机器学习算法和Hargreaves模型在四川盆地ET0计算中的比较

• 作者: 冯禹 崔宁博 龚道枝
• 来源期刊: 中国农业气象
• 关键词: 参考作物蒸散量 温度资料 FAO-56 Penman-Monteith模型 机器学习算法 Hargreaves模型
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 农业生态环境
• 页码范围: 415-421
• 页数: 7页
• 字数: 5680字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-6362.2016.04.005

摘要

以四川盆地中部遂宁气象站2001-2010年逐日温度资料和大气顶层辐射(Ra)为输入参数,以FAO-56 Penman-Monteith (PM)模型计算的参考作物蒸散量(ET0)为标准,分别利用广义回归神经网络(GRNN)和小波神经网络(WNN)两种机器学习算法建立ET0模拟模型,并对GRNN、WNN和Hargreaves (HS1)与两种改进的Hargreaves(HS2和HS3)模型的ET0模拟效果进行对比分析,利用2011-2014年数据对各模型模拟精度进行验证,分析仅有温度资料时不同模型在四川盆地的适用性.结果表明:GRNN模型和WNN模型均具有较强的适用性,GRNN模型均方根误差(RMSE)、模型效率系数(Ens)和决定系数(R2)分别为0.395mm.d-1、0.924和0.902,WNN模型分别为0.401mm.d-1、0.911和0.901,且两种模型计算精度均高于HS1(1.05mm.d-1、0.885和0.334)、HS2(0.652mm.d-1、0.892和0.736)和HS3(0.550mm.d-1、0.881和0.812)模型.模型适用性验证进一步表明,GRNN和WNN模型在四川盆地西部和东部也具有较好的适用性,在输入参数中引入Ra能提高模型的模拟精度.因此,GRNN和WNN可以作为气象资料缺失条件下四川盆地ET0计算的推荐模型,且GRNN计算精度高于WNN,可优先选用.