該研究對基于注意力機制的長短期記憶（Attention-Based Long Short Term Memory,AT-LSTM）模型對蒸散量（Evapotranspiration,ET）模擬的可行性和有效性進行驗證,以提高環(huán)境數(shù)據(jù)缺失情況下的蒸散量模擬精度�；邴}池縣2012—2017年的每30min環(huán)境數(shù)據(jù),利用不同環(huán)境因子組合構(gòu)建基于注意力機制的LSTM模型,并將其與極限學(xué)習(xí)機（Extreme Learning Machine,ELM）模型、支持向量機（Support Vector Machine,SVM）模型、長短期記憶（Long Short Term Memory,LSTM）模型在日尺度、月尺度和季節(jié)尺度上進行對比分析。結(jié)果表明:與其他3種模型相比,當(dāng)輸入環(huán)境因子變化時,AT-LSTM模型模擬精度變化很小,模擬效果均較好。當(dāng)輸入空氣溫度、凈輻射、相對濕度、土壤溫度、土壤含水率所有環(huán)境因子時,基于AT-LSTM模型的模擬效果最好,均方根誤差（RootMeanSquareError,RMSE）為0.013 mm/30 min,平均絕對誤差（Mean Absolute Error,... 

【文章來源】：農(nóng)業(yè)工程學(xué)報. 2020,36(22)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

模型穩(wěn)定性對比

圖4為AT-LSTM14（僅輸入Rn）、LSTM1、SVM1、ELM1在4個季節(jié)的一天中ET模擬情況對比。春、夏、秋、冬季分別選擇2013年前一周沒有降水的4月10日、8月18日、10月10日、1月12日。從圖中可以看出，ET值在一天中的分布曲線呈拋物線狀。一天中ET的最高值出現(xiàn)在12:00—14:00之間，春、夏、秋、冬ET值在一天中的最高值分別為0.077、0.221、0.076、0.021 mm。冬季晝短夜長，氣溫回升慢，ET值開始上升的時間晚于春、夏、秋季，ET值降為0的時間早于春、夏、秋季。4種模型都很好的模擬出了ET值先增大后減小的變化趨勢，但是模型的模擬效果存在差異。從圖4中可以明顯地看出，春、秋、冬季SVM1模型模擬效果明顯劣于其他模型，而夏季8:00—14:00之間SVM1模型的模擬效果較好，與ELM1相當(dāng)。在ET值較小的時間段（00:00—6:00、19:00—24:00)AT-LSTM14模型、LSTM1模型、ELM1模型、SVM1模型的相對誤差分別為-1.23%～3.21%、5.25%～10.78%、7.64%～14.31%、40.23%～60.98%。在其他時間段AT-LSTM14模型、LSTM1模型、ELM1模型、SVM1模型的相對誤差分別為0.15%～0.35%、0.20%～2.58%、0.33%～2.35%、0.42%～10.07%。從整體來看，僅輸入Rn的AT-LSTM14模型精度最高，SVM1模型的模擬效果最差。ELM1模型和LSTM1模型因季節(jié)不同模擬效果不同，春季、冬季以及ET值較小的時間段，LSTM1模型模擬精度優(yōu)于ELM1模型。

從圖4中可以明顯地看出，春、秋、冬季SVM1模型模擬效果明顯劣于其他模型，而夏季8:00—14:00之間SVM1模型的模擬效果較好，與ELM1相當(dāng)。在ET值較小的時間段（00:00—6:00、19:00—24:00)AT-LSTM14模型、LSTM1模型、ELM1模型、SVM1模型的相對誤差分別為-1.23%～3.21%、5.25%～10.78%、7.64%～14.31%、40.23%～60.98%。在其他時間段AT-LSTM14模型、LSTM1模型、ELM1模型、SVM1模型的相對誤差分別為0.15%～0.35%、0.20%～2.58%、0.33%～2.35%、0.42%～10.07%。從整體來看，僅輸入Rn的AT-LSTM14模型精度最高，SVM1模型的模擬效果最差。ELM1模型和LSTM1模型因季節(jié)不同模擬效果不同，春季、冬季以及ET值較小的時間段，LSTM1模型模擬精度優(yōu)于ELM1模型。2.5 不同模型模擬月蒸散量的精度對比

【參考文獻】：
期刊論文
[1]半干旱區(qū)沙丘、草甸作物系數(shù)模擬及蒸散發(fā)估算[J]. 李霞,劉廷璽,段利民,童新,王冠麗.  干旱區(qū)研究. 2020(05)
[2]基于無人機光譜遙感的田塊尺度蒸散發(fā)空間分布估算[J]. 蘇寶峰,王琮,張茹飛,陳山.  農(nóng)業(yè)機械學(xué)報. 2020(03)
[3]青藏高原多穩(wěn)態(tài)高寒草甸生態(tài)系統(tǒng)蒸散特征對比研究[J]. 舒鍇,柯潯,辛瑩,郭小偉,曹廣民,杜巖功,周華坤.  草原與草坪. 2019(06)
[4]寧夏引黃灌區(qū)幾種參考作物蒸散量計算方法適用性及修正研究[J]. 李晨,李王成,趙自陽,董亞萍,高海燕.  中國農(nóng)村水利水電. 2019(11)
[5]多元自適應(yīng)回歸樣條算法模擬川中丘陵區(qū)參考作物蒸散量[J]. 陳宣全,崔寧博,李繼平,徐浩若,劉雙美,麻澤龍,樂進華,王軍.  農(nóng)業(yè)工程學(xué)報. 2019(16)
[6]基于LSTM深度學(xué)習(xí)模型的華北地區(qū)參考作物蒸散量預(yù)測研究[J]. 邢立文,崔寧博,董娟.  水利水電技術(shù). 2019(04)
[7]基于極限學(xué)習(xí)機模型的中國西北地區(qū)參考作物蒸散量預(yù)報[J]. 魏俊,崔寧博,陳雨霖,張青雯,馮禹,龔道枝,王明田.  中國農(nóng)村水利水電. 2018(08)
[8]基于極限學(xué)習(xí)機的參考作物蒸散量預(yù)測模型[J]. 馮禹,崔寧博,龔道枝,魏新平,王君勤.  農(nóng)業(yè)工程學(xué)報. 2015(S1)
[9]西北地區(qū)近49年生長季參考作物蒸散量的敏感性分析[J]. 曹雯,申雙和,段春鋒.  中國農(nóng)業(yè)氣象. 2011(03)
[10]ET管理在節(jié)水措施中的應(yīng)用[J]. 王晶,袁剛,王金梁,宋利兵.  水科學(xué)與工程技術(shù). 2009(01)

碩士論文
[1]半干旱地區(qū)蒸發(fā)量及有效降水的研究[D]. 王文玉.蘭州大學(xué) 2014
[2]區(qū)域蒸散發(fā)遙感估算研究與實現(xiàn)[D]. 趙昱昀.蘭州交通大學(xué) 2014



本文編號：3343584