利用长短时记忆网络的日长变化预报

作者：徐海龙,乔书波,林家乐

摘要：针对日长LOD(Length-of-Day)变化具有非线性时变特性,提出了最小二乘LS(Least Squares)外推联合长短时记忆LSTM(Long Short-Term Memory)网络对日长变化进行预报的方法。通过选取不同长度的基础序列进行实验,结果表明,不同长度的基础序列对应用LS+LSTM模型进行日长变化预报结果精度具有较大的影响,可以选用15 a长度的基础序列作为最优基础序列长度。此外,进行实验与地球定向参数预报比较活动EOP PCC(Earth Orientation Parameters Prediction Comparison Campaign)结果对比,证明了该方法在日长变化预报中的可行性,尤其是在超短时和短时预报中可以获得比EOP PCC最优方法预报精度更优的结果。

发文机构：信息工程大学

关键词：地球定向参数日长变化长短时记忆网络预报基础序列Earth orientation parameterslength-of-day variationslong short-term memory networkpredictionbasic sequence

分类号： P228[天文地球—大地测量学与测量工程]