تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,099,013 |
تعداد دریافت فایل اصل مقاله | 97,206,567 |
آنالیز و پیشبینی سریهای زمانی پارامترهای دوران زمین با استفاده از روش LSHE+ARMA | ||
فیزیک زمین و فضا | ||
مقاله 5، دوره 48، شماره 2، شهریور 1401، صفحه 309-323 اصل مقاله (3.84 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jesphys.2022.333545.1007380 | ||
نویسندگان | ||
محمدعلی شریفی* 1؛ شایان شیرافکن2؛ سیدمحسن خضرائی3؛ علیرضا امیری سیمکویی4 | ||
1دانشیار، دانشکده مهندسی نقشهبرداری و اطلاعات مکانی، پردیس دانشکدههای فنی، دانشگاه تهران، تهران، ایران | ||
2دانشجوی کارشناسی ارشد، دانشکده مهندسی نقشهبرداری و اطلاعات مکانی، پردیس دانشکدههای فنی، دانشگاه تهران، تهران، ایران | ||
3دانشآموخته دکتری، گروه مهندسی نقشه برداری، دانشکده عمران و حمل و نقل، دانشگاه اصفهان، اصفهان، ایران | ||
4استاد، گروه مهندسی نقشه برداری، دانشکده عمران و حمل و نقل، دانشگاه اصفهان، اصفهان، ایران | ||
چکیده | ||
شناسایی رفتاهای تناوبی و تصادفی سریهای زمانی پارامترهای توجیه زمین (EOP)، بهمنظور کاربردهای مختلفی همچون تعیین دقیق مدار ماهوارهها، نجوم ژئودزی، ناوبری فضایی و همچنین مطالعه پدیدههای ژئوفیزیکی مورد نیاز است. روشهای مختلف آنالیز سریهای زمانی از دیرباز مورد بررسی قرار گرفته است. در این تحقیق، بررسی و تعیین فرکانسهای موجود در پارامترهای توجیه زمین، با استفاده از آنالیز هارمونیک کمترینمربعات یکمتغیره و چندمتغیره سریهای زمانی IERS 14 C04، از تاریخ اول ژانویه 1980 تا 31 دسامبر سال 2020 صورت گرفته است. با تشکیل مدل تابعی با استفاده از فرکانسهای تعیین و ضرایب مدل تابعی با استفاده از برآوردگر کمترینمربعات برآورد شدهاند. سپس مدل مناسب اتورگرسیو-میانگین متحرک (ARMA)، متناظر با بردار باقیماندههای کمترینمربعات حاصل از این مدل تابعی تعیین شد. در نهایت با استفاده از ضرایب برآورد شده مدل تابعی و مدل ARMA، پارامترهای توجیه زمین برای 20 روز اول سال 2021 پیشبینی شدند و دقت روش ارائه شده مورد ارزیابی قرار گرفت. نتایج این تحقیق با دو روش یادگیری عمیق مقایسه شده و نتایج نشان میدهد که دقت بهتری را نسبت به آنها دارا بوده و رفتارهای تناوبی و تصادفی EOP با دقت بالایی شناسایی شدهاند. پس از گذشت 10 روز دقت پیشبینی برای مؤلفه x حدود 9/7 برابر، برای مؤلفه y حدود 5/3 برابر و برای مؤلفه LOD حدود 5/1 برابر بهبود یافت. همچنین با گذشت 20 روز دقت پیشبینی برای مؤلفه x حدود 15/1 برابر، برای مؤلفه y حدود 89/2 برابر و برای مؤلفه LOD حدود 18/5 برابر بهبود یافت. | ||
کلیدواژهها | ||
سریزمانی؛ پارامترهای دوران زمین؛ روش LSHE؛ مدل ARMA؛ LODR | ||
مراجع | ||
Akyilmaz, O. and Kutterer, H., 2004, Prediction of Earth Rotation Parameters by Fuzzy Inference Systems, Journal of Geodesy 78(1–2), doi: 10.1007/s00190-004-0374-5. Akyilmaz, O., Kutterer, H., Shum, C. and Ayan, T., 2011, Fuzzy-Wavelet Based Prediction of Earth Rotation Parameters, Applied Soft Computing, 11(1), 837–41, doi: 10.1016/j.asoc.2010.01.003. Amiri Simkooei, A. and Asgari, J., 2012, Harmonic analysis of total electron contents time series: Methodology and results. GPS Solutions, 16(1), 77–88. https://doi.org/10.1007/s10291-011-0208-x. Amiri Simkooei, A., 2007, Least-Squares Variance Component Estimation, Theory and GPS Applications, Delft: NCG. Amiri Simkooei, A. 2009, Noise in Multivariate GPS Position Time-Series, J Geod 83, 175–187. Https://Doi.Org/10.1007/S00190-008-0251-8. Angermann, D., Seitz, M. and Drewes, H., 2010, Analysis of the DORIS Contributions to IRTF2008. Adv Space Res, 46(12), 1633–1647. Barnes, R., Raymond, H., White, A. and Wilson, C., 1983, Atmospheric Angular Momentum Fluctuations, Length-of-Day Changes and Polar Motion’. Proceedings of the Royal Society of London. A. Mathematical and Physical Sciences 387(1792), 31–73. doi: 10.1098/rspa.1983.0050. Chen, J. and Wilson, C. 2005, Hydrological Excitations of Polar Motion, 1993–2002, Geophysical Journal International, 160(3), 833–39. doi: 10.1111/j.1365-246X.2005.02522.x. Coulot, D., Pollet, A., Collilieux, X. and Berio, P., 2010, Global Optimization of Core Station Networks for Space Geodesy: Application to the Referencing of the STR EOP with Respect to ITRF. J Geod 84(1), 31. Dickey, J., Newhall, X. and Williams, J., 1985, Earth Orientation from Lunar Laser Ranging and an Error Analysis Polar Motion Services. J Geophys Res Solid Earth, 90(B11), 