张 志，廖 瑛，余 越

(1．国防科技大学航天科学与工程学院，湖南长沙 410073;2．海军蚌埠士官学校4系，安徽蚌埠 233012)

极移是表征地球自转的一个重要物理量，它与岁差、章动和日长变化一起构成地球定向参数(Earth Orientation Parameters，EOP)，它在航天器轨道确定、卫星导航定位等领域有重要的应用［1］。现代空间大地测量技术(卫星激光测距、甚长基线干涉测量、全球定位系统等)是目前极移参数获取的主要手段，但是由于复杂的分析处理过程，不能实时获取测量数据，因此，有必要对以极移为代表的EOP参数进行预报。

在极移预报方面，学者们提出了很多有意义的方法。Zhu［2］和 Chao［3］采用确定和不确定周期项构建最小二乘谐波模型进行极移预报;Kosek［4-5］将自回归模型应用于最小二乘残差序列中，采用LS模型与自回归模型组合方法进行预报。前述方法均为线性模型预报，随着非线性科学的发展，以神经网络等为代表的非线性预报方法和理论研究取得了一些突破性的进展。1992年，Egger［6］首先将神经网络应用于地球自转参数(Earth Rotation Parameters，ERP)的预报中;之后Egger和 Frehlich［7］又将该方法与 Fröehlich 的完全解析方法相比较，结果验证了神经网络在预报ERP上与完全解析方法的一致性，显示了神经网络在预报不规则和准周期过程中的巨大潜力;近年来，Schuh［8］、Liao［9］和王琪洁［10］均采用神经网络技术进行EOP的预报:Schuh和Liao分别采用斯图加特神经网络模拟软件和简化的三层神经网络结构对EOP进行预报，王琪洁在极移预报中采用“先—后—最佳拓扑”的方式进行预报，三位学者均取得了比较好的预报效果。……