论文部分内容阅读
现有△LOD（Delta Length-Of-Day，日长变化）预报模式在进行周期项与残差项拟合分离时，通常没有考虑LS（Least Squares，最小二乘）拟合序列的端部效应，预报精度难以取得较大提高。针对端部效应现象，首先采用时间序列分析模型在ALOD序列两端进行数据延拓，构成一个新序列，然后用新序列求得LS外推模型系数，再结合LS外推模型和NN（Neural Network，神经网络）对原始△LOD序列进行预测。算例表明，在ALOD序列两端增加延拓数据，能有效改善LS拟合序列的端部效应；端部效应改