9353–9362. Dow, J., Nelan, R. And Rizos, C., 2009, The International GNSS Service in a Changing Landscape of Global Navigation Satellite Systems. J Geod83 (3–4), 191–198. Freedman, A., Steppe, J., Dickey, J., Eubanks, T. and Sung, L.Y., 1994, The short-term prediction of universal time and length of day using atmospheric angular momentum. J Geophys Res Solid Earth 99(B4), 6981–6996. Iz, H., 2008, Polar Motion Modeling, Analysis, and Prediction with Time Dependent Harmonic Coefficients, Journal of Geodesy 82(12), 871–81. doi: 10.1007/s00190-008-0215-z. Jin, X., Liu, X., Cuo, J. and Shen, Y. 2021, Analysis and Prediction of Polar Motion Using MSSA Method. Earth, Planets and Space 73(1):147. doi: 10.1186/s40623-021-01477-2. Kalarus, M., Schuh, H., Kosek, W., Akyilmaz, O., Bizouard, Ch., Gambis, D., Gross, R., Jovanović, B., Kumakshev, S., Kutterer, H., Mendes Cerveira, P. J., Pasynok, S., and Zotov, L., 2010, Achievements of the Earth Orientation Parameters Prediction Comparison Campaign, Journal of Geodesy 84(10), 587–96. doi: 10.1007/s00190-010-0387-1. Kong, Q., Zhang, L., Han, L., Guo, J., Zhang, D. and Fang, W. 2020, Analysis of 25 Years of Polar Motion Derived from the DORIS Space Geodetic Technique Using FFT and SSA Methods. Sensors 20(10), 2823. doi: 10.3390/s20102823. Kosek, W., 2012, Future Improvements in EOP Prediction, Pp. 513–20 in Geodesy for Planet Earth. Vol. 136, International Association of Geodesy Symposia, edited by S. Kenyon, M. C. Pacino, and U. Marti. Berlin, Heidelberg: Springer Berlin Heidelberg. Kosek, W., Kalarus, M., Johnson, T. J., Wooden, W. H., McCarthy, D. D., and Popiński, W., 2005, A comparison of LOD and UT1-UTC forecasts by different combined prediction techniques, Artificial Satellites 40 (2), 119–125. Malkin, Z. and Miller N., 2010, Chandler Wobble: Two More Large Phase Jumps Revealed’. Earth, Planets and Space 62(12):943–47. doi: 10.5047/eps.2010.11.002. Mathews, P. M., Buffett, B. A., Herring, T. A. and Shapiro, I. I., 1991, Forced Nutations of the Earth: Influence of Inner Core Dynamics 1. Theory, Journal of Geophysical Research 96(B5), 8219–42. McCarthy, D. and. Luzum, B., 1991, Prediction of Earth Orientation’. Bulletin Géodésique 65(1), 18–21. doi: 10.1007/BF00806338. Modiri, S., Belda, S., Hoseini, M., Heinkelmann, R., Ferrándiz, JM. and Schuh, H. 2020, A New Hybrid Method to Improve the Ultra-Short-Term Prediction of LOD’. Journal of Geodesy 94(2):23. doi: 10.1007/s00190-020-01354-y. Nastula, J., Chin, T., Gross, R., Śliwińska, J. and Wińska, M., 2020, Smoothing and Predicting Celestial Pole Offsets Using a Kalman Filter and Smoother. Journal of Geodesy 94(3), 29. doi: 10.1007/s00190-020-01349-9. Petit, G. and Luzum, B., 2010, (IERS Technical Note; No. 36, (36), 179. Priestley, M. B., 1981, Spectral Analysis and Time Series: Probability and Mathematical Statistics, No. 04; QA280, P7. Schuh, H., Ulrich, M., Egger, D., Müller, J. and Schwegmann, W., 2002, Prediction of Earth Orientation Parameters by Artificial Neural Networks, Journal of Geodesy 76(5), 247–58. doi: 10.1007/s00190-001-0242-5. Schuh, H. and Schmitz-Hübsch, H., 2000, Short Period Variations in Earth Rotation as Seen by VLBI.Surv Geophys 21(5–6), 499–520. Shen, Y., Guo, J., Liu, X., Kong, Q., Guo, L. and Li, W., 2018, Long-Term Prediction of Polar Motion Using a Combined SSA and ARMA Model, Journal of Geodesy 92(3), 333–43. doi: 10.1007/s00190-017-1065-3. Wu, F., Chang, G. and Deng, K., 2021, One-Step Method for Predicting LOD Parameters Based on LS+AR Model, Journal of Spatial Science 66(2), 317–28. doi: 10.1080/14498596.2019.1618401. Zhao, D. and Lei, Y., 2019, Possible Enhancement of Earth’s Polar Motion Predictions Using a Wavelet-Based Preprocessing Procedure, Studia Geophysica et Geodaetica 63(1), 83–94. doi: 10.1007/s11200-018-1026-1. Zhao, D. and Lei, Y., 2020, A Technique to Reduce the Edge Effect in Least Squares Extrapolation for Enhanced Earth Orientation Prediction, Studia Geophysica et Geodaetica 64(3), 293–305. doi: 10.1007/s11200-021-0546-2. | ||
آمار تعداد مشاهده مقاله: 1,319 تعداد دریافت فایل اصل مقاله: 645 |