發(fā)布時間：2018-11-17 07:37

【摘要】：傳統(tǒng)的日長變化預報多是基于線性模型,如最小二乘模型、自回歸模型等,但是日長變化包含了復雜的非線性因素,線性模型預報的效果往往不甚理想.所以嘗試使用一種非線性神經網絡—廣義回歸神經網絡(GRNN)模型進行日長變化預報,并將結果與使用BP(Back Propagation)神經網絡模型和其它模型的預報結果進行比較.結果表明,GRNN用于日長變化預報是高效可行的.
[Abstract]:The traditional prediction of diurnal variation is based on linear model, such as least square model, autoregressive model, etc. However, the variation of diurnal length includes complex nonlinear factors, and the effect of linear model prediction is often not satisfactory. So we try to use a nonlinear neural network-generalized regression neural network (GRNN) model to forecast the diurnal variation, and compare the results with those of BP (Back Propagation) neural network model and other models. The results show that GRNN is effective and feasible for the prediction of diurnal variation.
【作者單位】： 中南大學地球科學與信息物理學院;
【基金】：國家自然科學基金委員會與中國科學院天文聯(lián)合基金項目(10878026)資助
【分類號】：P127

【參考文獻】

相關博士學位論文 前1條

1 王琪潔;基于神經網絡技術的地球自轉變化預報[D];中國科學院研究生院（上海天文臺）;2007年

【共引文獻】

相關期刊論文 前10條

1 張捍衛(wèi),劉學謙,代光萍;彈性地球自轉動力學理論的研究進展[J];測繪科學;2004年05期

2 郭金運,胡建國,常曉濤,朱習軍;由星載GPS相位數據確定地球重力場模型若干問題研究[J];測繪科學;2005年06期

3 吳志波;張忠萍;楊福民;韓虹;;衛(wèi)星激光測距回波探測成功概率統(tǒng)計分析[J];測繪科學;2006年03期

4 郭金運;常曉濤;劉新;;星載GPS觀測數據預處理模型研究[J];測繪科學;2006年03期

5 嚴奉軒;郭唐永;王培源;譚業(yè)春;李欣;杜瑞林;;SLR應用展望——伽利略計劃和非合作目標跟蹤[J];大地測量與地球動力學;2006年03期

6 金雙根,朱文耀;南半球減速膨脹的定量分析[J];地球物理學報;2003年06期

7 黃立人,郭良遷;地球表層運動和變形的GPS描述[J];地學前緣;2003年S1期

8 黃立人,王敏;中國大陸構造塊體的現(xiàn)今活動和變形[J];地震地質;2003年01期

9 黃立人,楊國華,王敏;用速度場得到的華北地區(qū)活動塊體及變形[J];地震學報;2003年01期

10 王威,胡小工,黃勇,黃s，

本文編號：2336987