基于極限學習機的極移中長期預報

作者：趙丹寧,雷雨

摘要：傳統的極移預報多是基于最小二乘外推和自回歸等線性模型,但極移包含了復雜的非線性成分,線性模型的預報效果往往不甚理想.將一種新型神經網絡極限學習機(Extreme Learning Machine,ELM)用于極移中長期預報.首先利用最小二乘外推模型對極移序列進行擬合,獲得趨勢項外推值,然后采用極限學習機對最小二乘擬合殘差進行預報,最終的極移預報值為趨勢項外推值與殘差預報值之和.將極限學習機的預報結果同反向傳播(Back Propagation,BP)神經網絡與地球定向參數預報比較活動(Earth Orientation Parameters Prediction Comparison Campaign,EOP PCC)的預報結果進行對比,結果表明,極限學習機用于極移中長期預報是高效可行的.

發文機構：寶雞文理學院電子電氣工程學院 西安郵電大學計算機學院

關鍵詞：極移預報極限學習機神經網絡預報模型Polar motionPredictionExtreme learning machineNeural networkPrediction model

分類號： P227[天文地球—大地測量學與測量工程][天文地球—測繪科學與技術]