论文部分内容阅读
本文采用非线性的人工神经网络技术—最小二乘支持向量机(Least Squares Support Vector Machine，简称LS-SVM)对极移序列预报。本文重点研究和探索利用LS-SUM，将赤道向大气角动量(AAM)和赤道向海洋角动量(OAM)时间序列引入到极移序列预报中，改善极移的预报精度。预报结果表明，应用最小二乘支持向量机进行PM预报是可行和有效的。同时，将AAM, OAM引入预报模型后，预报精度有明显改善。