| 经验模式分解在极移超短期预报中的应用 |
| |
| 引用本文： | 王小辉,王琪洁,刘建.经验模式分解在极移超短期预报中的应用[J].天文学报,2012,53(6). |
| |
| 作者姓名： | 王小辉 王琪洁 刘建 |
| |
| 作者单位： | 中南大学地球科学与信息物理学院 长沙 410083 |
| |
| 摘 要： | 经验模式分解(Empirical Mode Decomposition,简称EMD)是一种数据驱动的自适应非线性时变信号分解方法,可以把数据分解成具有物理意义的模式函数分量.采用EMD对极移序列进行分解,去除序列中的高频信号,然后基于最小二乘外推(Least Squares Extrapolation,简称LSE)和广义回归神经网络(General Regression Neural Network,简称GRNN)的组合模型对去除高频信号的极移序列进行1～10d的超短期预报.实验结果表明:将该模型应用到极移超短期预报具有可行性,预报精度有明显改善.
|
| 关 键 词： | 天体测量 时间 方法 数据分析 |
Application of Empirical Mode Decomposition in the Ultra Short-Term Prediction of Polar Motion |
| |
| WANG Xiao-hui
,
WANG Qi-jie
,
LIU Jian.Application of Empirical Mode Decomposition in the Ultra Short-Term Prediction of Polar Motion[J].Acta Astronomica Sinica,2012,53(6). |
| |
| Authors: | WANG Xiao-hui WANG Qi-jie LIU Jian |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
