ET0预测的卡尔曼滤波修正ANFIS模型研究

摘要：

实时、准确地对作物需水量的预测是实现智能节水灌溉的关键技术.预测模型的合理选择及精度提高是作物需水决策系统的核心.本文将陕西西安地区的气象数据环境信息引入自适应神经模糊推理(ANFIS)作物参考蒸腾量(ET0)预测模型,应用卡尔曼滤波器对气象数据经ANFIS建模得到的ET0预测值进行滤波去噪,以提高模型的预测精度,并通过仿真和实验验证,从理论和实践两个方面来验证模型的精度.仿真结果得到,反映模型预测值与真实值之间拟合程度的均等系数(EC)值校正前为0.93,校正后达到0.98.实验结果得到,ANFIS预测模型的平均绝对误差是28.94％,平均相对误差是26.37％,卡尔曼修正后的ANFIS预测模型的平均绝对误差是7.24％,平均相对误差是6.59％.仿真和实验结果表明,利用卡尔曼滤波对ANFIS预测模型进行修正,可以提高预测的精度,经卡尔曼修正后的ANFIS模型能更佳地反映ET0的变化趋势.

关键词：作物参考蒸腾量、彭曼公式、ANFIS预测模型、卡尔曼滤波、预测精度

所属期刊栏目：35

分类号：S27;TP312(农田水利)

资助基金：新疆维吾尔自治区高技术研究发展项目“干旱区智能控制微灌技术与设备”201413102

在线出版日期：2017-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：114-119