基于ARIMA模型的地球自转参数预报研究

为了提高基于ARIMA模型的地球自转参数预报精度,着重分析了ERP数据序列预处理中周期项成分的精确获取技术、ARMA模型阶次的优化选择问题,以及ERP数据序列不同差分次数对模型精度的影响。利用国际地球自转和参考系统服务组织公布的ERP最终产品,365组预报结果表明,UT1-UTC预报30d精度可达3.398 6ms,10d以内预报应选取2次差分模型,10d以上选取1次差分模型;日长预报30d精度可达0.337 5ms,应选取零次差分预报模型;Xp预报30d精度为11.189 1mas,Yp预报30d精度为7.932 1mas,两者均选择1次差分模型。

基于有效角动量函数的多参数极移预报

极移的变化与多种激发息息相关,这些激发包括大气表面压力和大气风、海底压力和洋流、陆地水分布以及气候变暖导致的海平面变化,并且可以通过有效角动量函数来估计.在极移预报中,通过刘维尔方程融合有效角动量函数,并利用最小二乘与自回归组合的方法进行拟合及外推,同时,对自回归模型的可调节参数设置更多的选择,在不同的极移预报阶段,对于不同分量的预报匹配更优的参数,有效地提高了极移的预报精度.在441次1-90 d的极移预报实验中,短中期的预报改善更为明显,在1-6 d和7-30 d的极移X预报结果中,分别有56.9%和53.5%优于国际地球自转服务(International Earth Rotation Service,IERS)的预报;在1-6 d和7-30 d的极移Y预报结果中,分别有66.5%和59.7%优于IERS的预报.整体上,极移Y的预报精度比极移X的预报精度有更多的提升,以IERS的地球定向参数(Earth Orientation Parameters,EOP)产品EOP 14 C04(IAU2000A)为参考,极移X预报在第1 d、第5 d的MAE(Mean Absolute Error)与IERS预报相比分别降低了2.6%和33.0%,极移Y预报在第1 d、第5 d的MAE与IERS预报相比分别降低了20.8%和49.0%.

顾及ENSO的UT1-UTC预报干预模型

为了进一步提高地球自转参数(ERP)的预报精度,提出一种顾及ENSO的UT1-UTC预报干预模型:分析厄尔尼诺(El Niño)和拉尼娜(La Niña)现象对世界时与协调世界时之差(UT1-UTC)的短期影响;给出干预模型类别,以及干预模型作用时机的确定方法,并构建ERP预报干预模型。结果表明,采用干预事件的影响逐渐开始,并短暂影响的干预模型类别,基于拟合误差作为干预基础序列,结合提出的干预模型作用时机标准,提出的干预模型能够显著改善UT1-UTC的短期预报精度,预报跨度180 d的提升幅度在3 ms左右。