针对地球自转变化复杂的时变特性，本项目采用非线性的人工神经网络(ANN)预报地球自转变化。由于固体地球及环绕着它的流体圈层构成一个近似封闭的动力学系统，角动量守恒原理表明，大气或海洋角动量的任何变化都会影响固体地球的自转变化。将大气角动量时间序列引入到地球自转变化预报中，相当于增加一个物理约束条件。正是基于此，本项目着重研究和探索应用非线性的神经网络技术，将大气角动量时间序列引入到地球自转变化预报中，改善地球自转参数(ERP)的预报精度，以及应用神经网络技术尝试预报El Nino/南方涛动(ENSO)事件。本项目：（1）神经网络技术和大气的引入对提高ERP预报精度具有重要的科学意义；（2）ERP的实时快速预报对于空间导航和深空探测具有重要的科学意义和实际应用价值；（3）对充分利用现有资料，准确快速预报ENSO事件等具有重要的现实意义和社会意义。