利用经验模态分解提高极移预报精度

• 作者: 蔡宏兵 赵丹宁 雷雨
• 来源期刊: 天文研究与技术－国家天文台台刊
• 学科: 地球科学
• 关键词: 极移 预报 经验模态分解 最小二乘 自回归模型
• 年，卷（期）: 2018,（2）
• 页码范围: 140-150
• 页数: 11页
• 分类号: P227.1
• 字数: 1487字
• 语种: 中文

摘要

经验模态分解(Empirical Mode Decomposition, EMD)是一种数据驱动的自适应非线性、非平稳信号分解方法.为提高极移预报精度,将经验模态分解应用于极移预报中.首先利用经验模态分解方法对极移序列进行分解,获得极移的高频分量和低频分量;然后采用最小二乘(Least Squares, LS)外推模型对极移低频分量进行拟合,获得最小二乘拟合残差;其次采用自回归(Autoregressive, AR)模型对极移高频分量和最小二乘拟合残差之和进行建模预报;最后将最小二乘模型和自回归模型外推值相加获得极移预报值.将经验模态分解和LS+AR组合模型预报结果与LS+AR模型预报以及地球定向参数预报比较竞赛(Earth Orientation Parameters Prediction Comparison Campaign,EOP PCC)的预报结果进行比较,结果表明,将经验模态分解应用于极移预报中,可以明显改善极移预报精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷雨	中国科学院国家授时中心	44	234	9.0	12.0
5	赵丹宁	中国科学院国家授时中心	25	136	7.0	10.0
9	蔡宏兵	中国科学院国家授时中心	16	61	5.0	6.0