分类: 天文学 >> 天文学 提交时间: 2018-12-24 合作期刊: 《天文研究与技术》
摘要: 现有UT1-UTC预报模式在进行周期项与残差项拟合分离时,通常没有考虑最小 二乘(least-squares,LS)拟合序列的端部效应,预报精度难以取得较大提高。针对LS拟 合存在的端部效应,首先采用灰色模型在UT1-UTC序列的两端进行数据延拓,形成一个新序 列,然后对新序列进行LS拟合,最后再联合LS外推和神经网络(LS+NN)模型对UT1-UTC原始 序列进行外推。结果表明,对UT1-UTC序列进行端点数据延拓再进行LS拟合,能够有效地改 善LS拟合序列的端部效应;相对于常规LS+NN模型,端部效应改善的LS+NN模型的UT1-UTC预 报精度有一定提高,尤其对中长期预报精度提高更为明显。
分类: 天文学 >> 天文学 提交时间: 2018-05-15 合作期刊: 《天文研究与技术》
摘要: 现有UT1-UTC预报模式在进行周期项与残差项拟合分离时,通常没有考虑最小二乘拟合序列的端部畸变现象(数据处理中称为端部效应),预报精度难以取得较大改善。针对最小二乘拟合存在的端部畸变现象,首先采用时序分析方法在UT1-UTC序列两端进行数据延拓,形成一个新序列,然后用新序列求解最小二乘外推模型系数,最后再联合最小二乘外推模型及神经网络对UT1-UTC序列进行预测。结果表明,在UT1-UTC序列端部增加延拓数据,可以有效地抑制最小二乘拟合序列的端部畸变;相对于常规最小二乘外推模型,基于端部效应改善的最小二乘(edge-effect corrected least squares,ECLS)外推模型的UT1-UTC中长期预报精度改善明显。