一种基于预报时长自适应选配角动量的UT1预报方法

本发明属于大地测量及卫星导航，具体涉及一种基于预报时长自适应选配角动量的ut1预报方法。

背景技术：

1、世界时(universal time，ut1)是基于地球自转定义的时间尺度，是实现天球参考系与地球参考系坐标转换的核心参数，广泛应用于卫星导航、深空探测、精密授时等国家重大工程领域。受观测数据量大、解算流程复杂限制，实测ut1产品存在固定时延，通常滞后数天，无法满足实时、准实时业务需求，因此行业普遍需要开展1-90天跨度的ut1预报工作。高精度ut1预报是保障北斗导航系统实时定位精度、支撑深空探测航天器轨道确定的关键技术。目前，中国科学院国家授时中心(national time service center, chinese academyof sciences，ntsc)已建成自主ut1测量与服务系统，实现了ut1核心数据的自主供给，为国产ut1预报技术的发展奠定了数据基础。

2、研究表明，地球流体有效角动量(effective angular momentum，eam)是引发地球自转变化的主要物理激发源，其包含大气角动量(atmospheric angular momentum，aam)、海洋角动量(oceanic angular momentum，oam)、陆地水角动量(hydrological angularmomentum，ham)、海平面角动量(sea level angular momentum，slam)四类分量。将eam作为物理约束引入ut1预报模型，可有效提升预报精度与稳定性。

3、当前，国内外主流的ut1预报方案主要采用最小二乘(least squares，ls)结合自回归(autoregressive，ar)的基础预报框架，将aam、oam、ham、slam四类角动量分量全部整合为全分量eam作为统一物理约束，应用于1至90天全时段ut1预报。

4、然而，这类方案仍存在以下三大技术短板：第一，角动量组合配置僵化，系统噪声大。现有技术固定使用全分量eam，未剔除ham、slam两类高误差分量。而ham、slam模型存在固有误差，盲目叠加两类分量会向预报系统引入额外噪声，拉低整体预报精度。第二，未区分时段特征，适配性差：短期(十余天内)地球自转扰动以大气、海洋联合运动为主，中长期(十余天至90天)以大气长周期变化为主。单一全分量组合无法匹配不同时段的地球物理特征，造成部分时段精度大幅衰减。第三，现有算法参数、逻辑多基于国际iers数据集开发，缺少针对ntsc自主观测数据的专属适配策略，本地化应用效果不佳，国产预报产品性能与国际主流产品存在明显差距。

5、因此，亟需研发一种能够根据预报时长自适应选配角动量组合、从源头抑制模型噪声、全面适配ntsc数据集的高精度ut1预报方法。

技术实现思路

1、为了解决现有技术中存在的上述问题，本发明提供了一种基于预报时长自适应选配角动量的ut1预报方法。本发明要解决的技术问题通过以下技术方案实现：

2、本发明提出了一种基于预报时长自适应选配角动量的ut1预报方法，包括以下步骤：

3、同步获取ntsc自主eop(earth orientation parameters，地球定向参数)观测数据以及gfz(german research centre for geosciences，德国地学研究中心)发布的eam数据；其中，eop观测数据包括ut1序列；eam数据包括eam分析序列和eam有限时长预报序列，且eam分析序列和eam(effective angular momentum，有效角动量)有限时长预报序列均包括aam、oam、ham、slam四个分量；

4、对eam数据进行分量筛选预处理，剔除其中的ham和slam分量，得到仅包含aam和oam分量的预处理eam分析序列和预处理eam有限时长预报序列；

5、根据预报时长将整体预报窗口划分为多个区间，并基于aam和oam分量，为各区间自适应选配最优角动量组合；

6、对ut1序列扣除潮汐项和闰秒，得到ut1r(ut1 with tidal corrections，经潮汐改正后的世界时)序列，并通过刘维尔方程将ut1r序列转换成gam(geodetic angularmomentum，大地测量角动量)序列；

