我见到了双子座流星雨

每年12月中旬,如果看到一颗流星划破天空,它的反向延长线经过双子座α星附近,天文爱好者都知道,那也许就是双子座流星群中的一颗,据北京天文馆网站(www.bjp.org.cn)预报,14日2点45分、23点双子座流星雨达到峰值。 13日晚我稍做准备,上了楼顶,仰头一看,天空万里无云,昴星团清晰可见,月亮还没爬出山顶。我正漫不经心地欣赏着这美丽的冬季星空、打量着魁梧的猎     

2009年双子座流星雨结果简报

预报 天文爱好者都知道,现在北半球三大流星雨,分别是每年1月4日左右达到极大的象限仪流星雨、8月13日左右达到极大的英仙座流星雨和12月14日左右达到极大的双子座流星雨。     

洱海赏“金环”——“2010．1．15大理日环食-中国天文爱好者星空大会”侧记

据有关部门预报,2010年1月15日的日环食全程持续约5个小时,环食带宽达500千米以上;日环食约于15日13时13分从非洲中部的乍得开始,经过印度、缅甸等国家,16时37分从中缅边境云南省瑞丽地区进入中国,16时58分在中国胶东半岛结束。     

二次多项式模型和灰色理论模型在接收机钟差预报中的应用和比较

为了更好地对接收机钟差作科学、准确的预报,基于实验室解算出的接收机钟差数据,分别采用二次多项式模型和灰色理论模型对接收机钟差进行了预报和分析.预报结果及其比较表明,对于需要用少量接收机钟差数据建立预报模型时,灰色理论模型预报不论是单点预报还是多点(30个点)预报,其预报精度都优于二次多项式预报模型,可以在实际工作中应用.     

两种样本输入方式下基于GRNN的日长变化预报结果的比较

针对广义回归神经网络用于日长变化预报过程中,样本的输入方式对预报结果的影响进行了研究。采用2种输入方式:即样本按不同跨度输入以及按连续输入,对日长变化进行预报。最终证明不同的样本输入方式对日长变化预报精度的影响较大,样本按跨度输入在超短期预报中预报精度较高,样本采用连续输入的方式在短期和中期预报中预报精度较高。     

误解与真相——揭开’98狮子座流星雨神秘面纱

根据预报,回归周期为３３年的狮子座流星雨应于世界时１９９８年１１月１７日１９时到２１时,也即在北京时间１１月１８日凌晨３点到５点之间出现极大,相应的太阳黄经位置为λ＝２３５°．２５到２３５°．３０（历元２０００）,东亚地区处于最佳观测位置。上次１９６...     

样本输入方式对极端学习机预报日长变化的影响

针对极端学习机(Extreme Learning Machine,ELM)用于日长(Length-Of-Day,LOD)变化预报过程中,样本输入方式对预报结果的影响进行了研究。采用跨度、连续和迭代3种样本输入方式对日长变化进行预报。结果表明,不同的样本输入方式对预报结果有很大影响,样本按跨度输入的预报精度最低;样本采用连续输入方式在短期和中长期预报中预报精度较高,但计算速度较慢,较适合中长期预报;样本按迭代输入方式的短期预报精度稍优于连续输入方式,而中长期预报精度则不如连续输入方式,但具有较高的预报效率。这对于日长变化的实时快速预报有着较高的现实意义。     

电离层TEC预报的直接法和间接法及其比较

提出用时间序列分析理论中的ARIMA(p,d,q)模型对电离层进行预报的直接法及间接法.直接法也就是对每个网格点上的电子总含量所形成的时间序列进行直接预报.间接法为:首先对电离层电子总含量用球谐函数拟合得到拟合系数的时间序列;再用时间序列分析理论中的ARIMA(p,d,q)模型对拟合系数进行预报;然后计算出对应时刻所需点的电子总含量.利用2004年1月1日至2005年1月31 International GPS Service(IGS)所给出的电离层资料对提出的两种方法进行检验和比较,结果表明,在12天以内,上述两种方法的预报结果基本一致,长于12天的预报时,间接法的精度高于直接法.在20天时间内,预报值与已知值之差小于3个TECU的电离层点数占总点数的百分比基本上都在80%左右;随着时间的推移,这个比值的下降对直接法并不明显,而对间接法则有所下降.显然,直接法适用于区域性的电子总含量的预报;而间接法适用于全球性的电子总含量的预报.     

大气角动量函数在日长变化非线性预报中的重要作用

日长变化具有复杂的时变特性,传统的线性时间序列分析方法往往难以取得良好的预报效果.采用非线性人工神经网络技术对日长变化进行预报,网络模型的拓扑结构由最小均方误差法来确定.考虑到日长变化与大气环流运动间的密切关系,在神经网络预报模型中引入轴向大气角动量序列.结果表明,联合日长和大气角动量序列,比起单独采用日长资料,预报精度得到显著的提高.     

广义回归神经网络在日长变化预报中的应用

传统的日长变化预报多是基于线性模型,如最小二乘模型、自回归模型等,但是日长变化包含了复杂的非线性因素,线性模型预报的效果往往不甚理想.所以尝试使用一种非线性神经网络—广义回归神经网络(GRNN)模型进行日长变化预报,并将结果与使用BP (Back Propagation)神经网络模型和其它模型的预报结果进行比较.结果表明,GRNN用于日长变化预报是高效可行的.     

