Key points are not available for this paper at this time.
주성분 분석(PCA)은 원본 데이터 세트의 차원을 줄이기 위한 통계 기법입니다. 이 방법은 대기와 토양에서 오염원을 탐지하기 위해 환경 분석에서 자주 사용됩니다. 그러나 일부 변수가 주성분과 상관관계가 있을 때 PCA 결과는 해석하기 어려울 수 있습니다. 이 경우 PCA와 다른 방법을 결합하여 불확실성을 더 잘 설명하는 것이 유용할 수 있습니다. 본 연구에서는 이탈리아 북부 브레시아 시 주변의 산업 지역 근처의 농경지에서 토양 오염에 대한 배출원 파악을 개선하기 위해 PCA와 크리깅 알고리즘의 결합을 조사하였습니다. 이 지역의 유기 및 무기 미세오염 물질 농도가 법적 한계를 초과하는 곳에서 3개의 변수 클러스터가 조사된 지역의 배출원을 결정했습니다. 주성분들은 대부분의 중금속 및 유기 화합물의 정보를 응축합니다. PCA 분석만으로는 불가능했던 요소들에 대한 배출원을 찾기 위해 공간 평가가 유용할 수 있음을 입증하였습니다.
Bonelli et al. (Sat,)는 이 문제를 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: