LS+AR模型预报极移的一种修正算法

极移反映了地极的运动情况,在卫星导航、大地测量等相关领域具有重要作用,但当前观测技术并不能实时得到高精度极移观测值。顾及极移序列的时变性特点,将Kalman滤波引入LS+AR模型对预报结果进行修正。实验结果表明:该修正模型在极移短期预报方面优于LS+AR模型,且随着预报时间的增加,精度提高明显,同时与地球自转参数预测方案比较大会战(EOP PCC)活动对比可知,该模型短期预报精度优于EOP PCC活动中大多数方法。