“天神合体”拍摄记

神九的成功发射给人们带来了巨大的鼓舞,也给我们带来了新的观测机会。6月18日,我提前查阅了地图、凌日带等资料,决定在6月19日进行神九凌日的观测。虽然当天上午晴天钟预报的天气情况并不好,但在上午9点左右,忻州赵老师告诉我当地天气还行。     

2011年6月2日中国各城市可见日偏食时间

预报说明 因为位置关系,即使位于同一市、县的不同位置,预报时间可能与观测者实际地点的19食时间有几秒,甚至十几秒的差别,这点请观测者必须注意!表中是各市、县的预报时问和见食情况,供大家在选择观测地点时所用,预报时间全部采用24小时制北京时间。     

2012年10月日、月及行星动态

太阳 月初。太阳的视赤经、视赤纬为12时30．2分、-3°15．6’;月末,太阳的视赤经、视赤纬为14时22．4分、-14°09．9’。本月太阳由室女座运行到天秤座。8日5时12分寒露,太阳的黄经为1950,23日8时14分霜降,太阳的黄经为210°。     

GPS BLOCK IIF星载原子钟长期性能分析

星载原子钟长期性能的分析对于系统完好性监测、卫星钟差确定与预报等具有重要的作用.GPS最新型的BLOCK IIF系列卫星于2016年2月6日部署完成.通过星载原子钟的频率准确度、频率漂移率、频率稳定度、观测噪声水平和钟差周期特性这5个指标的长期变化,分析评估了GPS BLOCK IIF星载原子钟的长期性能.计算分析表明:铷钟的频率准确度为7.1×10~(-12)±2.1×10~(-13),频率漂移率为(5.5×10~(-14)±1.1×10~(-14))/d,平均噪声水平约为0.2 ns;铯钟的频率准确度为1.0×10~(-12)±2.9×10~(-15),频率漂移率为(3.4×10~(-15)±5.4×10~(-16))/d,平均噪声水平约为1.0 ns,并且指标变化相对平稳;铷钟的2 h、6 h、12 h和天稳定度分别为3.4×10~(-14)、2.3×10~(-14)、7.3×10~(-15)与6.0×10~(-15);铯钟对应的稳定度指标分别为1.9×10~(-13)、1.1×10~(-13)、7.9×10~(-14)和5.5×10~(-14);卫星钟差存在显著周期项,主周期分别近似为卫星轨道周期的1/2、1倍或2倍.     

顾及最小二乘拟合端点效应的日长变化预报

针对日长(Length Of Day,LOD)变化预报中最小二乘(Least Squares,LS)拟合存在端点效应的问题,采用时间序列分析方法对日长变化序列进行端点延拓,形成一个新序列,然后用新序列建立最小二乘模型,最后再结合最小二乘模型和自回归(Autoregressive,AR)模型对原始日长变化序列进行预报。实验结果表明,在日长变化序列两端增加统计延拓数据,能有效减小最小二乘拟合序列的端点畸变,从而提高日长变化的预报精度,尤其对中长期预报精度提高明显。     

跳步自回归模型在中长期日长变化预报中的应用

利用自回归模型进行日长变化中长期预报时,预报精度逐渐降低.跳步自回归模型在中长期的预报中具有良好的预报精度,且具有较好的预测稳定性.因此,尝试采用跳步自回归模型替代自回归模型进行日长变化预报.最后,利用国际地球自转参数与参考系服务(International Earth Rotation and Reference Systems Service,IERS)提供的EOP08 C04日长变化序列进行实验,并分析比较两种模型的预报结果.实验结果表明,跳步自回归模型用于改善自回归模型中长期预报精度是可行有效的.     

2020年4月星空

太阳月初,太阳的视赤经、视赤纬为0时43.1分、+4°38.2′;月末,太阳的视赤经、视赤纬为2时30.8分、+14°51′。本月太阳由双鱼座运行到白羊座。4日15时38分清明,太阳黄经为15°。19日22时45分谷雨,太阳的黄经为30°。     

一种改正LS+AR模型提高短期极移预报精度的方法

最小二乘(Least Squares,LS)与自回归(Auto Regressive,AR)联合(LS+AR)模型在极移预报(polar motion,PM)中存在以下问题:最小二乘拟合的内部残差值较好而LS外推的残差值较大;LS拟合残差序列是非线性的,故根据预报历元前的残差序列建立的AR模型可能并不适用于待预报的残差序列,存在不匹配预报的情况.针对这两个问题,通过以下方法进行解决:首先对LS拟合数据两端点附加约束条件使其固定到LS拟合曲线上,因此在两端点附近的拟合值与观测值十分接近;然后选取与LS外推残差序列变化趋势接近的内推残差序列作为AR模型的建模对象,进行残差预报.通过实例表明该方法能够有效地提高LS+AR模型在短期极移预报的精度.此外,通过与RLS(Robustified Least Squares)+AR、RLS+ARIMA(Auto Regressive Integrated Moving Average)和LS+ANN(Artificial Neural Network)模型的预报结果对比,证明了该方法在极移预报中的可行性.实例证明了所提出的方法在短期预报中可以取得良好的预报结果,尤其在1–10d超短期的极移预报上可以获得与国际最好预报精度相当的预报结果.     

只是因为多看了你一眼——淄博一中天文月之星空聚会活动纪实

2011年4月14日,一整天都很阴,到了晚上月亮却从乌云中钻出来,很耀武扬威的样子。4月15日月亮升起得稍晚一些,当学生放学时,月亮在白色天空背景的衬托下不再那么闪亮。     

2014年1月日、月及行星动态

木星在双子座逆行。1月份是今年观测木星的最佳时期,木星几乎整夜可见。6日木星冲中日,日落时即从东北方地平线升起,亮度约-2．7等,整夜可见。15日14时木星合月,木星位于月亮之北5°。