7、基于各区间对应的最优角动量组合，结合预处理eam分析序列、预处理eam有限时长预报序列、以及gam序列，利用ls和ar算法构建各区间对应的预报模型，并根据预报模型生成对应区间的ut1预报数据；

8、对所有区间的ut1预报数据进行拼接，输出覆盖整体预报窗口的完整ut1预报数据。

9、与现有技术相比，本发明的有益效果：

10、本发明提供的一种基于预报时长自适应选配角动量的ut1预报方法，首先同步采集了ntsc自主eop观测数据以及gfz发布的eam数据；其中，eop观测数据包括ut1序列；eam数据包括eam分析序列和eam有限时长预报序列，且两者均包括aam、oam、ham、slam四个分量；其次，对eam数据中的ham和slam分量进行剔除；然后，根据预报时长将整体预报窗口划分为多个区间，并基于aam和oam分量，为各区间自适应选配最优角动量组合；接着，对ut1序列扣除潮汐项和闰秒，得到ut1r序列，并通过刘维尔方程将ut1r序列转换成gam序列；之后基于各区间对应的最优角动量组合，结合前面的数据，利用ls结合ar算法构建各区间对应的预报模型，并生成对应区间的ut1预报数据；最后对所有区间的ut1预报数据进行拼接，输出覆盖整体预报窗口的完整ut1预报数据。该方法一方面主动剔除了ham和slam两类高误差角动量分量，从数据源减少了噪声干扰，大幅提升了预报精度；另一方面基于预报时长设计了分段自适应选配角动量组合，解决了单一组合全时段适配性差的问题，实现了中长期全跨度预报性能均衡；且该方法适配ntsc自主eop观测数据，摆脱了国外模型依赖，适配国内业务运行场景。

11、以下将结合附图及实施例对本发明做进一步详细说明。

1.一种基于预报时长自适应选配角动量的ut1预报方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于预报时长自适应选配角动量的ut1预报方法，其特征在于，在完成对所述eam数据进行分量筛选预处理之后，还包括：

3.根据权利要求1所述的一种基于预报时长自适应选配角动量的ut1预报方法，其特征在于，根据预报时长将整体预报窗口划分为多个区间，并基于aam和oam分量，为各区间自适应选配最优角动量组合，包括：

4.根据权利要求3所述的一种基于预报时长自适应选配角动量的ut1预报方法，其特征在于，所述整体预报窗口为90天；所述短期区间为1-12天；所述中长期区间为13-90天。

5.根据权利要求1所述的一种基于预报时长自适应选配角动量的ut1预报方法，其特征在于，所述通过刘维尔方程将所述ut1r序列转换成gam序列的公式为：

6.根据权利要求3所述的一种基于预报时长自适应选配角动量的ut1预报方法，其特征在于，基于各区间对应的最优角动量组合，结合所述预处理eam分析序列、所述预处理eam有限时长预报序列、以及所述gam序列，利用ls和ar算法构建各区间对应的预报模型，并根据所述预报模型生成对应区间的ut1预报数据，包括：

7.根据权利要求6所述的一种基于预报时长自适应选配角动量的ut1预报方法，其特征在于，所述短期预报模型以所述预处理eam分析序列和所述gam序列为ls和ar算法的输入，同时引入所述预处理eam有限时长预报序列作为先验约束，分阶段生成短期ut1预报数据，包括：

8.根据权利要求6所述的一种基于预报时长自适应选配角动量的ut1预报方法，其特征在于，所述中长期预报模型以所述预处理eam分析序列和所述gam序列为ls和ar算法的输入，通过全域外推后截取中长期区间预报片段的方式生成中长期ut1预报数据，包括：

9.根据权利要求6所述的一种基于预报时长自适应选配角动量的ut1预报方法，其特征在于，所述ls的数学表达式为：

10.根据权利要求1-9任一项所述的一种基于预报时长自适应选配角动量的ut1预报方法，其特征在于，所述完整ut1预报数据用于卫星导航、深空探测、以及精密授时的天地参考系转换计算；所述ntsc自主eop观测数据可采用iers数据替换。