基于5种人工智能模型计算重庆地区参考作物蒸散量

• 作者: 刘建军 张卫华 杨永刚 鲍玲玲
• 来源期刊: 水土保持研究
• 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
• 年，卷（期）: 2021,（1）
• 页码范围: 85-92
• 页数: 8页
• 分类号: S161.4
• 语种: 中文

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.