利用长短时记忆网络的日长变化预报

摘要

针对日长LOD(Length-of-Day)变化具有非线性时变特性,提出了最小二乘LS(Least Squares)外推联合长短时记忆LSTM(Long Short-Term Memory)网络对日长变化进行预报的方法.通过选取不同长度的基础序列进行实验,结果表明,不同长度的基础序列对应用LS+ LSTM模型进行日长变化预报结果精度具有较大的影响,可以选用15a长度的基础序列作为最优基础序列长度.此外,进行实验与地球定向参数预报比较活动EOP PCC(Earth Orientation Parameters Prediction Comparison Campaign)结果对比,证明了该方法在日长变化预报中的可行性,尤其是在超短时和短时预报中可以获得比EOP PCC最优方法预报精度更优的结果.