสถิติเชิงพรรณนา . ในสูตรที่ไม่ต่อเนื่องของช่วงหรือที่เรียกว่าการวิเคราะห์องค์ประกอบหลัก ( PCA ) [ 6 ] เทคนิคช่วงเป็นหลักของเมทริกซ์โดยฟังก์ชันตั้งฉากเชิงประจักษ์ ( ช่วง ) วิเคราะห์มีวัตถุประสงค์เพื่อศึกษาความสัมพันธ์ระหว่างปริมาณน้ำฝนเฉลี่ยรายเดือนและดีในไทย การวิเคราะห์เชิงฟังก์ชันหลายตัวแปรซึ่งเป็นสถิติเชิงพรรณนา . ในสูตรที่ไม่ต่อเนื่องของช่วงหรือที่เรียกว่าการวิเคราะห์องค์ประกอบหลัก ( PCA ) [ 6 ] เทคนิคช่วงเป็นหลักของเมทริกซ์โดยซึ่งข้อมูลที่จะนำมาจัดเป็นเมทริกซ์ [ 7 ] น้ำหนักเปลี่ยนสนามกาล- อวกาศอย่างต่อเนื่อง F ( T , s ) , ที่ T และ S แทนตามลำดับเวลาพื้นที่และตำแหน่งให้กับตัวแปรใหม่ กระดาษนี้จะใช้ปริมาณน้ำฝนหมายถึงรายเดือนในประเทศไทยในช่วงปี 1979 – 2551 จาก 80 สถานที่และให้ข้อมูลว่ามีมิติเวลา ( N ) คูณด้วยตัวแปร ( P )สร้าง n × P เมตริกซ์ F ในสูตร