1

WIESAW KOSEK
MACIEJ KALARUS
Centrum Bada Kosmicznych PAN
Warszawa
WALDEMAR POPISKI

Gwny Urzd Statystyczny
Warszawa


PORWNANIE WYNIKW RNYCH METOD PROGNOZOWANIA
PARAMETRW ORIENTACJI ZIEMI

ZARYS TRECI: Prognozy parametrw orientacji Ziemi potrzebne s do wyznaczenia w
czasie rzeczywistym transformacji pomidzy niebieskim i ziemskim ukadem odniesienia. W
pracy przedstawione zostay rne metody prognozowania wsprzdnych x,y bieguna
ziemskiego i czasu UT1 UTC takie jak: metoda najmniejszych kwadratw (LS), autoregresji
(AR), autoregresji i redniej ruchomej (ARMA), autokowariancji (AC), sieci neuronowych
(NN), a take kombinacje metody LS z metodami AR, ARMA, AC i NN. Przedstawiona zostaa
take metoda prognozowania wsprzdnych bieguna ziemskiego w ukadzie wsprzdnych
biegunowych. Najwysz dokadno prognozy wsprzdnych bieguna ziemskiego uzyskuje
si poprzez zastosowanie kombinacji metody LS z metod AR (LS+AR). Bdy prognozy
wsprzdnych bieguna ziemskiego s mniejsze ni dla metody prognozowania obecnie
stosowanej przez IERS Rapid Service/Prediction Centre w USNO. Prognozy metod LS+AR
wsprzdnych bieguna ziemskiego s raz na tydzie automatycznie wyznaczane, wysyane do
USNO i porwnywane na bieco z prognozami tam wyznaczanymi. Metoda ta wkrtce
zostanie zastosowana do rutynowych wyznacze prognoz wsprzdnych bieguna ziemskiego
w IERS Rapid Service/Prediction Centre.

1. Parametry orientacji Ziemi a transformacja pomidzy ziemskim i niebieskim
ukadem odniesienia
Do parametrw orientacji Ziemi nale wsprzdne x,y bieguna ziemskiego, UT1-UTC,
oraz efekt precesyjno-nutacyjny wyraony w dugoci i nachyleniu. Wsprzdne bieguna
ziemskiego dostpne s ju od 1846 roku, zmiany UT1 UTC od 1962 roku, natomiast
poprawki do modelu nutacji z obserwacji VLBI od 1979 roku. Aktualizowane s one na
stronach internetowych Midzynarodowej Suby Ruchu Obrotowego Ziemi (International
Earth Rotation Sevice - IERS) (IERS, 2003). W zbiorze IERS EOPC04 o interwale
prbkowania 1 dzie, ktry zosta wykorzystany w obliczeniach, znajduj si wsprzdne x,y
bieguna ziemskiego oraz zmiany czasu uniwersalnego UT1 UTC i dugoci doby (length of
day LOD). Dodatkowo wykorzystane zostay wsprzdne x,y bieguna ziemskiego IERS
EOPC01 od 1846 do 1962 roku z interwaem prbkowania 0.05 lat, w celu przeduenia
wstecz cigu czasowego wsprzdnych bieguna EOPC04 obejmujcego okres od 1962 do
2004.5 roku.

1.1. Ruch bieguna ziemskiego
Ruch bieguna ziemskiego zaobserwowany zosta po raz pierwszy w poowie XIX wieku
w wyniku analiz obserwacji astrometrycznych zmian szerokoci astronomicznych stacji. Od
roku 1980 wyznaczone wsprzdne bieguna odnoszono do tzw. Niebieskiego Bieguna
Efemeryd (Celestial Ephemeris Pole CEP) obowizujcego do koca 2002 roku. Od 1
stycznia 2003, zgodnie z rezolucj B1.7 przyjt na XXIV Generalnym Zgromadzeniu IAU w
2
Manchesterze w 2000 roku, CEP zosta zastpiony przez tzw. Niebieski Biegun Poredni
(Celestial Intermediate Pole CIP) (Capitaine i in. 2003). Najbardziej energetycznymi
oscylacjami we wsprzdnych bieguna ziemskiego s oscylacje Chandlera i roczna. Rola
momentu pdu atmosfery w pobudzaniu oscylacji Chandlera, rocznej (Chao i Au 1991), a
take oscylacji o okresach krtszych ni 1 rok (Eubanks i in. 1988; Kosek i in. 1995) jest
znaczca, chocia nie do koca wyjania ich przyczyn. Uwzgldnienie dodatkowo momentu
pdu oceanu znacznie poprawio korelacj pomidzy czn atmosferyczno - oceaniczn
funkcj pobudzenia, a funkcj pobudzenia wyznaczon ze wsprzdnych bieguna w zakresie
czstotliwoci Chandlera, rocznej oraz zmian o okresach krtszych ni 1 rok (Ponte i
Stammer 1999; Brzeziski i in. 2003; Gross i in. 2003; Kosek 2004a,b). Przebieg zmiennoci
wsprzdnych x,y bieguna ziemskiego EOPC04 oraz EOPC01 przedstawiono na rysunku 1.

1860 1880 1900 1920 1940 1960 1980 2000
-0.3
-0.2
-0.1
0.0
0.1
0.2
0.3
[arcsec]
x
EOPC01
EOPC04

1860 1880 1900 1920 1940 1960 1980 2000
[lata]
-0.3
-0.2
-0.1
0.0
0.1
0.2
0.3
[arcsec]
y

Rys. 1. Wsprzdne x, y bieguna ziemskiego EOPC01 (linia szara) i EOPC04 (linia czarna)

1.2. Zmiany prdkoci obrotowej Ziemi
Zmiany prdkoci obrotowej Ziemi wyraone przez czas UT1 UTC lub jego pierwsz
pochodn LOD powodowane s gwnie zmianami pywowymi zwizanymi z
oddziaywaniem grawitacyjnym Soca i Ksiyca (McCarthy i Luzum 1993) oraz
niepywowymi, ktrych gwn przyczyn jest wymiana momentu pdu pomidzy Ziemi a
atmosfer (Hide i in. 1980). Jednym z waniejszych czynnikw wpywajcych na
dugookresowe zmiany skadowej osiowej momentu pdu atmosfery oraz LOD jest zjawisko
ENSO (El Nio - Southern Oscillation) (Dickey i in., 1999; Salstein i in. 1999).

1.2.1. Deformacje pywowe UT1-UTC i LOD
Oddziaywanie grawitacyjne Soca i Ksiyca w zmianach czasu uniwersalnego UT1
UTC lub zmianach dugoci doby LOD moe by modelowane przy uyciu funkcji
deterministycznej odpowiednio wedug nastpujcych wzorw:

= =
+ = + =
62
1
' '
62
1
sin cos LOD , cos sin UT1
i
i i i i
i
i i i i
C B C B (1)
3
gdzie
' '
, , ,
i i i i
C B C B - parametry modelu,

=
=
5
1 j
j ij i
a ,
ij
a - cakowite mnoniki,
j
- argumenty nutacji lunisolarnej , , , ,
'
D F l l (McCarthy 1996).
Model oscylacji pywowych w zmianach dugoci doby oraz zmiany dugoci doby
przed i po odjciu modelu pywowego widoczne s na rysunku 2.

