利用端点延拓提高LS + NN模型的UT1-UTC预报精度

作者：赵丹宁,雷雨

摘要：现有UT1-UTC预报模式在进行周期项与残差项拟合分离时,通常没有考虑最小二乘拟合序列的端部效应,预报精度难以取得较大提高。针对最小二乘拟合存在的端部效应,首先采用灰色模型在UT1-UTC序列的两端进行数据延拓,形成一个新序列,然后对新序列进行最小二乘拟合,最后再联合最小二乘和神经网络(LS+NN)模型对UT1-UTC原始序列进行外推。结果表明,对UT1-UTC序列进行端点数据延拓再进行最小二乘拟合,能够有效地改善最小二乘拟合序列的端部效应;相对于常规LS+NN模型,端部效应改善的LS+NN模型的UT1-UTC预报精度有一定提高,尤其对中长期预报精度提高更为明显。

发文机构：宝鸡文理学院电子电气工程学院 中国科学院国家授时中心

关键词：世界时预报端点延拓灰色模型最小二乘外推神经网络Universal time(UT1)PredictionEdge extensionGrey modelLeast-squares extrapolationNeural network

分类号： P227[天文地球—大地测量学与测量工程][天文地球—测绘科学与技术]