《表1 1ms———5ms日长预测精度两次预测结果表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《地球定向参数的预报与应用研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

EOP预测的过程中，应首先确定输入样本长度，合理设置输入、输出模式，这对神经网络预测效果有重要影响，如果输入样本长度过长，那么神经网络训练面临较大压力，适宜长度为10.然后，以RBF神经网络二次建模为基础完成EOP预测，借助神经网络完成对极移以及日长参数两方面的预报，与此同时，全面总结所获取观测值特点，利用模型完成特定时间段的预报，并记录预测残差，接下来进行二次预报，叠加第一次和第二次的预测结果，得到最终预测结果（如表1所示），最后，构建神经网络ARMA组合预测模型，遵循神经网络作函数模型构建、预测残差分析、预测残差随机模型构建这一原则，随着预测时间的延长，神经网络AR-MA组合预测模型在预测误差补偿方面的优势逐渐突出，误差补偿精度相应提高[5].