基于NLPCA-RBF神经网络的番茄蒸散量预测

• 作者: 张兆义 汪宏喜 焦俊 陆林 陈祎琼 鲁威
• 来源期刊: 中国农学通报
• 学科: 农学
• 关键词: 蒸散量 非线性主成分分析 RBF神经网络 估算
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 农业工程
• 页码范围: 134-139
• 分类号: S161.4
• 语种: 中文

摘要

蒸散量(E7)是水文循环中的重要组成部分.精确的ET预测在水资源管理和灌溉系统设计等方面的研究是十分必要的.利用非线性主成分分析法(NLPCA)和径向基(RBF)神经网络组成的模型(NLPCA-RBF)对番茄蒸散量进行估算.在既保证ET影响因素信息完整,又可消除影响因素之间相关性的前提下,利用NLPCA将影响ET的7个气象因素简化为3个综合成分,并以此为网络训练的输入数据,根据实测的蒸散量作为网络输出建立了RBF神经网络,并且经非训练样本点数据检验.结果表明,与传统RBF网络模型较,NLPCA-RBF网络预测模型能够更好的反应影响因子与蒸散量之间的关系,取得更为精确的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	焦俊	安徽农业大学信息与计算机学院	59	267	10.0	14.0
2	汪宏喜	安徽农业大学理学院	25	160	6.0	12.0
3	陈祎琼	安徽农业大学信息与计算机学院	20	82	4.0	9.0
4	陆林	安徽农业大学信息与计算机学院	2	9	1.0	2.0
5	张兆义	安徽农业大学信息与计算机学院	1	1	1.0	1.0
6	鲁威	安徽农业大学信息与计算机学院	1	1	1.0	1.0