基于遗传算法的投影寻踪回归模型在参考作物滕发量预测中的应用

根据朝阳气象站的实测气象数据(降水量、温度、湿度、风速、蒸发量、日照时数),提出基于加速遗传算法的投影寻踪回归模型用于预测朝阳地区参考作物滕发量.用自相关分析技术确定预测因子(气象数据),构造出新的投影指标,采用可变阶的正交Hermite多项式拟合岭函数,并用基于实数编码的加速遗传算法优化投影指标函数,进而构建投影寻踪...     

基于灰色马尔科夫的参考作物腾发量预测

参考作物腾发量(ET0)是估算作物蒸发蒸腾量的关键参数,它的准确预测对提高作物需水量预报精度具有十分重要的意义。针对GM(1,1)模型在原始数据变化幅度较大且趋势不明显时预测效果差的情况,作者提出了用马尔科夫对GM(1,1)模型修正的组合模型,该模型结合了灰色模型可以揭示预测数据的发展趋势以及马尔科夫预测适合描述随机波动性较大的预测问题的优点,将其应用于沈阳地区参考作物腾发量预测中,对比分析了GM(1,1)模型与灰色马尔科夫模型的预测结果。结果表明,灰色马尔科夫模型不仅能反映系统的动态特性,还具有比GM(1,1)更高的预测精度、逼近性和稳定性,具有较好的应用价值。     

基于GA-BP神经网络的作物参考腾发量预测

采用黄金分割原理优化算法确定BP神经网络的隐含层节点数,进而确定BP神经网络的结构,并针对BP神经网络容易陷入局部极小值和全局搜索能力弱的缺点,引人遗传算法(GA)优化网络权值,建立GA-BP网络模型,预测作物参考腾发量ET0.以北京地区的相关资料为基础,选用6种输入因子组合方案,对该模型进行验证,结果表明该网络模型具有较好的预测能力;同时,对6种方案比较分析表明,方案4最优,该方案只需选用4项输入因子(日序数、平均气温、风速和日照时数),就能以较高的精度预测作物参考腾发量.     

基于主成分分析的参考作物腾发量预测研究

为准确估算作物需水量,提高水分利用效率,采用RBF神经网络预测参考作物腾发量,由于参考作物蒸发蒸腾量的影响因子很多,且各影响因子间的相关性很大,运用主成分分析的原理,将影响参考作物蒸发蒸腾量的因子降低维数.以山西省某灌区的参考作物腾发量为例,运用DPS软件找出了3个综合因子来代表众多因子并作为RBF人工神经网络的输入,运用Matlab7.0进行编程,对参考作物腾发量进行预测.结果发现其预测结果与用Pen-man-Monteith公式算得的值具有很高的一致性,与BP神经网络相比,RBF神经网络具有学习速度快等优点,将此方法用于参考作物腾发量的预测可以收到理想的效果.     

灰色—周期外延组合模型在参考作物腾发量预测中的应用

参考作物腾发量ET0是计算作物需水量、制定灌溉制度和进行水资源优化配置的重要参数之一。因参考作物腾发量随季节性变化,并呈现以年为周期波动的特点;在这种情况下,提出了一种基于灰色GM（1,1）与周期外延相结合的预测模型,即灰色-周期外延组合模型。以沈阳、鞍山、铁岭、盘锦4个地区1997—2006年参考作物腾发量季节值为例进行分析和模拟。结果表明：运用灰色-周期外延组合模型预测参考作物腾发量比原有的GM（1,1）模型预测精度高。该模型预测过程简单,预测结果可靠,适应性强。因此,该模型可广泛的应用于参考作物腾发量的季节预测。     

基于主成分BP人工神经网络的参考作物腾发量预测

影响参考作物腾发量的气象因素众多,且相关程度较高。基于主成分分析原理,将影响ET0的7个主要气象因素以及旬序数进行特征提取,形成3个综合影响因子,既可保证气象信息的完整性,又可避免气象信息的交叉重叠。以江苏省无锡市某区作物腾发量预测为例,经主成分分析并简化的参考作物腾发量BP神经网络模型具有结构简单、收敛快、精度高的特点,可用于ET0预测。     

基于小波神经网络的参考作物腾发量预测模型研究

为提高某一地区农业用水效率,进行区域水资源的优化配置。本文以辽宁大连地区1954-2005年参考作物腾发量资料为依据,借助于Matlab工具,分别建立结构为8-12-4和10-12-2的小波神经网络进行参考作物腾发量预测,结果表明:在年度和季节尺度上,小波神经网络模型预测结果与参考作物腾发量计算值绝对相对误差均值分别达到5.5%和4.3%,达到了较好的预测效果。该模型预测过程简单,预测结果可靠。为参考作物腾发量预测提供新方法。     

