改進的LS+AR模型在極移短期預測中的應用研究

張軍杰

（上海市巖土地質研究院有限公司，上海 200072）

0.引言

極移是指地球的極點在地球表面發(fā)生有規(guī)律的緩慢變化的現(xiàn)象，極移參數(shù)作為地固坐標系和天球坐標系的轉換參數(shù)之一，在深空探測、衛(wèi)星定軌和激光測月等領域中均有著廣泛地應用[1]。但是由于復雜的數(shù)據(jù)處理過程，得到的最終極移參數(shù)存在著時間上的滯后性，無法滿足某些要求實時或準實時極移參數(shù)的領域[2]。尤其是隨著北斗二代衛(wèi)星導航系統(tǒng)的逐步拓展，對極移參數(shù)的時效性和精度的需求日益迫切[3]，因此，如何提高極移參數(shù)的短期預報精度成為亟需解決的問題。

近年來，國內外學者對于極移參數(shù)預報做了大量有益的研究工作，提出了很多非常實用的模型。神經(jīng)網(wǎng)絡模型（Artificial Neural Network,ANN）是常見的模型之一。人工神經(jīng)網(wǎng)絡是由大量處理單元互聯(lián)組成的非線性、自適應信息處理系統(tǒng)，王琪潔等人研究和探索了應用非線性的神經(jīng)網(wǎng)絡技術，將大氣角動量時間序列引入到地球自轉變化預報中，改善地球自轉參數(shù)（ERP）的預報精度，以及應用神經(jīng)網(wǎng)絡技術預報El Nino南方濤動（ENSO）事件，結果證實了神經(jīng)網(wǎng)絡具有良好的非線性預報能力。張志、廖瑛等人利用傅里葉分析法，獲得了插值基礎序列的周期，驗證了極移參數(shù)基礎序列重采樣的可行性，然后提取插值后的基礎序列數(shù)據(jù)的趨勢項，利用多輸入—單輸出反向傳播（Back Propagation，BP）神經(jīng)網(wǎng)絡進行建模，預報不同跨度的殘差序列項,最后合并趨勢項和殘差序列得到最終的極移參數(shù)預報。……