| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景及其意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文研究的主要内容 | 第11-13页 |
| 第二章 地球定向参数研究进展 | 第13-21页 |
| ·极移的研究进展 | 第13-15页 |
| ·极移的主要周期项 | 第14-15页 |
| ·极移的激发源 | 第15页 |
| ·日长的研究进展 | 第15-17页 |
| ·日长的长期变化 | 第15-16页 |
| ·日长的周期性变化 | 第16页 |
| ·日长的不规则变化 | 第16-17页 |
| ·日长的激发源 | 第17页 |
| ·地球定向参数的测定 | 第17-20页 |
| ·观测手段 | 第17-18页 |
| ·地球定向参数数据序列 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 时间序列及其在地球定向参数中的预测中的应用 | 第21-38页 |
| ·数据预处理 | 第21-24页 |
| ·EOP 的抗差最小二乘拟合与预测 | 第24-28页 |
| ·EOP 的最小二乘拟合与预测 | 第25-26页 |
| ·抗差最小二乘估计 | 第26页 |
| ·计算与分析 | 第26-28页 |
| ·基于RLS+ARIMA 组合预测模型的EOP 预测 | 第28-33页 |
| ·ARMA 模型族 | 第28-29页 |
| ·模型的识别 | 第29-30页 |
| ·模型定阶 | 第30页 |
| ·模型参数估计 | 第30-31页 |
| ·计算与分析 | 第31-33页 |
| ·对RLS+ARIMA 模型的进一步改进 | 第33-37页 |
| ·截距修正 | 第33-34页 |
| ·算例分析 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 神经网络及其在地球定向参数中的预测中的应用 | 第38-46页 |
| ·神经网络概述 | 第38页 |
| ·径向基神经网络 | 第38-39页 |
| ·RBF 神经网络的网络模型 | 第38-39页 |
| ·RBF 神经网络的的学习 | 第39页 |
| ·基于RBF 神经网络的EOP 预测 | 第39-45页 |
| ·输入样本长度的确定 | 第40-41页 |
| ·基于RBF 神经网络二次建模的EOP 预测 | 第41-43页 |
| ·神经网络ARMA 组合预测模型 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 灰色模型及其在地球定向参数中的预测中的应用 | 第46-54页 |
| ·灰色模型 | 第46-47页 |
| ·基于GM(1,1)模型的EOP 预测 | 第47-48页 |
| ·基于灰色模型的组合预测模型 | 第48-52页 |
| ·预测误差的检验 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·下一步的工作 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 作者简历 攻读硕士期间完成的主要工作 | 第61-63页 |
| 致谢 | 第63页 |
