顾及地球流体有效角动量信息的UT1-UTC中长期预报新方法

俞克豪; 王小亚; 李丽华; 李昭; 姜卫平; 杨凯; 龙靖雯

doi:10.13203/j.whugis20240263

您当前的位置：

首页 >

文章列表页 >

顾及地球流体有效角动量信息的UT1-UTC中长期预报新方法

学术论文 | 更新时间：2026-11-05

- 顾及地球流体有效角动量信息的UT1-UTC中长期预报新方法
- A New Medium- and Long-Term UT1–UTC Prediction Method Incorporating Effective Earth Fluid Angular Momentum
- 武汉大学学报（信息科学版） 2026年51卷第1期页码：191-198
- 作者机构：
  
  1.武汉大学卫星导航定位技术研究中心，湖北武汉，430079
  2.湖北珞珈实验室，湖北武汉，430079
  3.武汉大学测绘学院，湖北武汉，430079
  4.中国科学院上海天文台，上海，200030
  5.中国科学院大学天文与空间科学学院，北京，100049
  6.中国地质大学（北京）土地科学技术学院，北京，100083
- 作者简介：
  
  俞克豪，博士生，主要从事地球自转变化监测与预报研究。kehaoyu@whu.edu.cn
  王小亚，博士，研究员。wxy@shao.ac.cn
- 基金信息：
  
  国家自然科学基金(42388102;12373076;11973073;42174030;42004017);武汉市自然科学基金(2024040701010029);湖北省科技重大专项(2022AAA002);上海市空间导航与定位技术重点实验室项目(06DZ22101);中央高校基本科研业务费专项资金(2042022dx0001;2042023kfyq01);地理信息工程国家重点实验室开放基金(SKLGIE2024-M-1-1)
- DOI：10.13203/j.whugis20240263
  中图分类号： P228
- 收稿：2024-11-27，
  
  纸质出版：2026-01-05
- 稿件说明：
移动端阅览
俞克豪,王小亚,李丽华，等.顾及地球流体有效角动量信息的UT1-UTC中长期预报新方法[J].武汉大学学报（信息科学版）,2026,51(1):191-198.

YU Kehao,WANG Xiaoya,LI Lihua,et al.A New Medium- and Long-Term UT1–UTC Prediction Method Incorporating Effective Earth Fluid Angular Momentum[J].Geomatics and Information Science of Wuhan University,2026,51(1):191-198.
俞克豪,王小亚,李丽华，等.顾及地球流体有效角动量信息的UT1-UTC中长期预报新方法[J].武汉大学学报（信息科学版）,2026,51(1):191-198. DOI：10.13203/j.whugis20240263

YU Kehao,WANG Xiaoya,LI Lihua,et al.A New Medium- and Long-Term UT1–UTC Prediction Method Incorporating Effective Earth Fluid Angular Momentum[J].Geomatics and Information Science of Wuhan University,2026,51(1):191-198. DOI：10.13203/j.whugis20240263

摘要

世界时与协调世界时差值（difference between universal time and coordinated universal time

UT1-UTC）是地球定向参数（Earth orientation parameters

EOP）的重要组成部分，其高精度和快速预测对全球卫星导航系统气象学、人造卫星精密轨道确定等实时应用领域至关重要。传统UT1-UTC预报方法在中长期预测中精度衰减明显，难以满足北斗导航系统及战争环境的精确制导等高精度需求。提出了一种融合地球流体有效角动量（effective angular momentum

EAM）信息的轴向分量

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994267&type=

3.89466691

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994298&type=

2.70933342

数据与EOP14 C04序列的卷积长短期记忆神经网络（convolutional long short-term memory

ConvLSTM）模型预报UT1-UTC的新方法。实测数据分析结果发现，EAM轴向分量

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994299&type=

3.89466691

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994289&type=

2.70933342

和经跳秒与潮汐改正后的UT1-UTC数据具有强相关性，其振幅和相位具有一致的频谱特性，说明EAM轴向分量

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994299&type=

3.89466691

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994289&type=

2.70933342

是UT1-UTC的主要激发源。与参与第二届EOP预报比赛的各家精度进行对比，在90~360 d的中长期预报跨度中，ConvLSTM模型预报精度最优，改善幅度为30.27%~92.44%。对比公报 A，时间跨度为60 d、180 d和360 d的中长期预报精度分别提升41.46%、70.07%和59.43%，证实了Conv