39600 41800 44000 46200 48400 50600 52800
-0.002
-0.001
0.000
0.001
0.002
[s]
model pywowy LOD

1965 1970 1975 1980 1985 1990 1995 2000 2005
[lata]
0.000
0.001
0.002
0.003
0.004
[s] LOD
LODR = LOD - model pywowy


Rys. 2. Model oscylacji pywowych w zmianach dugoci doby oraz zmiany dugoci doby
przed (LOD linia szara) i po odjciu modelu pywowego (LOD model linia czarna)

1.3. Precesja i Nutacja
Gwn przyczyn zmian precesji i nutacji jest oddziaywanie grawitacyjne Soca i
Ksiyca na cz masy Ziemi znajdujcej si poza mas kulist. Zmiany te dla Ziemi staej
s dobrze poznane ze wzgldu na dokadnie okrelone okresy precesji (25600 lat) oraz
gwnych wyrazw nutacji (13.66 dni, 0.5 roku, 1 rok, 9.3 lat oraz 18.6 lat). Wpyw
atmosfery i oceanu na zmiany nutacji (zmiany pooenia bieguna wzgldem ICRS) jest
znacznie mniejszy ni na zmiany wsprzdnych bieguna ziemskiego (zmiany pooenia
bieguna wzgldem ITRS) lub UT1 UTC, chocia jak wskazuj ostatnie badania, nie jest on
zaniedbywalny i dalsze modelowanie nutacji jest obecnie przedmiotem intensywnych bada
(Gegout i in. 1998; Bizouard i in. 1998; de Viron i in. 2001; Dehant i in. 2003).
1.4. Transformacja pomidzy niebieskim i ziemskim ukadem odniesienia oraz jej
dokadno
Transformacja pomidzy niebieskim i ziemskim ukadami odniesienia (ICRF i ITRF)
jest funkcj czasu i jej parametrami s parametry orientacji Ziemi (Earth Orientation
Parameters EOP). Parametry orientacji Ziemi okrelaj ruch osi Ziemi w przestrzeni
wzgldem ICRF, czyli precesj i nutacj oraz ruch osi obrotu Ziemi wzgldem ITRF, czyli
ruch bieguna oraz zmiany prdkoci obrotowej Ziemi. Transformacja ta realizowana jest
wzorem:
| | | | TRS t W t R t Q CRS ) ( ) ( ) ( = (2)
4
gdzie macierze ) (t Q , ) (t R , ) (t W okrelaj kolejno: ruch bieguna wzgldem systemu
niebieskiego, obrt Ziemi wok osi biegunowej oraz obrt uwzgldniajcy ruch bieguna
wzgldem systemu ziemskiego.
Dokadno transformacji dwch konwencjonalnych ukadw odniesienia ICRF i ITRF
w czasie rzeczywistym zaley od precyzji wyznaczenia i prognozowania EOP, ktrych
dokadno wzrastaa od pocztku lat 1970 dziki zastosowaniu nowoczesnych technik
geodezji kosmicznej. W tablicy 1 pokazane s rednie bdy EOP od 1976 roku. Parametry
orientacji Ziemi wyznaczone zostay przez IERS jako kombinacja rnych rozwiza EOP z
obserwacji astrometrycznych, SLR, VLBI, GPS i DORIS. Obecna dokadno wyznaczenia
wsprzdnych bieguna ziemskiego i poprawek do modelu nutacji IAU2000A wynosi okoo
0.06 mas, natomiast zmian dugoci doby okoo 0.006 ms, co na powierzchni Ziemi
odpowiada przesuniciom odpowiednio rzdu 1.8 mm i 2.8 mm.
Tablica 1. Bd wyznaczenia x, y, UT1 UTC w poszczeglnych latach
w rozwizaniu kombinowanym EOPC04
1976 1980 1984 1988 1992 1996 2000 2004
x [mas] 16.3 2.6 0.72 0.53 0.29 0.12 0.074 0.058
y [mas] 14.3 1.5 0.60 0.47 0.29 0.15 0.074 0.060
UT1 UTC [ms] 0.406 0.238 0.069 0.044 0.016 0.010 0.012 0.006

Dokadno prognozowania EOP jest bardzo maa w stosunku do dokadnoci ich
wyznaczenia, a stosunek redniego bdu prognozy do redniego bdu wyznaczenia EOP
wzrasta z dugoci prognozy (Kosek 1993, 1997, 2000, 2002; Kosek i in. 1998, 2000, 2001,
2002, 2003; Malkin i Skurikhina 1996; McCarthy i Luzum 1991; Schuh i in. 2002). W tablicy
2 przedstawione zostay rednie bdy prognozy EOP od 1 do 60 dni w przyszoci oraz
stosunek tych bdw do rednich bdw ich wyznaczenia w roku 2000. Biorc pod uwag
to, e prognoza EOP obliczana jest przez IERS Rapid Service/Prediction Centre raz w
tygodniu, widoczne jest, e po tym czasie bdy prognoz EOP s kilkadziesit razy wiksze
ni dokadno ich wyznaczenia. Stosunek bdw prognozy do bdw wyznaczenia EOP
ronie szybciej dla UT1 UTC ni dla wsprzdnych bieguna ziemskiego. Pozostae
parametry transformacji pomidzy ukadami ICRS i ITRS, precesja i nutacja prognozowane s
prawie z dokadnoci ich wyznaczenia ze wzgldu na to, e deterministyczny model tych
zmian jest obecnie bardzo dobrze znany (McCarthy 1996; McCarthy i Luzum 2003;
Brzeziski i Kosek 2003). Bd prognozy precesji i nutacji niezalenie od jej dugoci wynosi
0.13 mas. Czym wysza precyzja wyznaczenia EOP tym wikszy staje si stosunek bdw
ich prognoz do bdw ich wyznaczenia. Std, IERS Rapid Service/Prediction Centre
zainteresowane jest dokadniejszym ni obecnie, prognozowaniem wsprzdnych x,y bieguna
ziemskiego oraz UT1 UTC.

Tablica 2. rednie bdy prognozy wsprzdnych x, y bieguna ziemskiego oraz UT1-UTC od
1 do 60 dni stosunek przyszoci oraz ich stosunek do bdu ich wyznaczenia w roku 2000

Dni w przyszoci 1 7 20 40 60
x, y [mas] 0.5 2.7 6.3 10.6 14.2
UT1 UTC [ms] 0.12 0.7 3.6 6.9 10.1
x, y ~7 ~36 ~85 ~140 ~190 Stosunek bdu prognozy do
bdu wyznaczenia EOP UT1 UTC ~10 ~58 ~300 ~580 ~ 840
2. Przyczyny wzrastajcych bdw prognozy wsprzdnych bieguna ziemskiego oraz
UT1 UTC
5
Powodem wzrostu bdu prognozy wsprzdnych bieguna ziemskiego s nieregularne
zmiany amplitud i faz oscylacji krtkookresowych od kilku do ok. 250 dni (Kosek i Koaczek
1995, 1997; Kosek i in. 1995; Kosek 2000), a take zmiany amplitud i faz oscylacji rocznej i
Chandlera (Kosek i in. 2001, 2002). Najbardziej znaczcym czynnikiem wpywajcym na
wzrost bdw prognozy wsprzdnych bieguna ziemskiego i UT1 UTC do kilku dni w
przyszoci s nieregularne zmiany wystpujce podczas wymiany momentw pdu pomidzy
sta Ziemi, a zewntrznymi orodkami ciekymi, atmosfer, oceanem i hydrosfer ldow.
Przez nieregularne zaburzenia rozumiane s takie, ktrych nie daje si przedstawi ani
ekstrapolowa funkcj matematyczn. Niemono wymodelowania tych nieregularnych
zmian EOP powoduje wzrost bdu ich prognozy. Rysunek 3 przedstawia czasowo
czstotliwociowe widma mocy wyznaczone metod rodkowoprzepustowego filtru
transformaty Fouriera (FTBPF) (Popiski i Kosek 1995; Kosek 1995) zespolonych
wsprzdnych bieguna ziemskiego i zmian dugoci doby, na ktrych widoczne s
nieregularne zmiany amplitud oscylacji krtkookresowych. Dokadno prognozy
wsprzdnych bieguna ziemskiego spowodowana jest take zmian amplitudy oscylacji
rocznej i Chandlera a take fazy oscylacji rocznej, widocznych na rysunku 4 (Kosek i in.
2001, 2002). Zmiany te wyznaczone zostay metod LS dla modelu ekstrapolacji
wsprzdnych bieguna ziemskiego dopasowanego do cigu danych o dugoci trzech lat.
Model ten skada si z koowej oscylacji Chandlera oraz dwch eliptycznych oscylacji
rocznej i procznej. Zmiany amplitudy oscylacji Chandlera s wiksze ni rocznej, jednak ze
wzgldu na ich wygadzenie nie wpywaj na bd prognozy tak znaczco jak zmiany
amplitudy oscylacji rocznej. Wzrost dugoci cigu danych, z ktrych wyznaczany jest model
LS spowodowa wzrost bdw prognozy wsprzdnych bieguna ziemskiego, szczeglnie w
okresie wystpienia dwch najwikszych w poprzednim stuleciu zjawisk El Nio w latach
1982/83 oraz 1997/98 (Kosek i in. 2001, 2002). Zarwno faza jak i amplituda oscylacji
rocznej osigny najwiksze wartoci przed wystpieniem tych zjawisk. Dokadno
prognozy dugookresowej zaley natomiast od zmian amplitudy i fazy oscylacji Chandlera, a
take zmiennoci oscylacji dugookresowych i wiekowych (Schuh i in. 2001).

