张军杰

（上海市岩土地质研究院有限公司，上海 200072）

0.引言

极移是指地球的极点在地球表面发生有规律的缓慢变化的现象，极移参数作为地固坐标系和天球坐标系的转换参数之一，在深空探测、卫星定轨和激光测月等领域中均有着广泛地应用[1]。但是由于复杂的数据处理过程，得到的最终极移参数存在着时间上的滞后性，无法满足某些要求实时或准实时极移参数的领域[2]。尤其是随着北斗二代卫星导航系统的逐步拓展，对极移参数的时效性和精度的需求日益迫切[3]，因此，如何提高极移参数的短期预报精度成为亟需解决的问题。

近年来，国内外学者对于极移参数预报做了大量有益的研究工作，提出了很多非常实用的模型。神经网络模型（Artificial Neural Network,ANN）是常见的模型之一。人工神经网络是由大量处理单元互联组成的非线性、自适应信息处理系统，王琪洁等人研究和探索了应用非线性的神经网络技术，将大气角动量时间序列引入到地球自转变化预报中，改善地球自转参数（ERP）的预报精度，以及应用神经网络技术预报El Nino南方涛动（ENSO）事件，结果证实了神经网络具有良好的非线性预报能力。张志、廖瑛等人利用傅里叶分析法，获得了插值基础序列的周期，验证了极移参数基础序列重采样的可行性，然后提取插值后的基础序列数据的趋势项，利用多输入—单输出反向传播（Back Propagation，BP）神经网络进行建模，预报不同跨度的残差序列项,最后合并趋势项和残差序列得到最终的极移参数预报。……