LSTM能够显著改善UT1-UTC的中长期预报精度。

Abstract

Objectives

The difference between universal time and coordinated universal time (UT1-UTC) is a critical component of the Earth orientation parameters (EOP). Accurate and rapid prediction of UT1-UTC is essential for real-time applications such as GNSS meteorology and precise orbit determination of artificial satellites. Traditional methods for predicting UT1-UTC often experience significant accuracy degradation in medium- and long-term forecasts

making them inadequate for high-precision requirements in applications like the BeiDou navigation satellite system and precision guidance in military operations.

Methods

We propose a novel method for predicting UT1-UTC by integrating the axial component data

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994315&type=

4.57200003

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994290&type=

3.04800010

of effective angular momentum (EAM) with the EOP14 C04 series using a convolutional long short-term memory (ConvLSTM) model. Initially

leap seconds and solid Earth tide terms are removed from the original UT1-UTC series to obtain the difference between the tidally reduced universal time and international atomic time (UT1R-TAI) data. Spectral analysis is then performed on the axial component data

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994316&type=

4.57200003

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994291&type=

3.04800010

of EAM and UT1R-TAI data using the fast Fourier transform to investigate whether the axial component data

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994317&type=

4.57200003

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994292&type=

3.04800010

of EAM can comprehensively describe the excitation of UT1-UTC. Subsequently

a ConvLSTM model incorporating the axial component data

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994318&type=

4.57200003

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994293&type=

3.04800010

of EAM is constructed to predict the UT1-UTC time series. After prediction

the leap seconds and solid Earth tide terms are reintroduced

while the accuracy of predictions

is evaluated.

Results

Analysis of observations reveals a strong correlation between the axial component

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994317&type=

4.57200003

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994292&type=

3.04800010

of EAM and UT1-UTC data after applying leap-second and tidal corrections

with consistent amplitude and phase characteristics in their frequency spectra. This indicates that the axial component

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994319&type=

4.57200003

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994294&type=

3.04800010

of EAM serves as a primary excitation source for UT1-UTC. Compared to the prediction accuracy of participants in the second Earth orientation parameters prediction comparison campaign

the ConvLSTM model demonstrates superior performance in medium- to long-term predictions spanning 90 d to 360 d

with accuracy improvements ranging from 30.27% to 92.44%. Additionally

compared to Bulletin A

the ConvLSTM model achieves accuracy enhancements of 41.46%

70.07%

and 59.43% for prediction spans of 60 d

0 d

and 360 d

respectively.

Conclusions

The results confirm that the ConvLSTM model significantly improves the medium- to long-term prediction accuracy of UT1-UTC. These findings are crucial for autonomous determination of EOP and real-time applications

as well as for precise satellite orbit determination and other related fields.

关键词

Keywords

references

NILSSON T ， HEINKELMANN R ， KARBON M ， et al . Earth Orientation Parameters Estimated from VLBI During the CONT11 Campaign ［J］. Journal of Geodesy ， 2014 ， 88 （ 5 ）： 491 - 502 .

NIEDZIELSKI T ， KOSEK W . Prediction of UT1-UTC， LOD and AAM <math id="M63"><msub><mrow><mi>χ</mi></mrow><mrow><mn mathvariant="normal">3</mn></mrow></msub></math> https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994459&type= 3.89466691 https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=98994484&type= 2.70933342 by Combination of Least-Squares and Multivariate Stochastic Methods ［J］. Journal of Geodesy ， 2008 ， 82 （ 2 ）： 83 - 92 .

