10.7606/j.issn.1000-7601.2017.03.18
ET0预测的卡尔曼滤波修正ANFIS模型研究
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.
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
35
S27;TP312(农田水利)
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
2017-08-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
114-119