基于经验模态分解与人工神经网络的参考作物腾发量混合预测模型研究

为了提高具有非线性和非稳定性特征的参考作物腾发量(ET0)时间序列的预测精度,提出基于经验模态分解(EMD)的BP神经网络预测模型。以大连地区1970~2006年间逐月ET0序列为例,首先应用经验模态分解(EMD)方法将ET0序列分解为具有不同尺度特征的本征模态函数(IMF),然后运用BP神经网络对ET0序列和分解得到的IMF进行训练,得到ET0序列的预测模型,并对ET0进行预测,最后将预测值及单纯的BP神经网络预测值分别与真实值进行对比分析。结果表明:EMD-BP模型预测值的平均绝对百分误差(MAPE)、均方根误差(RMSE)、平均绝对差(MAD)及判定系数(R2)分别为1.32%,0.0327,0.0278,0.9967;而BP模型相应的指标值分别为8.50%,0.2583,0.1839,0.8967。显然,EMD-BP模型的MAPE、RMSE、MAD值较小且R2值较大。因此,其预测精度及稳定性均优于单纯的BP模型,可作为ET0预测的一种参考。     

基于通径分析法的漳河灌区参考作物蒸发蒸腾量变化成因研究

选取漳河灌区1974—2014年逐日气象数据,运用Excel软件和SPSS 24.0软件对4项主控因子和参考作物蒸发蒸腾量(ET0)进行趋势分析和通径分析。结果表明,多年平均气温(T)和平均相对湿度(RH)均呈显著性上升趋势,多年日照时数(n)和ET0呈不显著性下降趋势,多年平均风速(u)呈显著性下降趋势。日平均相对湿度(RH)与ET0呈负相关,其余主控因子与ET0均为正相关,日照时数(n)和平均风速(u)的相关性最高。日照时数(n)的决定系数、对回归方程R2的贡献和对ET0的直接效果均为各主控因子中最大,是影响ET0的决策变量。     

抚顺地区参考作物需水量与气候变化的关系分析

根据抚顺地区3个气象站1995~2004年的气象资料,应用FAO推荐的Penman-Monteith公式计算了10年来每年(5~9月)各月的参考作物需水量ET0,分析了ET0的月际变化和年际变化特征。抚顺地区的ET0月际和年际变化都较大,但ET0的变化趋势十分相似。同时分析了各气象因素对ET0的影响,对清源气象站的年均ET0的影响较大的气象因素是:最高气温(Tmax)、相对湿度(RH)、实测风速(U)以及日照时数(H),其中相对湿度(RH)与ET0呈负相关性;对章党气象站的年均ET0的影响较大的气象因素是:相对湿度(RH)和日照时数(H),其中相对湿度(RH)与ET0呈负相关性;对新宾气象站的年均ET0影响较大的气象因素是:大气压(P)和日照时数(H),与ET0均呈负相关性。日照时数(H)是影响抚顺地区参考作物需水量ET0最主要因素。抚顺地区ET0空间变化也较大,从山区到绿洲平原ET0多年平均值呈递增趋势,ET0与海拔高度呈显著负相关。     

基于粒子群优化(PSO)超限学习机预测新疆参考作物蒸散量

参考作物蒸散量(ET0)的准确预测对于作物需水量预测、农田精准灌溉和提高水资源利用效率等具有重要意义.为了解决传统方法获取ET0的弊端,本研究基于粒子群优化(Particle swarm optimization,PSO)-超限学习机(Extreme learning machine,ELM)预测ET0.通过选取新疆地区3个站点(乌鲁木齐、喀什、哈密)的最高气温(Tmax)、最低气温(Tmin)、平均相对湿度(RH)、风速(u2)、光照时间(n)等气象数据,建立PSO-ELM预测模型,对模型精度和普适性进行研究,并通过与ELM、Makkink、I-A模型的对比,探究不同气象因子组合模型的预测精度.结果表明,PSO-ELM模型在5种气象因子输入下具有最高预测精度(平均R2=0.9747,平均MAE=0.2520 mm/d,平均RMSE=0.3643 mm/d).由PSO-ELM6模型与ELM、Makkink、I-A模型的对比结果看出,在相同的气象因子输入条件下,3个站点用PSO-ELM6模型预测的效果最好.通过对PSO-ELM3模型在新疆地区普适性的研究发现,该模型具有较高的预测精度(平均R2=0.9465,平均MAE=0.3070 mm/d,平均RMSE=0.3569 mm/d).不同站点、不同气象因子输入的PSO-ELM模型能够较为精准地反映气象因子与ET0之间复杂的非线性关系,且模型在新疆地区的普适性较好,可以为新疆地区逐日ET0预测提供新的方法.     