1965 1970 1975 1980 1985 1990 1995 2000
[lata]
50
100
150
200
o
k
r
e
s

[
d
n
i
]
1965 1970 1975 1980 1985 1990 1995 2000
-200
-150
-100
-50
0
50
100
150
200
o
k
r
e
s

[
d
n
i
]
0
1
2
3
4
5
6
7
0.05
0.1
0.15
0.2
[mas] x - iy
LODR = LOD - model pywowy
[ms]

Rys. 3. Czasowo czstotliwociowe widma mocy FTBPF zespolonych wsprzdnych
bieguna ziemskiego i zmian dugoci doby
6
1950 1960 1970 1980 1990 2000
0.0
0.1
0.2
0.3
Chandler
Roczny
Amplitudy
[arcsec]

1950 1960 1970 1980 1990 2000
[lata]
300
320
340
360
Faza oscylacji rocznej
[o]


Rys. 4. Zmiany amplitud oscylacji Chandlera (linia ciga) i rocznej oraz zmiany fazy
oscylacji rocznej wyznaczone metod najmniejszych kwadratw w 3-letnich przedziaach
czasowych wsprzdnych x (okrgi), y (trjkty) bieguna ziemskiego IERS EOPC04

3. Prognoza parametrw ruchu obrotowego Ziemi wyznaczana w IERS Rapid Service/
Prediction Centre w USNO
Prognoza wsprzdnych x,y bieguna ziemskiego, UT1 UTC oraz poprawek do
modelu nutacji obliczana jest obecnie przez IERS Rapid Service/Prediction Centre,
zlokalizowany w U.S. Naval Observatory w Waszyngtonie. Od 22 maja 2001 roku prognoza
wsprzdnych x,y bieguna ziemskiego jest ekstrapolacj modelu najmniejszych kwadratw
koowej oscylacji Chandlera, dwch eliptycznych oscylacji rocznej i procznej oraz
skadowej liniowej. Model ten dopasowany jest do wsprzdnych bieguna ziemskiego z
ostatnich 400 dni i ekstrapolowany na 1 rok w przyszo (McCarthy i Luzum 1991). Do
prognozy dodawana jest poprawka liniowa wynikajca z rnicy pomidzy ostatni wartoci
danych a modelem. Poprawka ta maleje wraz z dugoci prognozy. Poprzednia metoda
prognozowania ruchu bieguna ziemskiego bya ekstrapolacj tego samego modelu
dopasowywanego do ostatnich 1100 dni danych ruchu bieguna ziemskiego. Skrcenie czasu
dopasowania modelu najmniejszych kwadratw do danych wsprzdnych bieguna
ziemskiego z 3 lat do 1 roku podyktowane byo wzrastajcymi bdami prognozy szczeglnie
w okresie zjawisk El Nio (Kosek i in. 2001).
Od 14 sierpnia 2001 prognoza UT1 UTC wykorzystuje skadow osiowa momentu
pdu EAAM NCEP/NCAR poprzez doczenie jej do wektora obserwacyjnego filtru Kalmana
w postaci szeregu czasowego podobnego do zmian UT1 (UTAAM) (Luzum i in. 2001;
Johnson i in. 2002). Dokadno tej prognozy do okoo 10 dni w przyszoci wzrosa o 42% w
stosunku do poprzedniej metody prognozowania metod filtru Gaussa (McCarthy i Luzum
1991).
7
Prognoza poprawek , do nutacji wyznaczana jest jako ekstrapolacja modelu
najmniejszych kwadratw KSV_1996_3 (McCarthy 1996). Ze wzgldu na pozyskanie
nowego modelu precesyjno-nutacyjnego (Mathews i in. 2002) nowy model metody
najmniejszych kwadratw zawiera mniejsz liczb parametrw ni poprzedni.

4. Zastosowane metody prognozowania
Gwnym problemem w prognozowaniu jest wyznaczenie przewidywanej wartoci
szeregu czasowego poza przedziaem czasowym, w ktrym szereg ten jest okrelony.
Prognoza szeregw czasowych obliczona dowoln metod prognozowania jest tym dokadniej
wyznaczona im mniejsza jest rnica pomidzy jej wartoci, a rzeczywistymi danymi w
przyszoci. Porwnanie takich rnic w rnych momentach czasu rozpoczcia
prognozowania pozwala oceni dokadno kadej metody prognozy.

4.1. Metoda autokowariancyjna (AC)
W autokowariancyjnej metodzie prognozowania (AC) warto pierwszego punktu
prognozy stacjonarnego dwuwymiarowego szeregu czasowego
n
x x x ,..., ,
2 1
(gdzie
2 1
ix x x
t
+ = ) wyznaczana jest nastpujcym wzorem (Kosek 2002):
o
n
k
k n k
n
c
x c
x

1
1
1
1

=
+
+
= (3)
gdzie:
. 1 ,..., 1 , 0
1
1
= =

=
+
n k
n
k n
t
k t t k
x x c (4)
jest estymatorem autokowariancji szeregu czasowego
t
x , n jest liczb danych.
Nastpny punkt prognozy
l n
x
+
mona wyznaczy wwczas, gdy poprzedni punkt
prognozy
1 +l n
x zostanie dodany do szeregu czasowego, gdzie l jest dugoci prognozy.

4.2. Metoda autoregresji (AR)
Proces autoregresji rzdu p okrelony jest nastpujcym wzorem:
t p t p t t t
x a x a x a x + + + + =

...
2 2 1 1
(5)
gdzie
p
a a a ,..., ,
2 1
s wspczynnikami autoregresji, p jest rzdem autoregresji, natomiast
t

jest biaym szumem.
Prognoza metod autoregresji (AR) spenia rwnanie procesu autoregresji (5) i
okrelona jest wzorem:
,... 2 , 1 ...
2 2 1 1
= + + + =
+ + +
l dla x a x a x a x
l p n p l n l n l n
(6)
gdzie
p
a a a ,..., ,
2 1
s estymatorami wspczynnikw autoregresji wyznaczanymi z rwna
Yulea-Walkera (Box i Jenkins 1976):
|
|
|
|
|
.
|

\
|
|
|
|
|
|
.
|

\
|
=
|
|
|
|
|
.
|

\
|

p o p p
p o
p o
p
c
c
c
c c c
c c c
c c c
a
a
a

.
. . . .
.
.

