基于经验模态分解与人工神经网络的参考作物腾发量混合预测模型研究

• 作者: 吴奇 许杏娟 迟道才 郑俊林 陈涛涛
• 来源期刊: 沈阳农业大学学报
• 学科: 农学
• 关键词: 参考作物腾发量 经验模态分解 BP神经网络 预测精度
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 研究报告
• 页码范围: 67-73
• 页数: 7页
• 分类号: S161.4
• 字数: 5079字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1700.2015.01.012

摘要

为了提高具有非线性和非稳定性特征的参考作物腾发量(ET0)时间序列的预测精度,提出基于经验模态分解(EMD)的BP神经网络预测模型.以大连地区1970～2006年间逐月ET0序列为例,首先应用经验模态分解(EMD)方法将ET0序列分解为具有不同尺度特征的本征模态函数(IMF),然后运用BP神经网络对ET0序列和分解得到的IMF进行训练,得到ET0序列的预测模型,并对ET0进行预测,最后将预测值及单纯的BP神经网络预测值分别与真实值进行对比分析.结果表明:EMD-BP模型预测值的平均绝对百分误差(MAPE)、均方根误差(RMSE)、平均绝对差(MAD)及判定系数(R2)分别为1.32％,0.0327,0.0278,0.9967;而BP模型相应的指标值分别为8.50％,0.2583,0.1839,0.8967.显然,EMD-BP模型的MAPE、RMSE、MAD值较小且R2值较大.因此,其预测精度及稳定性均优于单纯的BP模型,可作为ET0预测的一种参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	迟道才	沈阳农业大学水利学院	189	1697	20.0	32.0
2	陈涛涛	沈阳农业大学水利学院	38	162	7.0	10.0
3	许杏娟	沈阳农业大学水利学院	8	34	4.0	5.0
4	吴奇	沈阳农业大学水利学院	22	102	5.0	9.0
5	郑俊林	沈阳农业大学水利学院	10	45	5.0	6.0