|
|||||
|
|
| 基于深度学习的参考作物蒸散量预测模型 | |
| 作者姓名： | 潘振华 刘子菡 沈欣 张钟莉莉 史凯丽 张石锐 |
| 作者单位： | 1. 北京市农林科学院智能装备技术研究中心;2. 农业农村部农业信息软硬件产品质量检测重点实验室;3. 北京市农林科学院信息技术研究中心;4. 全国农业技术推广与服务中心 |
| 摘 要： | 为了科学准确预测参考作物蒸腾量(ET0),提高预测精度,减少输入变量的数量,从而降低智能节水灌溉系统的建设成本,采用深度学习和人工神经网络方法分别建立ET0智能预测模型,采用局部敏感性分析、模糊曲线和模糊曲面等方法研究ET0预测中各输入变量对预测结果的影响,以影响因子大小为依据,构建8种不同气象因子输入组合,利用日照气象站的逐日气象资料,对采用不同方法和不同输入变量组合的预测模型进行训练和测试,并以彭曼公式的计算结果作为参考,对预测模型的性能进行评估。结果表明,在以完整变量作为预测输入时,深度学习预测模型R2为0.980,高于人工神经网络模型(0.963),获得了更高的预测精度;而在缺省输入变量的ET0预测中,深度学习预测模型的性能均优于人工神经网络,以平均温度和日照时数作为输入变量的深度学习预测模型R2仍达到0.935,表明在仅有少量气象参数的情况下,深度学习预测模型仍能获得较好的预测结果。综合分析R2、RMSE、RMSRE、MRE... |
| 关 键 词： | 参考作物蒸散量 深度学习 模糊曲线 模糊曲面 预测模型 决定系数 |