2
1
1
2 1
2 1
1 1
2
1
, (7)
8
p o
c c c ,..., ,
1
s estymatorami autokowariancji okrelonymi rwnaniem (4), rzd autoregresji
p wyznaczony jest z kryterium Akaike (1974):
min
2
) ( ln ) (
2
= + =
n
p
p p AIC

(8)
w ktrym
p p o
c a c a c a c p ... ) (
2 2 1 1
2
=

jest estymatorem wariancji szumu opartym na

p parametrowym modelu.
Wspczynniki autoregresji dwuwymiarowych szeregw czasowych wyznaczone
zostay metod najmniejszych kwadratw (Brzeziski 1994, 1995) wedug algorytmu, ktry
jest modyfikacj algorytmu Barrodale i Ericksona (1980) dla jednowymiarowych szeregw
czasowych.

4.3. Metoda autoregresji redniej ruchomej (ARMA)
Proces autoregresji redniej ruchomej ) , ( q p ARMA okrelony jest nastpujcym
wzorem (Box i Jenkins 1976):

=

=
+ =
q
i
i t i i t
p
i
i t
x a x
0 1
(9)
gdzie:
i i
a , oraz q p, s odpowiednio wspczynnikami oraz rzdami autoregresji i redniej
ruchomej.
Wprowadzajc operator przesunicia wstecz B , o wasnociach: ,
1
=
t t
z Bz
2
2
1
= =
t t t
z z B Bz , rwnanie (9) moe by przeksztacone w nastpujcy sposb:
t
q
q t t t
p
p t t
B B x B a Bx a x + + + = ... ...
1 1
(10)
( ) ( )
q
q t
p
p t
B B B a B a x + + + = ... 1 ... 1
1 1
(11)
) ( ) ( B B a x
t t
= (12)
Proces autoregresji redniej ruchomej skoczonego rzdu ) , ( q p ARMA mona
przeksztaci do procesu redniej ruchomej nieskoczonego rzdu ) ( MA w nastpujcy
sposb:

=

= = =
0
) (
) (
) (
j
j t j t t t
B
B a
B
x

(13)
gdzie ) (B jest wielomianem procesu redniej ruchomej nieskoczonego rzdu.
Na podstawie rwnania (13) mona okreli przysze wartoci procesu autoregresji
redniej ruchomej wedug nastpujcych wzorw:
{ } { } ...
1 1

1 1 1 1
,..., 2 , 1 dla przyszle 0
+ + + + + =
+ + + + +
=
+
=
t l t l t l l t l t o l t
l k
k t
x

4 4 4 4 3 4 4 4 4 2 1
, (14)
...
1 1
+ + =
+ + t l t l l t
x (15)
Korzystajc ze wzoru (13) okrela si przysze wartoci procesu rwnie w inny sposb:
) (
) ( ) (
) ( ) (
B
x
B
B
B
B
B B B x
t
l
t
l
t
l
l t l t

)
`

=
)
`

= = =

+ +
(16)
Std prognoza procesu autoregresji redniej ruchomej (ARMA) moe by wyraona przez
wartoci procesu stochastycznego
t
x wedug nastpujcego wzoru:
) (
) (

B
x
B
B
x
t
l
l t

)
`

=
+
+
(17)
9
gdzie
) (
+
)
`

l
B
B
oznacza cz operatora zawierajca tylko dodatnie potgi B .

4.4. Metoda sieci neuronowych (NN)
Sztuczne Sieci Neuronowe (SSN) nale do jednej z najbardziej popularnych
inteligentnych technik przetwarzanie informacji. Stosuje si je szeroko w inynierii, nauce i
ekonomii do rozwizywania wielu problemw, szczeglnie nieliniowych, np. prognozowanie,
rozpoznawanie dwiku i obrazu, zarzdzanie, wnioskowanie itp. Model SSN jest
matematycznym modelem inspirowanym przez funkcjonalno ludzkiego mzgu, a w
szczeglnoci przez jego zdolno do uoglniania wiedzy. Proces projektowania takiej sieci
nie jest prosty i w oglnoci bazuje na wielokrotnych testach oraz, w gwnej mierze, na
dowiadczeniu. Popularno sieci w dziedzinie prognozowania wynika z tego, e daj one
rezultaty lepsze ni wiele wyrafinowanych metod statystycznych. Nauk sieci, w tym
przypadku, mona rozpatrywa jako pewien proces optymalizacyjny, ktry poprzez
trenowanie, wydobywa ukryte relacje midzy kolejnymi elementami szeregu czasowego.
Prognozowanie danych EOP przy pomocy SSN zostao przetestowane przez Eggera i
Frhlicha (1993) oraz Schuh i in. (2002). W celu zredukowania liczby danych do
prognozowania metod NN (Neural Network), a tym samym skrcenia czasu oblicze,
interpolowano szeregi EOPC04 z rozdzielczoci 10 dni. Amplitudy oscylacji o okresach
mniejszych ni kilkanacie dni nie przekraczaj 0.4 mas (Kosek 1995, 1997). Interpolowanie
szeregu ze wspomnian rozdzielczoci nie przyczynia si zatem do utraty istotnych
informacji.

4.4.1. Topologia sieci i algorytm trenowania
Podstawowym problem zwizanym z projektowaniem sieci jest ustalenie odpowiedniej
liczby neuronw oraz zastosowanie efektywnego algorytmu trenowania. W szczeglnoci,
jeeli liczba neuronw bdzie za dua, trenowanie moe zaj zbyt wiele czasu, natomiast
zbyt maa liczba neuronw nie zdoa poprawnie reprezentowa zadanego szeregu czasowego.
Architektura sieci najczciej jest ustalona, natomiast nauka prowadzona jest z uyciem
rnych metod. Istnieje wiele metod poszukiwania optymalnej struktury sieci (de Falco i in.
1998; Goldberg 1989).
W opisywanym eksperymencie topologia sieci neuronowej zostaa zoptymalizowana w
trakcie testw. Ostatecznie przyjto sie skadajc si z dwch warstw (Rys. 5). Warstwa
pierwsza (ukryta) zawieraa cztery neurony z radialnymi funkcjami aktywacji (Kalarus i
Kosek 2004). Liczb wej ustalono na 20 (210), zatem do otrzymania kolejnych punktw
prognozy x i y naleao podawa na wejcie sieci po 10 (100dni) punktw danych,
odpowiednio szeregw czasowych x i y (rys. 6). Liczba wej oraz liczba neuronw okrelaj
rozmiar sieci. W przeprowadzonym eksperymencie caa wiedza sieci zawarta bya w 88
zmiennych opisujcych wagi neuronw (weights) oraz 8 zmiennych okrelajcych prg
wzbudzenia neuronu (biases) (rys. 5).

