基于極限學習機的極移中長期預報*

趙丹寧，雷 雨

(1. 寶雞文理學院電子電氣工程學院，陜西 寶雞 721016；2. 西安郵電大學計算機學院，陜西 西安 710121)

地球極移表示地球瞬時自轉軸相對于地球表面或者歷元平極的運行，是表征地球自轉變化的一個重要參量，簡稱極移。極移的兩個分量xp和yp、UT1-UTC與歲差、章動統稱為地球定向參數(Earth Orientation Parameters, EOP)，地球定向參數是天球參考系和地球參考系相互轉換的必需參數。甚長基線干涉(Very Long Baseline Interferometry, VLBI)和全球導航衛星系統(Global Navigation Satellite Systems, GNSS)等空間大地測量技術的極移測定精度可達0.05 mas[1]。但由于復雜的資料處理過程，由空間大地測量技術獲取的極移結果存在一定的延遲，而深空探測和衛星精密定軌等領域對極移的實時測量有重要需求，所以對極移進行短期預報就顯得尤為必要，此外，極移中長期預報在衛星自主導航和天文地球動力學研究中也有重要應用，因此，極移的中長期預報具有重要的科學及現實意義。

國內外學者提出了多種極移預報方法，如最小二乘外推[2]、自協方差模型[3]、模糊推理系統[4]、神經網絡[5]、自回歸模型[5-6]以及這些模型的不同組合。受大氣和海洋等多種激發源的影響，極移呈現復雜的非線性、非平穩變化，因此，采用神經網絡等非線性方法對其進行預報在理論上更為合適，許多學者將神經網絡應用于極移預報，取得了較好的預報效果[7-8]。國際地球定向參數比較活動的結果也表明，神經網絡是當前極移預報精度最高的方法之一[9]。

反向傳播神經網絡是當前應用最為廣泛的一種網絡學習算法，在時間序列預測、圖像處理和自動控制等領域均有應用，但反向傳播神經網絡存在易陷入局部極小值、學習速度慢和泛化能力弱等缺點。……