排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
地球自转速率变化的实时快速预报具有重要的科学意义和实际应用价值. 然而由于地球自转速率复杂变化(或日长变化)的时变特性, 传统的线性时间序列分析方法往往难以取得良好的预报效果. 采用非线性的人工神经网络技术预报日长变化, 网络的拓扑结构由最小均方误差法确定. 考虑到日长变化与大气环流运动间的密切联系, 在神经网络预报模型中首次引入轴向大气角动量的实时预报值, 进行日长变化1~5 d的实时快速预报. 结果表明, 联合日长变化序列和大气角动量预报序列的神经网络模型, 比起单独采用日长变化资料的模型, 预报精度得到显著的提高. 相似文献
1