LS+AR单差模型预报极移参数方法研究
Journal of Suzhou University(2020)
摘要
顾及极移序列与模型的适应性,对传统最小二乘联合自回归(LS+AR)模型预报极移的方式进行改进.对LS模型拟合后的残差序列作差分处理,通过增强残差序列的平稳性来提高残差序列与AR模型的适应度.通过实验可知,改进后模型的预报精度较传统方式有一定提高,但根据预报跨度不同,精度提高程度略有差异.总体来说,极移Y方向(PMY)的提高略优于极移X方向(PMX).PMY预报跨度为1天时,改进后模型的预报精度可提高97.5%,预报跨度为20~30天时,精度可提高30%~50%,与EOP PCC活动对比,PMX预报跨度为20~30天时,实验所用方法的预报精度均优于EOP PCC活动中的方法.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要