俞克豪，沈彤晖，李丽华，等 . 基于CONT观测资料解算地球自转参数精度分析［J］. 大地测量与地球动力学， 2023 ， 43 （ 9 ）： 986 - 990 .

YU Kehao ， SHEN Tonghui ， LI Lihua ， et al . Accuracy Analysis of Estimating Earth Rotation Parameters Based on CONT Campaigns ［J］. Journal of Geo‑desy and Geodynamics ， 2023 ， 43 （ 9 ）： 986 - 990 .

李斐，邵先远，曲春凯，等 . 利用2006—2015年VLBI数据进行地球定向参数解算与分析［J］. 武汉大学学报（信息科学版）， 2019 ， 44 （ 11 ）： 1581 - 1587 .

LI Fei ， SHAO Xianyuan ， QU Chunkai ， et al . Solution and Analysis of Earth Orientation Parameters with 2006—2015 VLBI Observation ［J］. Geomatics and Information Science of Wuhan University ， 2019 ， 44 （ 11 ）： 1581 - 1587 .

BIZOUARD C ， LAMBERT S ， GATTANO C ， et al . The IERS EOP 14C04 Solution for Earth Orientation Parameters Consistent with ITRF 2014 ［J］. Journal of Geodesy ， 2019 ， 93 （ 5 ）： 621 - 633 .

YU K H ， SHI H W ， SUN M Q ， et al . Combined BiLSTM and ARIMA Models in Middle- and Long-Term Polar Motion Prediction ［J］. Studia Geophysica et Geodaetica ， 2024 ， 68 （ 1 ）： 25 - 40 .

LEI Y ， ZHAO D N ， GUO M . Medium- and Long-Term Prediction of Length-of-Day Changes with the Combined Singular Spectrum Analysis and Neural Networks ［J］. Studia Geophysica et Geodaetica ， 2023 ， 67 （ 3 ）： 107 - 123 .

许雪晴，周永宏，胥灿灿 . 1972—2022年地球自转速率的变化特性及其中的气候事件表征研究［J］. 地球与行星物理论评（中英文）， 2023 ， 54 （ 5 ）： 572 - 580 .

XU Xueqing ， ZHOU Yonghong ， XU Cancan . Variation in the Rotation Rate of Earth and Its Role as a Climate Change Indicator Between 1972 and 2022 ［J］. Reviews of Geophysics and Planetary Physics ， 2023 ， 54 （ 5 ）： 572 - 580 .

王波，鄢建国，高梧桐，等 . EOP预报误差对深空探测器精密定轨结果影响分析［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 9 ）： 1538 - 1545 .

WANG Bo ， YAN Jianguo ， GAO Wutong ， et al . Impact Analysis of EOP Prediction Errors on Orbit Determination of Deep-Space Spacecraft ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 9 ）： 1538 - 1545 .

赵丹宁，高蕊，雷雨 . 利用小波分解改进极移预报模型［J］. 武汉大学学报（信息科学版）， 2019 ， 44 （ 12 ）： 1797 - 1801 .

ZHAO Danning ， GAO Rui ， LEI Yu . Improvement of the Polar Motion Prediction Model Using Wavelet Decomposition ［J］. Geomatics and Information Scien‑ce of Wuhan University ， 2019 ， 44 （ 12 ）： 1797 - 1801 .

雷雨，赵丹宁，蔡宏兵 . 利用端部效应改善的最小二乘外推模型进行UT1-UTC预报［J］. 天文研究与技术， 2018 ， 15 （ 3 ）： 302 - 307 .

LEI Yu ， ZHAO Danning ， CAI Hongbing . A Least Squares Extrapolation Model for UT1-UTC Prediction Method with Consideration of the Edge-Effect ［J］. Astronomical Research & Technology ， 2018 ， 15 （ 3 ）： 302 - 307 .

HU C ， WANG Q X ， WANG Z W ， et al . A Method for Improving the Short-Term Prediction Model for ERP Based on Long-Term Observations ［M］// China Satellite Navigation Conference ， Singapore ， 2019 .

