利用长短时记忆网络的日长变化预报

• 作者: 徐海龙 乔书波 林家乐
• 来源期刊: 测绘科学技术学报
• 关键词: 地球定向参数 日长变化 长短时记忆网络 预报 基础序列
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 大地测量学与导航|Geodesy and Navigation
• 页码范围: 474-478
• 页数: 5页
• 分类号: P228
• 语种: 中文
• DOI: 10.3969/j.issn.1673-6338.2020.05.006

摘要

针对日长LOD(Length-of-Day)变化具有非线性时变特性,提出了最小二乘LS(Least Squares)外推联合长短时记忆LSTM(Long Short-Term Memory)网络对日长变化进行预报的方法.通过选取不同长度的基础序列进行实验,结果表明,不同长度的基础序列对应用LS+ LSTM模型进行日长变化预报结果精度具有较大的影响,可以选用15a长度的基础序列作为最优基础序列长度.此外,进行实验与地球定向参数预报比较活动EOP PCC(Earth Orientation Parameters Prediction Comparison Campaign)结果对比,证明了该方法在日长变化预报中的可行性,尤其是在超短时和短时预报中可以获得比EOP PCC最优方法预报精度更优的结果.