灰色新陈代谢GM（1,1）模型在参考作物腾发量预测中的应用研究

随着时间的发展,任何一个灰系统都会加入一些未来的扰动因素,对系统的发展产生影响。而常规灰色GM（1,1）预测模型在建模时,采用的是现实时刻t=n为止的过去的数据,没有考虑这些扰动因素。故离现实时刻越远,该模型的预测精度就越低。针对这种情况,提出了灰色新陈代谢GM（1,1）预测模型。并尝试用灰色新陈代谢GM（1,1）预测...     

基于主成分分析与BP神经网络的参考作物腾发量预测

为解决采用神经网络模型预测参考作物腾发量研究中预测能力不足的问题.将气象因子包括最高、最低和日平均温度、日照时数、气压、水汽压、相对湿度和风速进行主成分分析.提取主成分,建立了基于主成分的三层BP神经网络模型.选取新疆昌吉市气象站2006年3-6月的日气象资料.采用Matlab神经网络工具箱进行模型训练与预测,并以传统BP网络模型作为对照.结果表明,主成分网络模型能够很好地反映诸多影响因子与参考作物腾发量之间的关系,尤其时训练样本以外的验证样本,主成分网络模型具有显著优于传统BP网络模型的识别能力,取得更为可靠的预测结果.     

新疆维吾尔自治区参考作物腾发量时空变异性研究

研究参考作物腾发量的时空变化特征,有助于了解新疆维吾尔自治区农牧业及生态需水的分布与演变规律。选择新疆吾尔自治区范围68个气象站的气象观测资料,应用Penman-Monteith公式,计算得出不同气候分区的历年参照作物腾发量ET0,分析了不同气候分区不同年份ET0的变化情况。采用ArcGIS空间插值技术绘制新疆维吾尔自治区参考作物腾发量的分布图,结果表明:各站ET0变化在660~1 800mm,其空间分布总体表现为南疆大于北疆、东部大于西部、盆地大于山区的分布格局。     

基于PSO-BP神经网络的参考作物蒸腾量预测

针对以往BP神经网络收敛速度慢及易陷于局部极小值等问题,引入粒子群算法优化BP网络的权值和阈值,建立PSO-BP神经网络,预测参考作物蒸腾量ET0。以西安地区的相关资料为基础,设计9种影响因子组合方案,利用PSO-BP网络模型进行ET0的预测,结果表明,该模型运算速度快,预测精度较高;对比分析9种方案的预测结果发现,方案7为最优,该方案只需选用平均温度、平均相对湿度、风速和日照时数四项影响因子,即可获得较高精度的参考作物蒸腾量预测值。     

基于投影寻踪模型的稻田控制排水方案优选

针对水稻田控制排水方案评价指标的不相容性问题,提出了水稻田控制排水方案综合评价的RAGA-PP方法,并运用该方法对水稻全生育期内蓄水条件下16种不同控制排水方案进行了综合评价,评价结果很好地反映了各项评价指标对综合评价目标的贡献大小以及各种控制排水方案的优劣,对农业生产实践起到一定的指导作用。     

参考作物腾发量计算方法在玛纳斯河流域的应用比较

基于玛纳斯河流城4个气象站莫索湾、炮台、石河子、乌兰乌苏1961-2005年的日观测气象数据,采用SWAT2000模型里引入的Penman- Monteith, Hargreaves, Priestley-Taylor方法计算每日参考作物腾发量(ETo),比较计算结果之间的差异性.结果表明,莫索湾站与炮台站Hargre...     

