几种改进的地球自转参数预报方法
发布时间：2021-12-25 06:54
地球的自转运动可以通过极移、日长变化、岁差及章动来描述,上述参数称为地球定向参数（EOP）。EOP包含了丰富的地球动力学信息,在卫星定轨、宇宙飞船跟踪、天文动力学、深空探测等领域有着非常重要的应用。受限于复杂的数据处理过程,空间大地测量技术获取的地球定向参数存在几小时甚至几天的滞后,然而某些实际应用需要实时获取地球定向参数数据,因此地球定向参数的预报研究具有重要的理论和实用价值。本文从回归模型定阶、数据选取、稀疏建模等方面,改进了地球定向参数预报方法,主要工作及成果如下:（1）针对目前部分已有研究中,存在自回归模型定阶方法使用不当的情况,分析是否正确使用定阶准则对AR模型阶数及LS+AR模型预报性能的影响。理论和实验结果表明,不当使用定阶准则将低估最终的模型阶数值,同时大幅降低LS+AR模型对中长期跨度内极移参数变化的预报性能。（2）针对LS+AR模型中,冗余且陈旧的数据将导致模型过学习的问题,分析研究了数据量对AR模型参数解算及最终预报性能的影响,给出了适合中长期极移参数预报的数据选择范围。实验结果表明,合理地选择AR模型基础数据量是提高极移参数预报精度的有效途径之一。（3）提出了一...
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：123 页
【学位级别】：博士
【部分图文】：
IERS发布的EOP08C04序列参数值
2 地球自转参数预报基础图 2-1 中展示了 IERSEOP08C04 序列中的各项参数，其中包括年、月、日、儒略日、极移参数的两个分量、世界时与协调时之差(UT1-UTC)、日长变化、岁差和章动的改正项 X、 Y以及上述各项参数的观测精度。IERS 发布的 EOP 序列基于多种空间测地技术的测量资料基础之上计算得到，具备非常高的测量精度。在各项 EOP 竞赛及众多学者的研究中均采用该序列作为真值以评定不同方案的预报精度，因此本文中均采用该序列作为实验和检验数据。图 2-2 中给出了 1972年至 2017 年的极移参数变化。
962-2017年剔除UT1-UTC观测数据中的闰秒前后对比
【参考文献】：
期刊论文
[1]一种考虑PMX与PMY之间相关性的极移预报新方法[J]. 王志文,王潜心,何义磊,胡超. 大地测量与地球动力学. 2017(11)
[2]基于GM（1,1）和AR组合模型的UT1-UTC超短期预报[J]. 雷雨. 时间频率学报. 2017(02)
[3]灰色系统模型在UT1–UTC超短期预报中的应用[J]. 雷雨,赵丹宁,蔡宏兵. 天文学报. 2016(03)
[4]对分量进行联合解算的极移预报方法研究[J]. 宋永志,于国栋,陈连,何子清,孙明博. 测绘科学. 2016(05)
[5]利用LS+AR模型和激发函数预报地球自转参数[J]. 李军,赵德军,陈永祥. 大地测量与地球动力学. 2015(03)
[6]BP神经网络在极移预报中的应用[J]. 张志,廖瑛,余越. 国防科技大学学报. 2015(02)
[7]VLBI和GPS观测联合解算地球自转参数和日长变化[J]. 魏二虎,刘文杰,WEI Jianan,金双根,刘经南. 武汉大学学报(信息科学版). 2016(01)
[8]基于LS+AR模型的三种方式预报地球自转参数的比较[J]. 雷雨,高玉平,蔡宏兵. 时间频率学报. 2015(01)
[9]利用LSAR模型对极移参数的中长期预报[J]. 魏二虎,杨亚利,金双根,刘经南. 测绘地理信息. 2014(04)
[10]联合GNSS和SLR观测对地球自转参数的解算与分析[J]. 魏二虎,万丽华,金双根,刘经南. 武汉大学学报(信息科学版). 2014(05)
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
[2]基于神经网络技术的地球自转变化预报[D]. 王琪洁.中国科学院研究生院（上海天文台） 2007
硕士论文
[1]GNSS解算地球自转参数及预报模型研究[D]. 王志文.中国矿业大学 2018
[2]地球自转参数综合与高精度预报算法研究[D]. 张琪.长安大学 2018
[3]基于半监督的带Elastic Net正则项BP神经网络在文本分类上的应用[D]. 陈欣.厦门大学 2017
[4]回归模型中变量选择的若干问题研究[D]. 苏莉.兰州交通大学 2017
