机器学习模型在河北省参考作物蒸散量计算中的比较

为研究河北省参考作物蒸散量ET0的适用方法,以极限学习机模型ELM和广义回归神经网络模型GRNN为基础,对其1961-2015年的ET0进行了估算,并以Penman-Monteith模型P-M为标准,与Hargreaves模型HS模型计算结果进行了比较,结果表明:ELM模型与GRNN模型在ET0日值和月值的模拟精度明显高于H-S模型,同时不同模型的相对均方根误差RMSE值均表现为GRNNELMH-S,而一致性则表现为GRNN模型最高,这表明机器学习模型的计算精度要高于H-S模型,而GRNN模型计算精度最高。