样本输入方式对极端学习机预报日长变化的影响

作者：雷雨; 蔡宏兵; 赵丹宁

来源：天文研究与技术, 2015, 12(03): 299-305.

DOI：10.14005/j.cnki.issn1672-7673.20150312.008

• 地球自转参数
• 日长变化
• 预报模型
• 极端学习机
• 输入方式

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。

• 单位
  中国科学院国家授时中心; 中国科学院大学