基于5种人工智能模型计算重庆地区参考作物蒸散量

摘要：

为获得计算重庆地区参考作物蒸散量(Reference crop evapotranspiration,ET0)的最优模型,选用支持向量机模型(SVM)、高斯指数模型(GEM)、随机森林模型(RF)、极限学习机模型(ELM)和广义回归神经网络模型(GRNN)5种人工智能模型,以丰都、奉节、沙坪坝、万州、酉阳共5个站点1991—2016年的逐日气象数据为基础,估算ET0日值、月值,并与Penman-Monteith(P-M)计算结果进行了对比,结果表明:不同模型精度存在差异,在相同气象参数输入的情况下,人工智能模型计算精度要高于经验模型,在相同参数输入的情况下,GEM模型误差指标最低而一致性指标最高,日照时数n是影响重庆地区ET0变化和影响模型精度的最关键因素,而GEM模型为重庆地区ET0估算的最优人工智能模型.

关键词：重庆、参考作物蒸散量、人工智能模型、经验模型、日照时数

所属期刊栏目：28

分类号：S161.4(农业气象学)

资助基金：重庆市社会民生类重点研发项目"渝东北小微型水利工程防治洪旱灾害关键技术研究"cstc2018jscx-mszdX0052

在线出版日期：2021-01-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：85-92