基础序列长度对EOP预报精度影响分析
发布时间:2021-05-25 19:38
普遍使用的LS+AR模型EOP预报方法一般未考虑基础序列长度对EOP预报精度的影响。本文采用3组不同长度的基础序列对地球极移(PMX和PMY)和自转参数(UT1-UTC) 3个参数进行预报,并采用RMSE和MAE两个精度评价指标分别对EOP参数预报精度进行分析,结果表明:MAE精度指标能够更好地反映预报值偏离真值的实际情况,更适用于EOP预报精度评估;使用LS+AR预报方法应选择适当的基础序列长度,MPX和MPY预报适合采用约7年长度的基础序列,UT1-UTC预报适合采用约5年长度的基础序列。
【文章来源】:测绘与空间地理信息. 2020,43(09)
【文章页数】:5 页
【文章目录】:
0 引言
1 EOP预报方法
1.1 最小二乘外推模型
1.2 自回归滑动平均(ARMA)模型
1.2.1 ARMA模型
1.2.2 模型识别
1.2.3 模型定阶
1.2.4 AR模型参数估计
2 实验分析
2.1 A序列精度分析
2.2 B序列精度分析
2.3 C序列精度分析
2.4 A、B、C三组序列对比分析
3 结束语
【参考文献】:
期刊论文
[1]利用端部效应改正的LS+AR模型进行日长变化预报[J]. 刘建,王琪洁,张昊. 武汉大学学报(信息科学版). 2013(08)
博士论文
[1]地球自转参数高精度预报方法研究[D]. 雷雨.中国科学院研究生院(国家授时中心) 2016
硕士论文
[1]地球定向参数极移的预报理论与方法研究[D]. 张昊.中南大学 2012
[2]地球定向参数预报理论与方法研究[D]. 徐君毅.解放军信息工程大学 2010
本文编号:3205895
【文章来源】:测绘与空间地理信息. 2020,43(09)
【文章页数】:5 页
【文章目录】:
0 引言
1 EOP预报方法
1.1 最小二乘外推模型
1.2 自回归滑动平均(ARMA)模型
1.2.1 ARMA模型
1.2.2 模型识别
1.2.3 模型定阶
1.2.4 AR模型参数估计
2 实验分析
2.1 A序列精度分析
2.2 B序列精度分析
2.3 C序列精度分析
2.4 A、B、C三组序列对比分析
3 结束语
【参考文献】:
期刊论文
[1]利用端部效应改正的LS+AR模型进行日长变化预报[J]. 刘建,王琪洁,张昊. 武汉大学学报(信息科学版). 2013(08)
博士论文
[1]地球自转参数高精度预报方法研究[D]. 雷雨.中国科学院研究生院(国家授时中心) 2016
硕士论文
[1]地球定向参数极移的预报理论与方法研究[D]. 张昊.中南大学 2012
[2]地球定向参数预报理论与方法研究[D]. 徐君毅.解放军信息工程大学 2010
本文编号:3205895
本文链接:https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3205895.html