10
x y
radbas radbas radbas radbas
1 10 1 10
wagi wejciowe
[W ]
1 4x20
wagi w warstwie
[W ]
2 2x4
progi wejciowe
[B ]
1 4x1
progi w warstwie
[B ]
2 2x1
purelin purelin


Rys. 5. Schemat sieci neuronowej



szablon i
szablon i+1
x y
Szeregi czasowe
dane wejciowe dane wyjciowe
x t ( ) x t+1 ( )
y t+15 ( ) y t+16 ( )
szablon i-1


Rys. 6. Generowanie szablonu

Opisana sie neuronowa zostaa wygenerowana w rodowisku Matlab (Neural Network
Toolbox) z uyciem funkcji newff, ktra tworzy w pamici obiekt klasy feed-forward
backpropagation network.
Kolejnym wanym problemem jest znalezienie optymalnej metody trenowania sieci. W
eksperymencie wykorzystano najszybsz dostpn w Matlabie metod trenowania trainlm,
ktra uaktualnia wagi neuronw zgodnie z algorytmem optymalizacyjnym Levenberga-
Marquardta (LM) (More 1978). Popularno tej metody wynika przede wszystkim z jej
prdkoci dziaania, ktra jest conajmniej kilkakrotnie wiksza od prdkoci klasycznych
gradientowych metod propagacji wstecznej (np. traingd). Jedn z niewielu jej wad jest
11
natomiast due zapotrzebowanie na pami operacyjn komputera, co wyklucza zastosowanie
tej metody w sieciach gdzie liczba wag przekracza kilkaset.
Dziaanie algorytmu polega gwnie na obliczaniu w kadej iteracji wartoci Jakobianu
J(X) wzgldem wag i progw wzbudzenia X. Nastpnie kada zmienna jest modyfikowana
wedug wzoru:
( )
( ) ( ) I X J X J
E X J
X
+
=
T
T
(18)
gdzie: E - wektor bdw (rnica midzy podan i aktualn wartoci na wyjciu
neuronw), I - macierz jednostkowa. Zmienna jest na bieco modyfikowana i uywana w
procedurze trainlm do redukcji czasu oblicze.

4.4.2. Model ruchu bieguna
W pierwszym etapie analizy danych wykorzystano metod najmniejszych kwadratw
do wpasowania modelu zawierajcego trend liniowy oraz dwie najbardziej energetyczne
oscylacje: roczn i Chandlera. Model ten zosta dopasowany do oryginalnych danych
wsprzdnych x,y bieguna ziemskiego IERS EOPC04 i mona go wyrazi nastpujco:

( ) ( )
Ax Ax Ax Chx Chx Chx x x
t A t A b t a t x + + + = sin sin ) (
(19)

( ) ( )
Ay Ay Ay Chy Chy Chy y y
t A t A b t a t y + + + = sin sin ) (


trend liniowy oscylacja Chandlera oscylacja roczna

gdzie
Ay Ax Chy Chx
, , , s odpowiednio czstociami oscylacji Chandlera i rocznej w
kierunkach x i y (czstoci te s argumentami maksimw amplitudy transformaty Fouriera
policzonej oddzielnie dla danych x i y),
Ay Ax Chy Chx
A A A A , , , i
Ay Ax Chy Chx
, , , s nieznanymi
amplitudami i fazami oscylacji rocznej i Chandlera wyznaczone metod najmniejszych
kwadratw.
Moduy transformaty Fouriera (Press i in. 1992; Priestley 1981) zespolonego szeregu
wsprzdnych bieguna oraz residuw pozostaych po odjciu modelu dla oscylacji
lewoskrtnych zostay przedstawione na rysunku 7. Odjcie modelu zmniejsza amplitud
sygnau. Wci jednak pozostaje znaczcy sygna w pobliu oscylacji Chandlera i rocznej.
Sygna ten spowodowany jest zmienn faz oraz amplitud oscylacji Chandlera i rocznej
(Koaczek i Kosek 1998; Kosek i in. 2001, 2002; Schuh i in. 2001; Kosek 2003) i nie jest
moliwe wymodelowanie go metod LS.

0 100 200 300 400 500 600
okres [dni]
0.00
0.03
0.06
0.09
0.12
0.15
a
m
p
l
i
t
u
d
a

[
a
r
c
s
e
c
]
Chandler
Roczny

Rys. 7. Modu Transformaty Fouriera zespolonych wsprzdnych bieguna ziemskiego z
usunit skadow liniow (linia ciga) oraz transformaty Fouriera residuw pozostaych po
odjciu modelu (linia pogrubiona)
12

5. Prognozowanie wsprzdnych bieguna ziemskiego poprzez transformacj do ukadu
biegunowego
W ukadzie wsprzdnych biegunowych promie i dugo uku polhodii okrelone s
wzorami:
( ) ( ) n t y y x x R
m
t t
m
t t t
,..., 2 , 1 ,
2 2
= + = (20)
( ) ( ) n t y y x x A
t t t t t
,..., 3 , 2 ,
2
1
2
1
= + =

(21)
gdzie wsprzdne bieguna redniego
m
t
m
t
y x , wyznaczone s przy uyciu
dolnoprzepustowego filtru Ormsby (1961) z optymalnie zaprojektowanymi parametrami i
ekstrapolowane w przyszo metod LS (Kosek 2003).
Po wyznaczeniu prognozy promienia
1

+ n
R i dugoci uku
1

+ n
A polhodii, wyznaczane s
prognozy wsprzdnych bieguna ziemskiego
1 1
,
+ + n n
y x (rys. 8) dowoln metod
prognozowania przy zastosowaniu wzorw liniowego wcicia wprzd. Zakada si przy tym,
e ruch bieguna ziemskiego odbywa si w kierunku przeciwnym do ruchu wskazwek zegara
(Kosek 2002, 2003). Zmiany promienia i dugoci uku polhodii pokazane s na rysunku 9. W
zmianach tych widoczna jest 6-7 letnia oscylacja o zmieniajcej si amplitudzie, wynikajca
ze zdudnienia oscylacji Chandlera i rocznej. Prognozowanie w ukadzie wsprzdnych
biegunowych pozwala na wyeliminowanie problemu rozdzielania tych dwch najbardziej
energetycznych oscylacji o bliskich sobie czstotliwociach (Kosek i Kalarus 2003).


Rys. 8. Schemat prognozowania wsprzdnych bieguna ziemskiego w ukadzie
wsprzdnych biegunowych, poprzez liniowe wcicie wprzd prognozy promienia i dugoci
uku polhodii

redni biegun
1 1
,
+ + t t
y x
t t
y x ,
t
A
1

+ t
A
1

+ t
R
t
R
1 t
R
m
t
m
t
y x ,
1
,
1 t t
y x
13
1860 1880 1900 1920 1940 1960 1980 2000
0.0
0.1
0.2
0.3
0.4
0.5
[arcsec]
R

1860 1880 1900 1920 1940 1960 1980 2000
[lata]
0.000
0.002
0.004
0.006
0.008
0.010 A
[arcsec/dni]

Rys. 9. Szeregi czasowe zmian promienia R i dugoci uku polhodii A

W celu wyznaczenia prognozy promienia i dugoci uku polhodii zastosowana zostaa
metoda autokowariancyjna (AC) oraz kombinacja metody najmniejszych kwadratw z
metod autoregresji (LS+AC). W metodzie kombinacji LS+AR wyznaczany jest model
metody LS promienia i dugoci uku polhodii, a nastpnie wyznaczane s residua
ekstrapolacji, jako rnica pomidzy danymi a modelem. Prognoza metod kombinacji
LS+AR jest sum ekstrapolacji modelu LS oraz prognoz AR residuw ekstrapolacji. W
prognozowaniu metod AC wykorzystane zostay w obliczeniach zmiany promienia i
dugoci uku polhodii z okresu 40 lat. W prognozowaniu metod LS+AR model metody LS
skada si z szeciu oscylacji o okresach: 2220 (6.1 lat), 1200, 650, 310, 200 i 130 dni (Kosek
i Kalarus 2003) i dopasowany zosta do danych promienia i dugoci uku polhodii z okresu
35 lat, natomiast model autoregresji obliczony by z residuw ekstrapolacji z okresu ostatnich
6 lat.

