研究背景与问题

极移是地球自转轴在地球表面上的运动，其变化对深空探测和卫星轨道确定等空间工程领域具有重要影响。然而，传统的极移解算方法存在一定的滞后性，难以满足实时预测的需求。因此，开发一种能够有效预测极移短期变化的方法对于提高空间工程领域的准确性和实时性具有重要意义。

研究方法

本研究提出了一种融合最小二乘（Least Squares, LS）与双阶段注意力机制的混合预测模型，以实现极移的30天短期预测。首先，采用最小二乘法对极移数据进行预处理，以提高预测的准确性。接着，引入双阶段注意力机制，通过两个阶段对极移数据进行特征提取和权重分配，从而更好地捕捉极移数据中的关键信息。最后，将预处理后的数据和注意力机制提取的特征输入到预测模型中，实现极移的短期预测。

核心结果

本研究通过实验验证了所提出模型的性能。实验结果表明，与传统的极移预测方法相比，所提出的混合预测模型在预测精度和实时性方面均有显著提升。具体来说，在30天的短期预测中，该模型能够有效减少极移预测的误差，提高预测的准确性。此外，双阶段注意力机制的应用使得模型能够更加关注极移数据中的关键特征，从而提高了预测的实时性。

结论与意义

本研究提出了一种基于最小二乘与双阶段注意力机制的极移短期预测模型，并通过实验验证了其有效性。该模型能够有效提高极移预测的准确性和实时性，对于深空探测和卫星轨道确定等空间工程领域具有重要的应用价值。此外，本研究的结果也为极移预测领域提供了新的思路和方法，有望推动相关技术的发展和应用。