摘要: 现有UT1-UTC预报模式在进行周期项与残差项拟合分离时，通常没有考虑最小
二乘（least-squares，LS）拟合序列的端部效应，预报精度难以取得较大提高。针对LS拟
合存在的端部效应，首先采用灰色模型在UT1-UTC序列的两端进行数据延拓，形成一个新序
列，然后对新序列进行LS拟合，最后再联合LS外推和神经网络（LS+NN）模型对UT1-UTC原始
序列进行外推。结果表明，对UT1-UTC序列进行端点数据延拓再进行LS拟合，能够有效地改
善LS拟合序列的端部效应；相对于常规LS+NN模型，端部效应改善的LS+NN模型的UT1-UTC预
报精度有一定提高，尤其对中长期预报精度提高更为明显。
相关信息
点击量
下载量
