极移是表征地球运动的重要参数,其高精度预报值在天文学、大地测量、航海航空、海洋测绘及星际导航等实际应用中具有极其重要的意义。本文在经典组合预报模型最小二乘外推和自回归模型LS+AR的基础上,提出了两种修正算法。一种是利用Kal...极移是表征地球运动的重要参数,其高精度预报值在天文学、大地测量、航海航空、海洋测绘及星际导航等实际应用中具有极其重要的意义。本文在经典组合预报模型最小二乘外推和自回归模型LS+AR的基础上,提出了两种修正算法。一种是利用Kalman滤波对自回归模型进行修正,简称LS+AR+KF模型;另一种是利用最小均方误差自适应滤波(least mean square adaptive filtering,LMSAF)对最小二乘拟合项和外推项进行修正,简称LS+AR+AF模型。计算结果表明,无论LS+ AR+ KF或LS+AR+AF模型,其预报精度较LS+AR模型都有显著提高,且随着预报跨度的增加其精度提高更为明显;LS+AR+AF模型预报精度要优于LS+AR+KF模型,特别是长期预报结果,其360 d长期预报精度,极移 X 分量提高26%, Y 分量提高23%,极移综合精度提高24%。展开更多
文摘极移是表征地球运动的重要参数,其高精度预报值在天文学、大地测量、航海航空、海洋测绘及星际导航等实际应用中具有极其重要的意义。本文在经典组合预报模型最小二乘外推和自回归模型LS+AR的基础上,提出了两种修正算法。一种是利用Kalman滤波对自回归模型进行修正,简称LS+AR+KF模型;另一种是利用最小均方误差自适应滤波(least mean square adaptive filtering,LMSAF)对最小二乘拟合项和外推项进行修正,简称LS+AR+AF模型。计算结果表明,无论LS+ AR+ KF或LS+AR+AF模型,其预报精度较LS+AR模型都有显著提高,且随着预报跨度的增加其精度提高更为明显;LS+AR+AF模型预报精度要优于LS+AR+KF模型,特别是长期预报结果,其360 d长期预报精度,极移 X 分量提高26%, Y 分量提高23%,极移综合精度提高24%。