气象资料缺测时Penman Monteith温室修正式的应用

【目的】Penman-Monteith公式(P-M公式)是目前计算大田作物蒸腾蒸发量(ETc)的主要方法,利用该方法可预测未来短期内作物水分亏缺状况,但由于温室与大田之间的环境条件存在显著差异且温室气象数据往往不全,故需要研究提高温室作物水分状况预测精确度的途径。【方法】利用温室番茄主要生育期气象环境信息和土壤水分实测数据,对基于水量平衡原理和P-M温室修正式计算出的ETc结果进行了对比,研究分析了P-M温室修正式的可靠性与气象资料缺测时P-M温室修正式的应用方法,同时对温室气象数据缺测时运用P-M温室修正式计算参考作物蒸腾蒸发量(ET0)的精度进行了分析。【结果】基于P-M温室修正式计算出的ETc与水量平衡法计算出的ETc结果较吻合,相对误差均小于10%。当气象资料缺测时,基于FAO推荐的几种计算方法,运用P-M温室修正式计算的ET0相对误差如下:由日照时数(n)估算太阳净辐射(Rn)进而求得ET0的方法相对误差为17.35%;由气温(T)估算Rn进而求得ET0的方法相对误差为41.69%;由最低气温(Tmin)代替相对湿度(RH)计算实际水汽压(ea)进而求得ET0的方法相对误差为19.09%;分别由n估算Rn,由Tmin计算ea进而求得ET0的方法相对误差为36.31%;Rn与ea均由T估算进而求得ET0的方法相对误差为61.23%。【结论】利用P-M温室修正式可以较好地预测温室作物的水分状况,当修正式的参数Rn缺测时可以用n计算Rn;当参数RH缺测时,可以用Tmin代替RH计算ea。     

厦门市大气能见度变化规律及影响因子分析

以厦门市为研究对象,基于2014—2016年监测数据,分析大气能见度变化规律,探究大气污染物(PM_(10)、PM_(2. 5)、SO_2、NO_2、CO、O_3)浓度及气象因子(风速WS、大气温度T、露点温度DPT、最低云层高度CCH、海平面压强SLP、相对湿度RH)对大气能见度的影响。研究表明:厦门市年均大气能见度为8. 97 km,年度最高值出现在夏季,最低值出现在春季;日最高值出现在中午,最低值出现在凌晨;除O_3外大气能见度与大气污染物浓度均呈负相关,与T、WS和CCH呈正相关,而与RH,DPT及SLP呈负相关;通过K均值聚类分析,综合得出厦门市7组典型天气的大气能见度及相关气象指标与其它污染物浓度均值;利用消光系数(βext)与大气污染物浓度,构建了回归模型(β_(ext)=0. 007PM_(2.5)+0. 143,R~2=0. 500;β_(ext)=0. 005PM_(10)+0. 119,R~2=0. 393;β_(ext)=0. 011SO_2+0. 249,R~2=0. 168;β_(ext)=0. 007NO_2+0. 155,R~2=0. 313),能代表β_(ext)与各大气污染物的关系。     

参考作物蒸发蒸腾量的人工神经网络模型研究

根据河套灌区多年气象资料和Penman-Monteith法计算得到的参考作物蒸发蒸腾量(ET0),回归分析了影响ET0的主成分.在此基础上比较了以4因子(平均气温、净辐射、相对湿度、2m处风速)和3因子(平均气温、净辐射、相对湿度)为输入向量,由Penman-Monteith法计算所得ET0为输出向量的BP网络ET0预报模型(BP-ET0).研究表明,BP网络可以用于ET0的预报计算,4因子法和3因子法均简便可行,能满足生产的需要.相比之下,4因子法的精度更高.此研究是对传统ET0计算的补充.     

