《表1 1ms———5ms日长预测精度两次预测结果表》
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].
图表编号 | XD007294300 严禁用于非法目的 |
---|---|
绘制时间 | 2018.08.25 |
作者 | 阚起源 |
绘制单位 | 滁州学院 |
更多格式 | 高清、无水印(增值服务) |