论文部分内容阅读
准确预报地球自转变化对于精密定位、空间飞行器的跟踪与正常运行,具有重要的科学意义和实用价值。根据周日变化(UT1-UTC)和极移变化(PM)的特性,用最小二乘法,建立了适合于UT1-UTC和PM趋势项和周期项观测数据的拟合模型。对于UT1-UTC残差序列采用差分自回归移动平均(ARIMA)模型进行预报,对于PM残差采用季节性自回归移动平均(SARMA)模型进行预报。实例结果表明:我们的UT1-UTC预报结果比地球自转服务(IERS)产品好,而PM比IERS要差一些。当大气角动量(AAM)和海洋角动量