SCHUH H ， ULRICH M ， EGGER D ， et al . Prediction of Earth Orientation Parameters by Artificial Neural Networks ［J］. Journal of Geodesy ， 2002 ， 76 （ 5 ）： 247 - 258 .

JIA S ， XU T H ， SUN Z Z ， et al . Middle and Long-Term Prediction of UT1-UTC Based on Combination of Gray Model and Autoregressive Integrated Moving Average ［J］. Advances in Space Research ， 2017 ， 59 （ 3 ）： 888 - 894 .

KOOT L ， DE VIRON O ， DEHANT V . Atmospheric Angular Momentum Time-Series： Characterization of Their Internal Noise and Creation of a Combined Series ［J］. Journal of Geodesy ， 2006 ， 79 （ 12 ）： 663 - 674 .

ZHAO X ， WU Y W ， YANG X Y ， et al . Multi-Parameter Polar Motion Prediction Based on Effective Angular Momentum Function ［J］. Chinese Astronomy and Astrophysics ， 2022 ， 46 （ 4 ）： 486 - 499 .

DILL R ， DOBSLAW H ， THOMAS M . Improved 90-Day Earth Orientation Predictions from Angular Momentum Forecasts of Atmosphere， Ocean， and Terrestrial Hydrosphere ［J］. Journal of Geodesy ， 2019 ， 93 （ 3 ）： 287 - 295 .

杨新宇，吴元伟，赵鑫，等 . 基于地球流体有效角动量函数的UT1分段预报［J］. 时间频率学报， 2023 ， 46 （ 2 ）： 94 - 104 .

YANG Xinyu ， WU Yuanwei ， ZHAO Xin ， et al . Piecewise UT1 Prediction Based on the Earth’s Fluid Effective Angular Momentum Function ［J］. Journal of Time and Frequency ， 2023 ， 46 （ 2 ）： 94 - 104 .

YU K H ， YANG K ， SHEN T H ， et al . Estimation of Earth Rotation Parameters and Prediction of Polar Motion Using Hybrid CNN–LSTM Model ［J］. Remote Sensing ， 2023 ， 15 （ 2 ）： 427 .

PETIT G ， LUZUM B . The 2010 Reference Edition of the IERS Conventions ［M］// Altamimi Z， Collilieux X. Reference Frames for Applications in Geosciences . Berlin， Heidelberg ： Springer ， 2013 .

ŚLIWIŃSKA-BRONOWICZ J ， KUR T ， WIŃSKA M ， et al . Assessment of Length-of-Day and Universal Time Predictions Based on the Results of the Second Earth Orientation Parameters Prediction Comparison Campaign ［J］. Journal of Geodesy ， 2024 ， 98 （ 3 ）： 22 .

GOU J Y ， KIANI SHAHVANDI M ， HOHENSINN R ， et al . Ultra-Short-Term Prediction of LOD Using LSTM Neural Networks ［J］. Journal of Geodesy ， 2023 ， 97 （ 5 ）： 52 .

XU X Q ， ZHOU Y H ， LIAO X H . Short-Term Earth Orientation Parameters Predictions by Combination of the Least-Squares， AR Model and Kalman Filter ［J］. Journal of Geodynamics ， 2012 ， 62 ： 83 - 86 .

MODIRI S ， BELDA S ， HEINKELMANN R ， et al . Polar Motion Prediction Using the Combination of SSA and Copula-Based Analysis ［J］. Earth， Planets and Space ， 2018 ， 70 （ 1 ）： 115 .

SU X Q ， LIU L T ， HOUTSE H ， et al . Long-Term Polar Motion Prediction Using Normal Time-Frequency Transform ［J］. Journal of Geodesy ， 2014 ， 88 （ 2 ）： 145 - 155 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

集成奇异谱分析与ARIMA模型预测日长变化

一种新的北斗卫星钟差预处理方法

多尺度地理空间数据更新方法概述

秦岭生态地质环境监测研究进展与智能化监测体系构建

呼包鄂榆城市群草地脆弱性时空演变及因子可解释性分析