0 50 100 150 200 250 300 350
[dni w przyszoci]
0.00
0.02
0.04
0.06
0.08
0.10
0.12
0.14
R
x
y
L
[arcsec]
LS + AR
0 50 100 150 200 250 300 350
[dni w przyszoci]
0.00
0.02
0.04
0.06
0.08
0.10
0.12
0.14
R
x
y
L
[arcsec]
AC

Rys. 10. redni bd prognozy wsprzdnych x (linia ciga), y (linia przerywana) bieguna
ziemskiego oraz promienia R (okrgi) oraz scakowanej dugoci uku polhodii L (trjkty) w
latach 1984-2004.34 dla metod LS+AR oraz AC

rednie bdy prognozy wsprzdnych x,y bieguna ziemskiego oraz promienia R i
scakowanej dugoci uku L polhodii w przedziale 1984-2004.5 dla metod LS+AR oraz AC
pokazane s na Rysunku 10. Bdy prognozy wsprzdnych x,y bieguna ziemskiego staj si
14
due ze wzgldu na szybko rosncy bd prognozy scakowanej dugoci uku polhodii. Wad
prognozowania wsprzdnych bieguna ziemskiego w biegunowym ukadzie wsprzdnych
jest maa dokadno prognozy scakowanej dugoci uku polhodii bez wzgldu na
zastosowan metod prognozy.

6. Prognozowanie wsprzdnych bieguna ziemskiego oraz czasu UT1 UTC
W celu prognozowania czasu wsprzdnych bieguna ziemskiego, UT1 UTC i LOD
zastosowane zostay kombinacje metody LS z metodami stochastycznymi AC, AR, ARMA i
NN. Wszystkie wymienione metody zaprojektowane zostay do prognozowania
dwuwymiarowych szeregw czasowych z wyjtkiem metody NN, ktra prognozuje tylko
jednowymiarowe szeregi czasowe. W celu prognozowania UT1 UTC odejmowane s skoki
sekundowe (UT1 TAI), nastpnie model oscylacji pywowych (UT1R TAI) oraz model
zmian sezonowych wyznaczany poprzez dopasowanie metod LS. W przypadku
prognozowania zmian LOD odejmowany jest model oscylacji pywowych (LODR) oraz
zmiany sezonowe wyznaczane metod LS. Do prognozowania zmian UT1 UTC oraz LOD
wykorzystane zostay te same programy co do prognozowania dwuwymiarowych
wsprzdnych bieguna ziemskiego przy zaoeniu zerowania si czci urojonej szeregu
czasowego. W kombinacji metody LS z metodami stochastycznymi wyznaczany jest model
ekstrapolacji LS wsprzdnych x,y bieguna ziemskiego, UT1R TAI lub LODR. Kocowa
prognoza tych zmian jest sum ekstrapolacji modelu LS oraz prognozy metody stochastycznej
residuw ekstrapolacji LS.
W kombinacji LS+AR, LS+ARMA model metody LS skadajcy si z koowej
oscylacji Chandlera, dwch eliptycznych oscylacji rocznej i procznej oraz trendu liniowego
dopasowany zosta do 10 letniego cigu danych wsprzdnych bieguna ziemskiego,
natomiast model autoregresji do ostatnich 890 dni (dwukrotny okres Chandlera) residuw
ekstrapolacji LS. W kombinacji LS+AC modele metody LS i AC dopasowane zostay
odpowiednio do cigu ostatnich 30 lat danych wsprzdnych bieguna ziemskiego oraz ich
residuw ekstrapolacji. W kombinacji LS+NN model metody LS dopasowany zosta osobno
do interpolowanych danych x i y wsprzdnych bieguna ziemskiego IERS EOPC04 od 1962
do 2004.5 roku, natomiast dugo szablonu do trenowania sieci na residuach ekstrapolacji LS
bya rwna 100 dni (Kalarus i Kosek 2004). rednie bdy prognoz wsprzdnych x,y
bieguna ziemskiego w latach 1984.0-2004.5 wyznaczonych metodami LS+AR, LS+ARMA,
LS+NN oraz dla obecnej metody prognozowania IERS Rapid Service/Prediction Centre w
USNO, pokazane s na rysunku 11. rednie bdy prognozy wsprzdnych x, y bieguna
ziemskiego s na og mniejsze dla kombinacji metody LS z metodami stochastycznymi ni
dla metody stosowanej w IERS Rapid Service/Prediction Centre (rys. 11). Metoda LS+AR
zostanie wkrtce zastosowana do rutynowych wyznacze prognoz wsprzdnych x,y bieguna
ziemskiego w IERS Rapid Service/Prediction Centre. Od stycznia 2004 wyniki prognoz
wyznaczane raz w tygodniu t metod s na bieco porwnywane z prognozami
wyznaczanymi w IERS. Absolutne wartoci rnic od 1 do 60 dni w przyszoci pomidzy
wsprzdnymi x,y bieguna ziemskiego i ich prognozami wyznaczonymi przez USNO oraz
kombinacj metody LS z metodami AR, ARMA, AC i NN pokazane s na rysunku 13.
W kombinacji LS+AR oraz LS+ARMA model metody LS skadajcy z dwch oscylacji
rocznej i procznej oraz trendu liniowego dopasowany zosta do cigu danych zmian UT1R
TAI i LODR o dugoci 10 lat, natomiast model autoregresji do ostatnich 2 lat residuw
ekstrapolacji modelu LS. W kombinacji LS+AC modele metody LS i AC dopasowane zostay
odpowiednio do ostatnich 30 lat danych zmian UT1R TAI i LODR oraz ich residuw
ekstrapolacji LS. W kombinacji LS+NN model metody LS dopasowany zosta do
interpolowanych danych UT1R TAI lub LODR od 1962 do 2004.5 roku, natomiast dugo
szablonu do trenowania sieci na residuach ekstrapolacji modelu LS bya rwna 100 dni.
15
Rysunek 12 przedstawia redni bd prognozy LOD i UT1 UTC w latach 1984.0-2004.5
wyznaczony kombinacj metody LS z metodami stochastycznymi. Absolutne wartoci rnic
pomidzy rzeczywistymi zmianami UT1 UTC a ich prognozami od 1 do 60 dni w
przyszoci wyznaczonymi kombinacj metody LS z metodami stochastycznymi widoczne s
na rysunku 13. Ze wzgldu na wystpowanie nieregularnych zmian o charakterze
krtkookresowym dokadno prognozy wsprzdnych bieguna ziemskiego, UT1 UTC i
LOD zaley gwnie od momentw czasu, w ktrych rozpoczynane jest prognozowanie
(Kosek i Koaczek 1995; Kosek 2000).

0 50 100 150 200 250 300 350 400
[dni w przyszoci]
0.00
0.01
0.02
0.03
[arcsec]
x IERS
LS+NN
LS+AR
LS+ARMA
0 50 100 150 200 250 300 350 400
[dni w przyszoci]
0.00
0.01
0.02
0.03
[arcsec]
y
IERS
LS+AR
LS+NN
LS+ARMA



Rys. 11. redni bd prognozy wsprzdnych x, y bieguna ziemskiego w latach 1984.0-
2004.5 wyznaczony kombinacj metod LS+AR (okrgi), LS+ARMA(trjkty), LS+NN (linia
przerywana) oraz dla obecnej metody prognozowania IERS Rapid Service/Prediction Centre
(linia ciga)


0 50 100 150 200 250 300 350 400
[dni w przyszoci]
0.0
0.1
0.2
0.3
0.4
LS+AR
LS+ARMA
[ms]
LOD
LS+NN
0 50 100 150 200 250 300 350 400
[dni w przyszoci]
0
20
40
60
80
100
LS+AR
LS+ARMA
[ms]
UT1-UTC
LS+NN
IERS


Rys. 12. redni bd prognozy LOD i UT1 UTC w latach 1984.0-2004.5 wyznaczony
kombinacj metod LS+ARMA (trjkty), LS+AR (okrgi) oraz LS+NN (linia przerywana), a
take redni bd prognozy UT1 UTC od 1 do 90 dni dla metody stosowanej przez IERS
Rapid Service/Prediction Centre (linia ciga) (Johnson i in. 2002).


