相關分析
　　
　　相關分析（correlation analysis）是研究現象之間是否存在某種依存關系，并對具體有依存關系的現象探討其相關方向以及相關程度，是研究隨機變量之間的相關關系的一種統計方法。
　　
　　相關性的元素之間需要存在一定的聯系或者概率才可以進行相關性分析。相關性不等于因果性，也不是簡單的個性化，相關性所涵蓋的范圍和領域幾乎覆蓋了我們所見到的方方面面，相關性在不同的學科里面的定義也有很大的差異。相關性分析分為其中線性相關分析、偏相關分析、距離分析等，在這里，小編介紹下在風資源評估中對測風數據進行插補及訂正過程時應用尤其廣泛的線性相關分析方法。 　　
　　圖中相關性方程表示的是根據統計的兩組數據元素擬合出直線的方程，根據方程顯示的關系來對測風數據進行插補、訂正，其中r2是判定一個線性回歸直線的擬合優度好壞的判定指標，r的大小用以評定相關性的好壞程度。通常r的使用標準大致如下所示：
　　
　　˙|r|>0.95 存在顯著性相關；
　　
　　˙|r|≥0.8 高度相關；
　　
　　˙0.5≤|r|<0.8 中度相關；
　　
　　˙0.3≤|r|<0.5 低度相關；
　　
　　˙|r|<0.3 關系極弱，認為不相關
　　
　　然而這個標準并不唯一，在風資源評估中相關性好與不好沒有一個明確的界限來區分。尤其在日前山地復雜地形風電場開發如火如荼的趨勢下，測風塔與長期測站的測風同期數據相關系數r的數值通常很難處于大于0.8的水平，小編認為可適當降低相關系數的使用水平，從而可以最大程度的使用長期測站的資料。當然，測風塔與長期測站的測風同期數據相關系數r的數值經常會出現很低的情況，如下圖相關關系圖所示。 　　
　　出現上圖所示的情況時，相關系數r數值處于0.3以下的水平，因此不能用相關方程進行插補，可采用其他方法進行缺測數據的插補，例如風切變插補、比值法插補等等。
　　
　　對于線性相關分析的應用，需要根據具體實測數據與長期測站同期數據進行細致分析，因勢利導，方法不是目的，解決問題才是王道！