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%.

基于地球流体有效角动量函数的UT1分段预报

世界时UT1的变化受到大气、海洋、陆地水圈等多种激发因素的影响,这些激发因素可以由地球流体有效角动量函数EAM(effective angular momentum)描述。基于德国地学研究中心地球系统建模小组ESMGFZ(Earth System Modeling at GeoForschungsZentrum)的有效角动量函数和国际地球自转和参考系服务IERS(International Earth Rotation and Reference Systems Service)的EOP(Earth orientation parameters)数据,使用最小二乘法LS(least square)和自回归模型AR(auto regression)方法,通过一系列实验,参数搜索,最终,针对不同的预报跨度,采用不同的参数对世界时UT1进行预报。在2019年至2021年进行的495次预报实验中,对比IERS的预报结果,在未来第6天,第30天,第90天,平均绝对误差MAE(mean absolute error)分别降低了0.0874 ms,0.4999 ms,1.4764 ms,提升分别为37.43%、14.72%、11.82%;对比传统LS+AR的预报结果,在未来第6天,第30天,第90天,MAE分别降低了0.6315 ms,1.1347 ms,2.3761 ms,提升分别为81.21%、28.15%、17.74%。