基于MEA-BPNN的西北旱区参考作物蒸散量预报模型

为有效提高西北旱区参考作物蒸散量(Reference crop evapotranspiration,ET0)预报精度,在西北旱区选择5个代表性气象站点,构建10种基于思维进化算法(Mind evolutionary algorithm,MEA)优化的误差反向传波神经网络(Back propagation neural network,BPNN)ET0预报模型,并将其与Hargreaves-Samani模型、Irmak模型和48-PM模型等3种在西北旱区ET0计算精度较高的模型进行比较。结果表明:在不同输入的情况下MEA-BPNN模型模拟精度具有相对较高水平,其中MEA-BPNN1(输入最高气温Tmax、最低气温Tmin、相对湿度RH、日照时数n和距地面2 m高处的风速u2)、MEA-BPNN2(输入Tmax、Tmin、n和u2)及MEA-BPNN3(输入Tmax、Tmin、RH和u2)模型的R2、NSE均大于0.96,RMSE、MAE也分别小于0.34、0.25 mm/d,以上3种MEA-BPNN模型的整体评价指标(Global performance indicator,GPI)排名分别为1、2、3;MEA-BPNN7(输入Tmax、Tmin和u2)的R2、NSE分别为0.966 2、0.962 2,RMSE、MAE分别为0.361 0、0.276 1 mm/d,模拟精度较高;MEA-BPNN模型可移植性的分析表明:MEA-BPNN模型在西北旱区具有较强的泛化能力,基于不同站点数据构建的预报模型也有较高精度;在相同输入情况下MEA-BPNN模型模拟精度均高于Hargreaves-Samani模型、Irmak模型和48-PM模型。因此,在气象资料缺乏情景下MEA-BPNN模型可作为西北旱区ET0计算的推荐模型,可为实时精准灌溉预报的实现提供科学依据。     

基于投影寻踪分类模型的灌区农民用水户协会绩效评价

建立了基于投影寻踪分类模型的灌区农民用水户协会绩效评价的方法,将多维数据评价指标转化到低维子空间上,通过基于实数编码的加速遗传算法优化最优投影方向来计算投影函数值,继而运用最优分割法进行聚类分析.以湖北省漳河灌区42个农民用水户协会为例进行综合绩效评价,根据投影寻踪分类模型及投影函数值的大小确定各个协会的绩效水平,并利用最优分割聚类分析将有序样本客观地分为"优"、"良"、"中"、"差"、"劣"五大类,同时根据最佳投影方向信息分析了各个评价指标对灌区农民用水户协会绩效评价的影响水平.评价结果表明:50%的农民用水户协会处于"良"以上的级别,75%以上的协会处于"中"以上级别,可见漳河灌区农民用水户协会运行绩效总体偏好.     

基于Z比分数的参考作物腾发量计算方法优选

参考作物腾发量(ET0)是计算作物需水量的关键,是进行农田水分管理和灌溉预报的主要参数。但不同ET0计算方法的结果存在明显差异。用能力统计量Z比分数,对FAO56Penman-Monteith、Hargreaves-Samani、Irmark-Allen拟合和Priestley-Taylor四种常用ET0计算方法在不同天气条件下的计算结果精度进行了对比分析。结果表明,Priestley-Taylor与FAO56Penman-Monteith方法的计算结果在精度上具有较高的一致性,与有关文献结果相吻合,其中前者精度略佳。且Z比分数参数受极端值的影响较小,计算简便、适用性强,克服了常规方法公式繁杂、编程实现困难的缺点,说明Z比分数法能够更好地适用于ET0计算方法的优选。研究结果可为农业水土工程领域有关参数计算与测定方法的优选提供借鉴。     

基于数值天气预报后处理的参考作物蒸散量预报改进

针对基于数值天气预报(Numerical weather prediction,NWP)对参考作物蒸散量(Reference crop evapotranspiration,ET0)进行预报通常需要数据偏差校正的问题,基于LightGBM机器学习方法和我国西北地区9个气象站点数据提出一种对第二代全球集合预报系统(Glo...     

改进的投影寻踪模型在水质评价中的应用

投影寻踪算法是水质评价中常用的模型,针对投影寻踪模型中存在的投影方向优化问题,提出了运用模糊自适应模拟退火遗传算法（FASAGA）来寻找最佳投影方向的方法。改进了现有的投影寻踪水质评价模型,分析了新模型的性能和特点,并应用该模型评价了惠州市的西湖水质。实验证明,该模型能有效地提高水质评价的速度和准确度。     

参考作物腾发量计算方法的适用性研究

选用5种方法,利用陕西6站的气象资料,计算了各站逐日ET0。并以FAO56 Penman-Monteith(P-M)法为标准,对其它方法进行评价。结果表明,在陕西6地区,5种方法计算的ET0变化趋势基本相同,但数值上有一定差异,所有的差异随ET0的增大而增大。Hargreaves法计算结果差异性较小,适用性较好;1948Penman和Priestley-Taylor二方法估值较FAO24 Penman法更接近P-M法的计算结果;缺气象资料时,Priestley-Taylor法可获得较好估值,且更适用于湿润地区;FAO24 Penman法也能获得较好结果,但其估值精度低于Priestley-Taylor法,一般不宜采用。同时分析了P-M法计算的ET0值和水面蒸发量之间的关系,为利用水面蒸发资料估算陕西6地区ET0值提供参考。