基于极限学习机模型的中国西北地区参考作物蒸散量预报 |
| |
引用本文: | 魏俊,崔宁博,陈雨霖,张青雯,冯禹,龚道枝,王明田.基于极限学习机模型的中国西北地区参考作物蒸散量预报[J].中国农村水利水电,2018(8). |
| |
作者姓名: | 魏俊 崔宁博 陈雨霖 张青雯 冯禹 龚道枝 王明田 |
| |
作者单位: | 四川大学水力学与山区河流开发保护国家重点实验室;南方丘区节水农业研究四川省重点实验室;西北农林科技大学旱区农业水土工程教育部重点实验室;中国农业科学院农业环境与可持续发展研究所作物高效用水与抗灾减损国家工程实验室;四川省农业气象中心 |
| |
摘 要: | 为有效提高西北地区参考作物蒸散量(ET_0)预报精度,在西北地区选择6个代表性气象站点,以P-M模型计算的ET_0作为标准值,利用1993-2016年逐日气象资料构建10种极限学习机(extreme learning machine,ELM)ET_0预报模型,用k-折交叉验证估计模型泛化误差,并将其与Hargreaves-Samani、Chen、EI-Sebail和Bristow等4种在西北地区计算精度较高的模型进行比较。结果表明:ELM_1(输入T_(max)、T_(min)、RH、n和u_2)、ELM_2(输入T_(max)、T_(min)、n和u_2)、ELM_4(输入T_(max)、T_(min)、RH和u_2)及ELM_7(输入T_(max)、T_(min)和u~2)模型均具有较高模拟精度,其MAE分别为0.199、0.209、0.250、0.273 mm/d,RMSE分别为0.270、0.285、0.341、0.422 mm/d,NSE分别为0.983、0.981、0.973、0.987,R~2分别为0.984、0.982、0.975、0.960,整体评价指标(global performance indicator,GPI)排名分别为1、2、3、4;模型可移植性分析表明,ELM模型具有较强的泛化能力,除了ELM_7在喀什站、敦煌站的模拟精度相对较低之外,其余ELM模型在西北地区各站点模拟结果的MAE均在0.40 mm/d以下、RMSE均在0.49以下、NSE均在0.95以上、R~2均在0.96以上;在相同输入的情况下ELM模型模拟精度均高于HargreavesSamani、Chen、EI-Sebail和Bristow。因此,在气象资料缺乏情景下ELM模型可作为西北地区ET_0计算的推荐模型。
|
本文献已被 CNKI 等数据库收录! |
|