Vícerozměrná statistická analýza povodní na řece Sázavě v období 1961 - 2000

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25310%2F07%3A00006183" target="_blank" >RIV/00216275:25310/07:00006183 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Vícerozměrná statistická analýza povodní na řece Sázavě v období 1961 - 2000

Popis výsledku v původním jazyce

Vícerozměrná statistická analýza je založena na latentních proměnných, které jsou lineární kombinací původních. Zdrojová matice dat obsahuje kvalitativní znaky v 13 sloupcích a sledované povodně jako objekty v 25 řádcích zdrojové matice dat. Cílem analýzy dat je nalézt shluk podobných si povodní a podobných znaků, jež povodně popisují. Podobnost povodní je posuzována na základě jistých podobností či vzdálenosti povodní v 13-rozměrném prostoru všech znaků dle kritéria, že čím je Mahalonobisova vzdálenostshluků povodní větší, tím menší je jejich vzájemná podobnost. Strukturu a vazby mezi sledovanými znaky vystihují metody snížení dimensionality. Rozptylový diagram skóre zobrazuje objekty, rozptýlené v rovině prvních dvou hlavních komponent (PCA) či faktorů (FA). Graf komponentních vah porovnává vzdálenosti (podobnosti) mezi znaky, kde krátká vzdálenost značí silnou korelaci dvou znaků. Znaky ale také povodně lze seskupovat do shluků hierarchicky, a to dle předem zvoleného způsobu metrik

Název v anglickém jazyce

Multivariate Statistical Analysis of Floods on the River Sázava within 1961 - 2000

Popis výsledku anglicky

Multivariate statistical analysis is based on the latent variables which are formed as the linear combination of original variables. The source data matrix contains here objects in 25 rows (floods) and variables (properties of floods) in 13 columns. Before data treatment the data are scaled. Similarity of objects and variables is considered on base on Mahalanobis distance in the 13-dimensional space. The principal components analysis PCA reduces dimensionality and presents floods in two or three dimensions. The plot of components weight shows hidden structure among variables while the scatterplot shows the hidden structure of objects. The cluster analysis leads to clusters which may be plotted in dendrogram. There are two dendrograms available, the dendrogram of variables properties) and the dendrogram of objects (floods).

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

CB - Analytická chemie, separace

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2007

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Vodní hospodářství

ISSN

1211-0760

e-ISSN

—

Svazek periodika

57

Číslo periodika v rámci svazku

12

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

5

Strana od-do

419-423

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—