参考作物蒸发蒸腾量的人工神经网络模型研究

根据河套灌区多年气象资料和Penman-Monteith法计算得到的参考作物蒸发蒸腾量(ET0)，回归分析了影响ET0的主成分。在此基础上比较了以4因子(平均气温、净辐射、相对湿度、2m处风速)和3因子(平均气温、净辐射、相对湿度)为输入向量，由Penman-Monteith法计算所得ETo为输出向量的BP网络ET0预报模型(BP-ET0)。研究表明，BP网络可以用于ET0的预报计算，4因子法和3因子法均简便可行，能满足生产的需要。相比之下，4因子法的精度更高。此研究是对传统ET0计算的补充。     

基于EMD的磴口县地下水埋深动态预测

以生态脆弱区典型县域磴口县为研究区,利用经验模态分解法(EMD)处理非线性、非稳定性复杂信号的优势,对磴口县1987—2016年共30a的年均地下水埋深时间序列进行分解,并对分解的结果进行分析;然后将降水量、气温、相对湿度、蒸发量、日照时数5种影响地下水埋深动态变化的因子与地下水埋深进行回归分析,得到其变化规律;把对磴口县地下水埋深影响最为显著的因子作为BP神经网络预测模型输入层的一部分,建立基于EMD的BP预测模型和未经过EMD处理的BP预测模型。结果表明,IMF1、IMF2和IMF3本征模态分量是影响磴口县1987—2016年地下水埋深动态变化的主要原因,方差贡献率之和为95.38%;降水量和蒸发量对磴口县地下水埋深影响最显著,且降水主要集中在秋季和夏季,秋季降水最多;蒸发主要集中在夏季和秋季,夏季蒸发量最大;EMD-BP预测值均方误差(MSE)较小且决定系数(R2)较高,均优于BP预测值,模型预测精度较高,对磴口县地下水埋深预测具有一定的实用性。     

气象因素对民勤地区参考作物腾发量变化的贡献分析

利用世界粮农组织的Penman-Monteith方法以及敏感曲线分析法,对甘肃国家级地面站点民勤站1968—2018年来的参考作物腾发量和气象因素的变化规律及各气象因子对参考作物腾发量变化的贡献大小进行了研究。结果表明:1)民勤站参考作物腾发量ET0年内变化特征呈抛物线形式,在1—5月增加,8—12月递减,7月达到最大值为5.29mm/d,年际变化整体呈波动上升趋势;2)利用相关性分析与主成分分析发现ET0与平均最高气温Tmax、平均饱和水汽压差VPD的相关性最大,利用偏相关性分析发现ET0与平均风速U、平均净辐射与土壤热通量的差Rn-G的相关性最小,但ET0与U、Rn-G的偏相关性较大,说明ET0与U、Rn-G的关系受其他气象因素的影响较大;3)气象因素的年内变化与ET0对各气象因素的敏感系数在年内的变化趋势有一定的相似度。ET0对Rn-G的敏感系数不大,但是由于Rn-G自身的增长幅度较大,导致Rn-G对ET0增长的贡献率最大;平均气温T和VPD对ET0的增长也产生了一定的贡献;U对ET0的增长产生了较大的负贡献。     