[5]交互效应下的模型选择[D]. 陈笑弟.中国科学技术大学 2016
[6]基于BP神经网络的地球自转参数短期预测[D]. 王宗建.长安大学 2015
[7]几种变量选择方法的模拟研究和实证分析[D]. 高少龙.山东大学 2014
[8]Elastic Net方法在几类模型变量选择中的应用[D]. 黄登香.广西大学 2014
[9]高精度地球自转参数预报的理论与算法研究[D]. 孙张振.长安大学 2013
[10]改进极移预报的研究[D]. 王小辉.中南大学 2013
本文编号：3551992
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：123 页
【学位级别】：博士
【部分图文】：
IERS发布的EOP08C04序列参数值
2 地球自转参数预报基础图 2-1 中展示了 IERSEOP08C04 序列中的各项参数，其中包括年、月、日、儒略日、极移参数的两个分量、世界时与协调时之差(UT1-UTC)、日长变化、岁差和章动的改正项 X、 Y以及上述各项参数的观测精度。IERS 发布的 EOP 序列基于多种空间测地技术的测量资料基础之上计算得到，具备非常高的测量精度。在各项 EOP 竞赛及众多学者的研究中均采用该序列作为真值以评定不同方案的预报精度，因此本文中均采用该序列作为实验和检验数据。图 2-2 中给出了 1972年至 2017 年的极移参数变化。
962-2017年剔除UT1-UTC观测数据中的闰秒前后对比
【参考文献】：
期刊论文
[1]一种考虑PMX与PMY之间相关性的极移预报新方法[J]. 王志文,王潜心,何义磊,胡超. 大地测量与地球动力学. 2017(11)
[2]基于GM（1,1）和AR组合模型的UT1-UTC超短期预报[J]. 雷雨. 时间频率学报. 2017(02)
[3]灰色系统模型在UT1–UTC超短期预报中的应用[J]. 雷雨,赵丹宁,蔡宏兵. 天文学报. 2016(03)
[4]对分量进行联合解算的极移预报方法研究[J]. 宋永志,于国栋,陈连,何子清,孙明博. 测绘科学. 2016(05)
[5]利用LS+AR模型和激发函数预报地球自转参数[J]. 李军,赵德军,陈永祥. 大地测量与地球动力学. 2015(03)
[6]BP神经网络在极移预报中的应用[J]. 张志,廖瑛,余越. 国防科技大学学报. 2015(02)
[7]VLBI和GPS观测联合解算地球自转参数和日长变化[J]. 魏二虎,刘文杰,WEI Jianan,金双根,刘经南. 武汉大学学报(信息科学版). 2016(01)
[8]基于LS+AR模型的三种方式预报地球自转参数的比较[J]. 雷雨,高玉平,蔡宏兵. 时间频率学报. 2015(01)
[9]利用LSAR模型对极移参数的中长期预报[J]. 魏二虎,杨亚利,金双根,刘经南. 测绘地理信息. 2014(04)
[10]联合GNSS和SLR观测对地球自转参数的解算与分析[J]. 魏二虎,万丽华,金双根,刘经南. 武汉大学学报(信息科学版). 2014(05)
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
[2]基于神经网络技术的地球自转变化预报[D]. 王琪洁.中国科学院研究生院（上海天文台） 2007
硕士论文
[1]GNSS解算地球自转参数及预报模型研究[D]. 王志文.中国矿业大学 2018
[2]地球自转参数综合与高精度预报算法研究[D]. 张琪.长安大学 2018
[3]基于半监督的带Elastic Net正则项BP神经网络在文本分类上的应用[D]. 陈欣.厦门大学 2017
[4]回归模型中变量选择的若干问题研究[D]. 苏莉.兰州交通大学 2017
[5]交互效应下的模型选择[D]. 陈笑弟.中国科学技术大学 2016
[6]基于BP神经网络的地球自转参数短期预测[D]. 王宗建.长安大学 2015
[7]几种变量选择方法的模拟研究和实证分析[D]. 高少龙.山东大学 2014
[8]Elastic Net方法在几类模型变量选择中的应用[D]. 黄登香.广西大学 2014
[9]高精度地球自转参数预报的理论与算法研究[D]. 孙张振.长安大学 2013
[10]改进极移预报的研究[D]. 王小辉.中南大学 2013
本文编号：3551992
本文链接：https://www.wllwen.com/kejilunwen/tianwen/3551992.html