利用長短時記憶網絡的日長變化預報

作者：徐海龍,喬書波,林家樂

摘要：針對日長LOD(Length-of-Day)變化具有非線性時變特性,提出了最小二乘LS(Least Squares)外推聯合長短時記憶LSTM(Long Short-Term Memory)網絡對日長變化進行預報的方法。通過選取不同長度的基礎序列進行實驗,結果表明,不同長度的基礎序列對應用LS+LSTM模型進行日長變化預報結果精度具有較大的影響,可以選用15 a長度的基礎序列作為最優基礎序列長度。此外,進行實驗與地球定向參數預報比較活動EOP PCC(Earth Orientation Parameters Prediction Comparison Campaign)結果對比,證明了該方法在日長變化預報中的可行性,尤其是在超短時和短時預報中可以獲得比EOP PCC最優方法預報精度更優的結果。

發文機構：信息工程大學

關鍵詞：地球定向參數日長變化長短時記憶網絡預報基礎序列Earth orientation parameterslength-of-day variationslong short-term memory networkpredictionbasic sequence

分類號： P228[天文地球—大地測量學與測量工程]