辽西参考作物潜在腾发量变化及其气象影响因子研究

根据辽西半干旱区阜新、朝阳站上世纪50年代至今的气象资料,采用FAO推荐的Penm an-Monte ith公式计算参考作物潜在腾发量(ET0),统计并分析生长季与非生长季辽西地区的ET0、气象因子变化与及其影响ET0变化的主要气象因子。结果表明:阜新地区ET0表现为随时间的增长趋势,而朝阳表现为随时间逐年减少趋势,80年代至今阜新、朝阳变化趋势显著。阜新、朝阳ET0与各气象因子的相关性大体一致。在辽西地区影响ET0显著的气象因子顺序为:风速太阳辐射最高温度降水量,20世纪80年代至今风速的显著性变化是辽西半干旱区ET0之间差异的主要原因。     

基于云模型的甘肃省参考作物蒸散量变化特征及影响因子

为了深入认识甘肃省参考作物蒸散量(ET0)的变化特征,解决该地区水资源供需矛盾,利用甘肃省29个气象测站1951~2013年的日气象资料分析甘肃地区ET0年、季的时间变化趋势.依靠处理定性概念与定量描述不确定转换的云模型,对ET0时间变化特征和影响ET0的气象因子进行了分析,同时采用通径分析方法,对影响ET0变化的气象因子进行了探讨.结果表明:河西半干旱区、陇中半干旱区、陇东半湿润区、陇南湿润区4个分区ET0在近63a均表现为持续性的上下波动.ET0在时间尺度上分布较为均匀、稳定.季节分布呈现出夏季春季秋季冬季的分布态势.离散性方面秋、冬季最均匀,夏季最不均匀;稳定性则是冬、春季好于夏、秋季.年际变化来看,平均气温对ET0的直接作用最大,平均相对湿度和日照时数对ET0的间接作用最大.不同季节气象因子分析表明,春、秋、冬3个季节对ET0直接作用最强的气象因子为平均气温,夏季对ET0直接作用最强的气象因子为平均相对湿度;间接作用显示,春、秋季对ET0间接作用最强的气象因子为平均相对湿度,夏、冬季则分别为日照时数和平均气温.     

太子河流域参考作物腾发量变化特征及影响因素分析

采用太子河流域内8个气象站1960～2005年间气象资料,应用penman-montieth公式计算了46年间逐月参考作物腾发量(ET0),对参考作物腾发量及气象因素的年际变化特征、月际变化特征及趋势进行了分析,应用统计检验方法分析了影响流域参考作物腾发量变化的主要气象因素。结果表明:近46年间太子河流域ET0值呈现缓慢下降趋势,年内ET0值分布以5～6月份最高,1月份最低,影响ET0的主要气象因素按影响程度强弱依次为日照、风速、温度、相对湿度。     

金太阳杏设施栽培主要生态因子变化规律研究

[目的]为金太阳杏高产设施栽培提供理论依据。[方法]于2006年3～5月研究了金太阳杏在塑料大棚内主要生态因子的变化规律。[结果]大棚内光照度(I)与外界光照度的变化趋势基本相似,但棚内低于棚外。透光率晴天为41.2%～49.6%,阴天为61.1%～69.2%。棚内气温(Ta)旬变化为13.5～26.6℃,0cm地温(Ts0)为12.5～23.3℃,20cm地温(Ts20)为9.8～20.2℃。棚内空气相对湿度(RH)旬变化为55.4%～80.3%,日变化晴天为44%～88%,阴天为53%～94%。晴天和阴天,T、Ta、Ts0先升后降,峰值和谷值均出现在14:00pm。在不同因子变化中,T起主导作用,Ta、Ts0与I呈正相关,RH与T、Ta、Ts0呈负相关。Ts0在1天内较为平稳少变,受Ta影响较小。[结论]塑料大棚内的环境因子是相互影响、相互制约的。     