16
10
50
0
0.01
0.02
0.03
0.04
0.05
1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004
[lata]
10
50
IERS
LS + AR
[arcsec]
10
50
LS + AC
10
50















[
d
n
i

w

p
r
z
y
s
z

c
i
]

LS + ARMA
x

10
50
1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004
[lata]
10
50
IERS
LS + AR
[arcsec]
10
50
LS + AC
10
50














[
d
n
i

w

p
r
z
y
s
z

c
i
]
0
0.01
0.02
0.03
0.04
0.05
LS + ARMA
y
10
50
0
10
20
30
40
10
50


























LS+AR
LS + ARMA
[ms]
10
50















[
d
n
i

w

p
r
z
y
s
z

c
i
]

UT1-UTC
LS + AC
1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004
[lata]
10
50
LS + NN


Rys. 13. Absolutna warto rnicy pomidzy wsprzdnymi x, y bieguna ziemskiego,
czasem UT1 UTC a ich prognozami wyznaczonymi przez IERS Rapid Service/Prediction
Centre oraz kombinacjami metod LS+AR, LS+ARMA, LS+AC i LS+NN.

Wnioski:
z rednie bdy prognozy wsprzdnych x, y bieguna ziemskiego do okoo 60 dni w
przyszoci, dla metody najmniejszych kwadratw stosowanej w USNO i metody
autokowariancyjnej w ukadzie wsprzdnych biegunowych s tego samego rzdu.
z Bdy prognozy wsprzdnych x,y bieguna ziemskiego oraz UT1 UTC i LOD
zale od momentw czasu, w ktrych rozpoczynane jest prognozowanie.
17
z Przyczyn bdw prognozy wsprzdnych bieguna ziemskiego s gwnie
nieregularne zmiany amplitud i faz oscylacji krtkookresowych oraz zmiany
amplitudy i fazy oscylacji rocznej.
z Problemem prognozowania w ukadzie wsprzdnych biegunowych jest mao
dokadna prognoza scakowanej dugoci uku polhodii.
z Dokadno prognozy wsprzdnych x,y bieguna ziemskiego metodami LS+AR i
LS+ARMA jest wysza ni dla obecnie stosowanej metody prognozowania IERS
Rapid Service/Prediction Centre.
z Dokadno prognozy UT1 UTC metodami LS+AR, LS+ARMA do okoo 100 dni w
przyszoci jest tego samego rzdu co metody prognozowania IERS Rapid
Service/Prediction Centre.

Podzikowania
Autorzy dzikuj Prof. A. Brzeziskiemu za udostpnienie procedur do wyznaczania
metod najmniejszych kwadratw wspczynnikw autoregresji dla dwuwymiarowych
szeregw czasowych.

Bibliografia
Akaike H., 1974, A New Look at Statistical Model Identification, IEEE Transactions on
Automatic Control, AC-19, pp. 716-723.
Barrodale I., Erickson R.E., 1980, Algorithms for least-squares linear prediction and
maximum entropy spectral analysis - Part II: Fortran program, Geophysics, 45, pp.
433-446.
Bizouard Ch., Brzeziski A., Petrov S., 1998, Diurnal atmospheric forcing and temporal
variations of the nutation amplitudes, Journal of Geodesy, 72, pp. 561-577.
Box G.E.P., Jenkins G.M., 1976, Time series analysis: forecasting and control, Holden-Day,
New York.
Brzeziski A., 1994, Algorithms for estimating maximum entropy coefficients of the complex-
valued time series, Allgemeine Vermessungs-Nachrichten, Heft 3/1994, Herbert
Wichman Verlag GmbH, Heidelberg, pp. 101-112.
Brzeziski A., 1995, On the interpretation of maximum entropy power spectrum and cross-
power spectrum in earth rotation investigations, Manuscripta geodaetica, 20, pp. 248-
264.
Brzeziski A., Nastula J., Koaczek B., 2003, Oceanic excitation of polar motion from
intraseasonal to decadal periods, accepted to Proc. XXIII IUGG General Assembly,
Symposium G06.
Brzezinski A., Kosek W., 2003, Free core nutation: stochastic modeling versus predictibility,
accepted to Proc. Journees 2003 Systemes de Reference Spatio-Temporels, 22-25
September 2003, St. Petersburg, Russia.
Capitaine N., Chapront J., Lambert S., Wallace P.T., 2003, Expressions for the Celestial
Intermediate Pole and Celestial Ephemeris Origin consistent with the IAU 2000A
precession nutation model, Astronomy and Astrophysics, Vol. 400, pp. 1145-1154.
Chao B.F., Au A.Y., 1991, Atmospheric excitation of the Earths annual wobble: 1980-1988,
J. Geophys. Res., 96, pp. 6577-6582.
Dehant V., Feissel-Vernier M., de Viron O., Ma C., Yseboodt M., Bizuard C., 2003,
Remaining error sources in the nutation at the submilliarc second level, J. Geophys.
Res., Vol. 108. No B5.
18
Dickey J.O., Gegout P., Marcus S.L., 1999, Earth-atmosphere angular momentum exchange
and ENSO: The rotational signature of the 1997-98 event, Geophys. Res. Lett., 26, No
16, pp. 2477-2480.
Egger D., Frhlich H., 1993, Pradiktion von Erdrotationsdaten klassisch und neuronal,
Allgemeine Vermessungs Nachrichten, 10, pp. 366-375.
Eubanks T.M., Steppe J.A., Dickey J.O., Rosen R.D., Salstein D.A., 1988, Causes of rapid
motions of the Earth's pole, Nature, 334, No 6178.
de Falco I., della Cioppa A., Iazzetta A., Natale P., Tarantino E., 1998, Optimizing neural
networks for time series prediction, Institute for Research on Parallel Information
Systems National Research Council of Italy (CNR), Via P. Castellino 111, Naples, Italy.
Gegout P., Hinderer J., Legros H., Greff M., Dehant V., 1998, Influence of atmospheric
pressure on Free Core Nutation, precession and some forced nutational motions of the
Earth, Phys. Earth Planet. Intern., 106, pp. 337-351.
Goldberg D.E., 1989, Genetic algorithms in search, optimization and machine learning,
Addison-Wesley, Reading, Massachussetts.
Gross R.S., Fukumori I., Menemenlis D., 2003, Atmospheric and oceanic excitation of the
Earths wobbles during 1980-2000, J. Geophys. Res., 108, (B8), 2370,
doi:10.1029/2002JB002143.
Hide R., Birch N.T., Morrison L.V., Shea D.J., White A., 1980, Atmospheric angular
momentum fluctuations and changes in the length of day, Nature, 286. pp. 114-117.
IERS, 2003, Annual Report, Observatoire de Paris, EOP: http://hpiers.obspm.fr/eop-pc/.
Johnson T.J., Luzum B.J., Ray J.R., 2002, Improved near-term UT1R predictions using
forecast of atmospheric angular momentum, submitted to J. Geodynamics.
Kalarus M., Kosek W., 2004, Prediction of Earth orientation parameters by artificial neural
networks, submitted to Artificial Satellites - Journal of Planetary Geodesy, Vol. 39, No
2, pp. 175-184.
Kolaczek B., Kosek W., 1998, Variations of the amplitude of the Chandler Wobble, Proc.
Journees 1998 Systemes de reference spatio-temporels, Conceptual, conventional and
practical studies related to Earth rotation, Sep. 21-23, Observatoire de Paris, France, pp.
215-220.
Kosek W., 1993, The Autocovariance Prediction of the Earth Rotation Parameters, Proc. 7
th

