基于极限学习机的极移中长期预报

作者：赵丹宁,雷雨

摘要：传统的极移预报多是基于最小二乘外推和自回归等线性模型,但极移包含了复杂的非线性成分,线性模型的预报效果往往不甚理想.将一种新型神经网络极限学习机(Extreme Learning Machine,ELM)用于极移中长期预报.首先利用最小二乘外推模型对极移序列进行拟合,获得趋势项外推值,然后采用极限学习机对最小二乘拟合残差进行预报,最终的极移预报值为趋势项外推值与残差预报值之和.将极限学习机的预报结果同反向传播(Back Propagation,BP)神经网络与地球定向参数预报比较活动(Earth Orientation Parameters Prediction Comparison Campaign,EOP PCC)的预报结果进行对比,结果表明,极限学习机用于极移中长期预报是高效可行的.

发文机构：宝鸡文理学院电子电气工程学院 西安邮电大学计算机学院

关键词：极移预报极限学习机神经网络预报模型Polar motionPredictionExtreme learning machineNeural networkPrediction model

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]