為探究不同數(shù)值模擬模型在川中丘陵區(qū)的適應(yīng)能力,提高川中丘陵區(qū)氣象資料缺失下的參考作物蒸散量（ET₀）預(yù)報(bào)精度。選取7個(gè)代表性站點(diǎn)1961-2016年逐日氣象資料,分別建立基于M5回歸樹（M5-RT）、雙隱含層優(yōu)化的反向傳播神經(jīng)網(wǎng)絡(luò)（H-BPNN）和交叉驗(yàn)證優(yōu)化的廣義回歸神經(jīng)網(wǎng)絡(luò)（CV-GRNN）的ET₀預(yù)報(bào)模型。并選取3個(gè)在川中丘陵區(qū)具有較高精度的經(jīng)驗(yàn)?zāi)Ｐ团c其進(jìn)行對(duì)比,在日尺度上評(píng)估模型的預(yù)報(bào)精度,利用可移植性分析評(píng)價(jià)3種模型在川中丘陵區(qū)的泛化能力。結(jié)果表明:①基于溫度、風(fēng)速和大氣頂層輻射輸入的M5-RT2、CV-GRNN2和H-BPNN2模型都具有較高的模擬精度,其R²分別為0.987、0.967和0.988,NSE分別為0.987、0.937和0.988;②日尺度誤差分析表明,4類輸入項(xiàng)組合下,M5-RT模型最優(yōu),H-BPNN模型次之,CV-GRNN模型最差,但3種模型的均方根誤差均小于0.5 mm/d、平均相對(duì)誤差均小于13.59%,優(yōu)于Jensen-Haise、Hargreaves-Li和Irmak-Allen模... 

【文章來源】：中國農(nóng)村水利水電. 2020,(05)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

川中丘陵區(qū)氣象站點(diǎn)分布圖

M5回歸樹是一種多元的分段式線性回歸模型,節(jié)點(diǎn)選擇時(shí)采用貪心算法,理論上可使用足夠多的節(jié)點(diǎn)完成任何復(fù)雜的非線性回歸,實(shí)際建模中為提升收斂速度,會(huì)通過后續(xù)的剪枝操作[15]對(duì)樹模型進(jìn)行精簡,分段函數(shù)的特性,使得M5回歸樹比其他數(shù)據(jù)模型更為靈活,且能得到映射關(guān)系的顯式表達(dá),目前已成功應(yīng)用于降雨—徑流模擬中。Goyal等[22]將M5回歸樹用于Pichola湖流域降雨量和水量預(yù)測,Bhattacharya等[23]將M5回歸樹與神經(jīng)網(wǎng)絡(luò)應(yīng)用于河流流量預(yù)測,取得了優(yōu)于傳統(tǒng)模型的結(jié)果。1.4.2 交叉驗(yàn)證改良的廣義回歸神經(jīng)模型CV-GRNN

廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)是由Specht[24]提出的一種變形的徑向基神經(jīng)網(wǎng)絡(luò),以樣本數(shù)據(jù)為后驗(yàn)條件,執(zhí)行Parzen非參數(shù)估計(jì)[25],具有很強(qiáng)的非線性映射能力。Ladlani等[26]將GRNN用于阿爾及利亞的ET0預(yù)報(bào),并證明其精度優(yōu)于傳統(tǒng)的徑向基神經(jīng)網(wǎng)絡(luò)。馮禹等[27]將基于溫度資料的GRNN模型用于四川盆地的ET0預(yù)報(bào),精度優(yōu)于物理模型。GRNN模型由4層網(wǎng)絡(luò)組成,如圖3,依次為輸入層、模式層、求和層和輸出層。(1)輸入層為學(xué)習(xí)樣本的直接輸入,其神經(jīng)元個(gè)數(shù)等于學(xué)習(xí)樣本中自變量X=[x1,x2,…,xk]的維度k,深度為樣本數(shù)量。

【參考文獻(xiàn)】：
期刊論文
[1]基于ELM的西北旱區(qū)參考作物蒸散量預(yù)報(bào)模型[J]. 張皓杰,崔寧博,徐穎,鐘丹,胡笑濤,龔道枝.  排灌機(jī)械工程學(xué)報(bào). 2018(08)
[2]BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)確定方法研究[J]. 王嶸冰,徐紅艷,李波,馮勇.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(04)
[3]基于GRA&BPNN的廣西糧食產(chǎn)量預(yù)測研究[J]. 戎陸慶,陳飛,歐陽浩.  中國農(nóng)業(yè)資源與區(qū)劃. 2017(02)
[4]機(jī)器學(xué)習(xí)算法和Hargreaves模型在四川盆地ET0計(jì)算中的比較[J]. 馮禹,崔寧博,龔道枝.  中國農(nóng)業(yè)氣象. 2016(04)
[5]利用溫度資料和廣義回歸神經(jīng)網(wǎng)絡(luò)模擬參考作物蒸散量[J]. 馮禹,崔寧博,龔道枝,胡笑濤,張寬地.  農(nóng)業(yè)工程學(xué)報(bào). 2016(10)
[6]川中丘陵區(qū)地表干濕長程相關(guān)性及影響因素研究[J]. 王朕,梁川,趙鵬,詹存.  四川大學(xué)學(xué)報(bào)(工程科學(xué)版). 2016(S1)
[7]四川省不同區(qū)域參考作物蒸散量計(jì)算方法的適用性評(píng)價(jià)[J]. 李晨,崔寧博,馮禹,魏新平.  農(nóng)業(yè)工程學(xué)報(bào). 2016(04)
[8]改進(jìn)Hargreaves模型估算川中丘陵區(qū)參考作物蒸散量[J]. 李晨,崔寧博,魏新平,胡笑濤,龔道枝.  農(nóng)業(yè)工程學(xué)報(bào). 2015(11)
[9]基于彈性動(dòng)量深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的果體病理圖像識(shí)別[J]. 譚文學(xué),趙春江,吳華瑞,高榮華.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2015(01)
[10]基于粒子群算法和廣義回歸神經(jīng)網(wǎng)絡(luò)的巖爆預(yù)測[J]. 賈義鵬,呂慶,尚岳全.  巖石力學(xué)與工程學(xué)報(bào). 2013(02)



本文編號(hào)：3499404