International Symposium "Geodesy and Physics of the Earth" IAG Symposium No 112 ,
Potsdam, Germany, 5-10 Oct. 1992, H. Montag and Ch. Reigber (eds.), Springer Verlag,
pp. 443-446.
Kosek W., 1995, Time Variable Band Pass Filter Spectra of Real and Complex-Valued Polar
Motion Series, Artificial Satellites, Planetary Geodesy, No 24, Vol. 30 No 1, pp. 27-43.
Kosek W., Koaczek B., 1995, Irregular Short Period Variations of Polar Motion, Proc.
Journees 1995 "Systemes de Reference Spatio-Temporels", Warsaw, Poland, 18-20
Sept., pp. 117-120.
Kosek W., Nastula J., Koaczek B., 1995, Variability of polar motion oscillations with periods
from 20 to 150 days in 1979-1991, Bull. Geod., 69, pp. 308-319.
Kosek W., 1997, Autocovariance Prediction of Short Period Earth Rotation Parameters,
Artificial Satellites, Journal of Planetary Geodesy, Vol. 32, No 2, pp. 75-85.
Kosek W., Koaczek B., 1997, Semi-Chandler and Semiannual Oscillations of Polar Motion,
Geophysical Research Letters, Vol. 24, No 17, pp. 2235-2238.
Kosek W., McCarthy D.D., Luzum B., 1998, Possible Improvement of Earth Orientation
Forecast Using Autocovariance Prediction Procedures, Journal of Geodesy, 72, pp.
189-199.
Kosek W., 2000, Irregular short period variations in Earth rotation, IERS Technical Note 28,
pp. 61-64.
19
Kosek W., McCarthy D.D., Luzum B.J., 2000, Prediction of complex-valued polar motion
using the combination of autocovariance prediction and a least-squares extrapolation,
EGS General Assembly, 2000, Nice, France, 24-29 April 2000.
Kosek, W., McCarthy D.D., Luzum B.J., 2001, El Nino impact on polar motion prediction
errors, Studia geophysica et geodetica, 45, (2001), pp. 347-361.
Kosek W., 2002, Autocovariance prediction of complex-valued polar motion time series,
Advances of Space Research, Vol. 30, No 2, pp. 375-380.
Kosek W., McCarthy D.D., Luzum B.J., 2002, Variations of annual oscillation parameters,
El Nino and their influence on polar motion prediction errors, Proc. of the Journees
2001, Systemes de Reference Spatio-Temporels, Brussels, 24-26 Sept. 2001, pp. 85-90.
Kosek W., 2003, Polar motion prediction by different methods in polar coordinate system,
Proc. of the Journees 2002, Systemes de Reference Spatio-Temporels, Bucarest, 25-28
Sept. 2002, pp. 125-131.
Kosek W., McCarthy D.D., Johnson T.J., Kalarus M., 2003, Comparison of polar motion
prediction results supplied by the IERS Sub-bureau for Rapid Service and Predictions
and results of other prediction methods, accepted to Proc. Journees 2003, 22-25 Sept.
2003, St. Petersburg, Russia.
Kosek W., Kalarus M., 2003, Time-frequency analysis and prediction of polar motion radius
and angular motion, Artificial Satellites - Journal of Planetary Geodesy, Vol. 38, pp. 41-
54.
Kosek W., 2004a, Possible excitation of the Chandler wobble by variable geophysical annual
cycle, accepted to Artificial Satellites - Journal of Planetary Geodesy. Vol. 39, No 2, pp.
135-145.
Kosek W., 2004b, Excitation of the Chandler wobble by variable geophysical annual cycle,
submitted to Proc. ECGS Chandler Workshop, Luxembourg, 21-24 April 2004.
Luzum B.J., Ray J.R., Carter M.S., Josties F.J., 2001, Recent Improvements to IERS Bulletin
A Combination and Prediction, GPS Solutions, 4(3), 34.
Malkin Z., Skurikhina E., 1996, On Prediction of EOP, Comm. IAA 93.
Mathews P.M., Herring T.A., Buffett B.A., 2002, Modeling of nutation and precession: New
nutation series for nonrigid Earth and insights into the Earth's interior, J.Geophys.Res.
(Solid Earth), Vol. 107, Issue B4, p. ETG 3-1.
McCarthy D.D., Luzum B.J., 1991, Prediction of Earth Orientation, Bull. God., 65, pp. 18-
21.
McCarthy D.D., Luzum B.J., 1993, An analysis of tidal variations in the length of day,
Geophys. J. Int., 114, pp. 341-346.
McCarthy D.D. (ed.), 1996, IERS Conventions, IERS Technical Note 21, Observatoire de
Paris.
McCarthy D.D., Luzum B.J., 2003, An Abridged Model of the Precession Nutation of the
Celestial Pole, Celest. Mech. Dyn. Astr., 85, pp. 37-49.
More J.J., 1978, The Levenberg-Marquardt algorithm implementation and theory, Numerical
Analysis, ser. Lecture Notes in Mathematics, G. Watson, Ed., No 630. New York,
Springer-Verlag, pp. 105-116.
Ormsby J.F.A., 1961, Design of Numerical Filters with Application to Missile Data
Processing, J. Assoc. Compt. Mach., 8, pp. 440-466.
Ponte R.M. Stammer D., 1999, Role of ocean currents and bottom pressure variability on
seasonal polar motion, J. Geophys. Res., 104, No C10, pp. 23392-23409.
Popiski W., Kosek W., 1995, The Fourier Transform Band Pass Filter and its Application to
Polar Motion Analysis, Artificial Satellites, Vol. 30, No 1, pp. 9-25.
Press W.H., Teukolsky S.A., Vetterling W.T., Flannery B.P., 1992, Numerical Recipes in C:
the art of scientific computing, Second Edition, Cambridge University Press.
20
Priestley M.B., 1981, Spectral Analysis and Time Series, Academic Press, London, 1981.
Salstein D.A., Koaczek B., Gambis D. (eds.), 1999, IERS Technical Note 26 The impact of
El Nino and other low-frequency signals on Earth rotation and global Earth system
parameters, Observatoire de Paris, pp. 1-74.
Schuh H., Nagel S., Seitz T., 2001, Linear Drift and Periodic Variations Observed in Long
Time Series of Polar Motion, Journal of Geodesy, 74, pp. 701-710.
Schuh H., Ulrich M., Egger D., Mller J., Schwegmann W., 2002, Prediction of Earth
orientation parameters by artificial neural networks, Journal of Geodesy, 76, pp. 246-
258.
de Viron O., Ponte R., Dehant V., 2001, Indirect effect of the atmosphere through the oceans
on the Earths nutation by the torque approach, J. Geophys. Res., 106(B6), pp. 8841-
8851.

WIESAW KOSEK
MACIEJ KALARUS
Space Research Centre
Polish Academy of Sciences
Warsaw
WALDEMAR POPISKI

Central Statistical Office
Warsaw


COMPARISON OF EARTH ORIENTATION PARAMETERS PREDICTION USING
DIFFERENT METHODS

SUMMARY: Predictions of Earth orientation parameters are needed for determination
in real time parameters of transformation between celestial and terrestrial reference frames.
Different methods of prediction of x, y coordinates of the pole and UT1 UTC, such as least
squares method (LS), autoregression method (AR), autoregression moving-average method
(ARMA), autocovariance method (AC), neural networks method (NN) as well as the methods
combining LS with AR, ARMA, AC and NN, are presented in the paper. The method of
prediction of pole coordinates data in polar coordinate system was also presented. The
method combining LS with AR, i.e. (LS+AR) provides the predicted data with the best
accuracy. Prediction errors of the coordinates of Earths pole obtained with that method are
smaller than those obtained with the method recently used by the IERS Rapid
Service/Prediction Centre at USNO. Coordinates of Earths pole are once a week predicted
using the LS+AR method in the automatic mode and they are transmitted to USNO where they
are compared with current IERS predictions. The method will soon be implemented to routine
predictions of Earth pole coordinates data at the IERS Rapid Service/Prediction Centre.