آنالیز و پیش بینی سری های زمانی پارامترهای دوران زمین با استفاده از روش LSHE+ARMA

شناسایی رفتاهای تناوبی و تصادفی سری های زمانی پارامترهای توجیه زمین (EOP)، به منظور کاربردهای مختلفی همچون تعیین دقیق مدار ماهواره ها، نجوم ژیودزی، ناوبری فضایی و همچنین مطالعه پدیده های ژیوفیزیکی مورد نیاز است. روش های مختلف آنالیز سری های زمانی از دیرباز مورد بررسی قرار گرفته است. در این تحقیق، بررسی و تعیین فرکانس های موجود در پارامترهای توجیه زمین، با استفاده از آنالیز هارمونیک کمترین مربعات یک متغیره و چند متغیره سری های زمانی IERS 14 C04، از تاریخ اول ژانویه 1980 تا 31 دسامبر سال 2020 صورت گرفته است. با تشکیل مدل تابعی با استفاده از فرکانس های تعیین و ضرایب مدل تابعی با استفاده از برآوردگر کمترین مربعات برآورد شده اند. سپس مدل مناسب اتورگرسیو-میانگین متحرک (ARMA)، متناظر با بردار باقی مانده های کمترین مربعات 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 پیش بینی شدند و دقت روش ارایه شده مورد ارزیابی قرار گرفت. نتایج این تحقیق با دو روش یادگیری عمیق مقایسه شده و نتایج نشان می دهد که دقت بهتری را نسبت به آنها دارا بوده و رفتارهای تناوبی و تصادفی EOP با دقت بالایی شناسایی شده اند. پس از گذشت 10 روز دقت پیش بینی برای مولفه x حدود 9/7 برابر، برای مولفه y حدود 5/3 برابر و برای مولفه LOD حدود 5/1 برابر بهبود یافت. همچنین با گذشت 20 روز دقت پیش بینی برای مولفه x حدود 15/1 برابر، برای مولفه y حدود 89/2 برابر و برای مولفه LOD حدود 18/5 برابر بهبود یافت.