近60年桂西北喀斯特地区气候与参考腾发量变化及成因分析

根据桂西北喀斯特地区7个国家气象站1951-2011年逐月气象资料,采用Penman-Monteith公式计算逐月参考腾发量(ET0),分析各气象因子及ET0的年际变化特征,并计算ET0对太阳净辐射、气温、风速和相对湿度的敏感系数,探讨ET0近60年的变化成因。结果表明:桂西北地区气温呈小幅升高趋势,温度增长量变化范围为0.004-0.186℃/10a,60年平均气温上升范围为0.024-1.116℃;日照时数、风速及相对湿度呈极显著减少趋势,降雨量减少趋势不显著。敏感性分析表明,桂西北地区ET0最敏感的气象因素为相对湿度,其次为太阳净辐射和气温,风速对其影响最小;气温和太阳辐射的敏感系数呈单峰型分布,夏季较大,风速敏感系数呈单谷型分布,夏季较小,相对湿度敏感系数在雨季较小;桂西北地区日照时数和风速的减少对ET0的负贡献率分别为-3.49%和-1.51%,气温的升高和相对湿度的减少对ET0的正贡献率分别为1.36%和3.36%,负贡献大于正贡献,导致ET0下降。研究阐明了日照时数和风速的减少是引起桂西北ET0变化的主要原因。     

经验模态分解(EMD)在滚动轴承故障诊断中的应用

针对滚动轴承故障振动信号的非平稳特征，提出了基于经验模态分解(Empiri-cal Mode Decomposition，简称EMD)和神经网络的滚葡轴承故障诊断方法，首先对原始信号进行了经验模态分解，将其分解为多个平稳的固有模态函数(Intrinsic Mode functioll，简称IMF)之和，再选取若干个包含主要故障信息的IMF分量，并从中提取时城特征措标——峭度或裕度因子作为神经网络的输入参数来识别滚动轴承的故障模式，对滚动轴承的内圈、外圈故障信号的分析结果表明，以EMD为预处理器提取时域特征参数的神经网络诊断方法比直接从原信号中提取时域特征参数的诊断方法有更高的故障识剐率，可以准确、有效地识别滚动轴承的工作状态和故障类别。     

作物蒸发蒸腾量的人工神经网络模型研究

采用盆栽试验,利用BP-人工神经网络模拟作物的蒸发蒸腾量,分别构建ET1(气象因子)、ET2(气象因子与播种天数)、ET3(气象因子、播种天数和含水率)3种人工神经网络模型,并将预测结果与称重法得到的实际值ET进行比较,结果表明,所构建的ET3模型的计算精度较高,是一种最优的计算作物蒸发蒸腾量的BP-人工神经网络模型。     

参考作物腾发蒸腾量等值线图的绘制

根据鄂尔多斯市及其周边地区24个站点30年气象资料,在对已有的水文、气象站网(均为非规则分布)进行正则化基础上,对ET0空间结构性进行了系统分析.充分利用ET0区域信息的特征,采用Kriging无偏最优估计方法对区域信息进行最优估计,并据此绘制了参考作物ET0最优等值线图.用以了解鄂尔多斯市的作物需水量的分布规律,为发展牧草提供科学的依据,提高畜牧业的生产总值.     

基于小波消噪和符号动力学的参考作物腾发量变化的复杂性研究

提出了基于小波消噪的符号动力学途径研究参考作物腾发量(ET0)变化的复杂度,以辽宁省的锦州、北镇、义县、黑山4个站为例,对各气象因素(1957～2006年)及ET0序列进行小波消噪,运用Lempel-Ziv算法计算其复杂度。结果表明:整个锦州市由于噪声影响ET0的平均复杂度为9.25,较真实序列平均复杂度大;义县ET0变化比其他3个站复杂;从时间上分析,锦州4个站中有3个站(锦州、义县、黑山)近20年呈现下降趋势。从符号动力学的角度研究ET0系统的复杂性,为ET0研究提供了新的工具。     

参考作物腾发蒸腾量等值线图的绘制

根据鄂尔多斯市及其周边地区24个站点30年气象资料，在对已有的水、气象站网(均为非规则分布)进行正则化基础上，对ET0空间结构性进行了系统分析。充分利用ET0区域信息的特征，采用Kriging无偏最优估计方法对区域信息进行最优估计，并据此绘制了参考作物ET0最优等值线图。用以了解鄂尔多斯市的作物需水量的分布规律，为发展牧草提供科学的依据，提高畜牧业的生产总值。