太阳与空间数据的主成分与独立成分分析
天体物理学
2009-11-13 v1
摘要
主成分分析 (PCA) 和独立成分分析 (ICA) 被用于识别太阳和空间数据中的全局模式。PCA 寻求由数据集构建的两点相关矩阵的正交模态。它允许识别在整个时间序列中保持相干和相关或重复出现的结构。ICA 寻求最大独立模态，并考虑数据的所有阶相关性。我们将 PCA 应用于距太阳约 1 AU 处的行星际磁场极性，以及太阳日冕中 3.25 个太阳半径源表面场。在太阳活动周 23 的活跃期间，这两个系统的两扇区结构旋转以极高精度同步变化。随后，我们利用 PCA 和 ICA 在北极半球磁场卡林顿图中寻找优选经度。
引用
@article{arxiv.0709.3263,
title = {Principal Components and Independent Component Analysis of Solar and Space Data},
author = {A. C. Cadavid and J. K. Lawrence and A. Ruzmaikin},
journal= {arXiv preprint arXiv:0709.3263},
year = {2009}
}
备注
20 pages, 13 figures