改進極移預報的研究.pdf

1、高精度的地球定向參數(shù)(EOP)具有重要的科學意義和實際應用價值。EOP是天球參考框架和地球參考框架之間轉換的必要條件;同時，深空探測和衛(wèi)星導航等領域對EOP的預報值呈現(xiàn)出日益增長的需求。
　　現(xiàn)代測地技術(VLBI，GPS，SLR等)是獲取EOP的主要手段，但是由于復雜的數(shù)據(jù)處理過程，獲取EOP往往存在時間延遲。為了滿足EOP使用的實時性需求，國內(nèi)外廣泛開展了EOP預報的相關研究。目前，EOP中的UT1-UTC、日長變化和歲差章動

2、模型都取得了較為實用的預報成果。但是在極移預報方面，由于其自身激發(fā)機理的復雜性，預報結果并不很理想。因此，作為EOP預報的重要組成部分，極移預報是一項值得深入研究的工作。
　　本文主要進行改進極移預報的相關研究，主要從兩方面著手，一是改進模型的預報，主要改善神經(jīng)網(wǎng)絡中最新的一種模型——最小二乘支持向量機;二是完善物理建模的預報，引入大氣、海洋激發(fā)源。
　　主要研究內(nèi)容如下:
　　(1)將最小二乘支持向量機應用于極移序列

3、的預報中。地球定向參數(shù)包含復雜的非線性因素，應用非線性模型進行預報是較好的選擇途徑之一。本文將新的機器學習模型——最小二乘支持向量機應用于極移預報，該模型能夠更好的處理包含非線性因素的數(shù)據(jù)。實驗結果證明了將該模型應用于極移預報中具有可行性和有效性。
　　(2)由于單一模型對于極移殘差序列預報的改善有限。GM(1，1)因具有簡單有效，易于編程實現(xiàn)等優(yōu)點被廣泛應用于預測領域。但是該模型適合短期預報。本文嘗試將最小二乘支持向量機和GM(

4、1，1)模型的組合模型應用于極移殘差序列的預報中。實驗結果證明了該組合模型對1-10天的超短期預報精度有改善。
　　(3)將經(jīng)驗模式分解應用到極移短期預報中。考慮到極移包含的高頻信號對于極移短期預報有阻礙作用。經(jīng)驗模式分解能夠充分保留信號本身擁有的非平穩(wěn)和非線性特征;具有自適應能力強;對信號類型沒有限制等特點。本文采用經(jīng)驗模式分解對極移序列進行分解，去除高頻信號，然后基于最小二乘外推模型和最小二乘支持向量機模型的組合模型對去除高頻

5、信號的重構極移序列進行1-30天的短期預報。實驗結果表明，將該模型應用到極移短期預報具有可行性，預報精度有明顯改善。
　　(4)考慮大氣、海洋和極移具有相關性，將大氣和海洋角動量x1、x2序列通過積分轉換到極移域中，獲得由大氣、海洋激發(fā)的極移序列;在預報模型中分別加入這兩個激發(fā)序列。實驗結果表明，加入激發(fā)的極移序列以后，預報精度有改善。
　　同時，考慮大氣和海洋角動量既有方向又有大小，首次將大氣和海洋角動量看作矢量，進行矢量