典型文献
气象资料受限条件下BP神经网络优化模型模拟参考作物蒸散量:以京津冀地区为例
文献摘要：
为确定气象数据缺乏地区参考作物蒸散量(ET0)的最优简化估算模型,本文以京津冀地区作为研究区域,以传统BP神经网络模型为基础,基于粒子群算法(PSO)、遗传算法(GA)、思维进化算法(MEA)、麻雀算法(SSA)和人工鱼群算法(AF)5种优化算法,构建了PSO-BP、GA-BP、MEA-BP、SSA-BP、AF-BP共5种优化模型,并将计算结果与3种传统机器学习模型BP模型、随机森林模型(RF)、小波神经网络模型(WNN)和2种经验模型Hargreaves模型(HS)、Droogres-Allen模型(DA)进行对比,在仅输入温度数据的条件下,得出区域ET0最优估算模型.结果表明:在不同区域,5种优化模型计算精度显著高于其余模型,其中,SSA-BP模型均表现出了较高的精度,RMSE、R2、Ens和MAE分别为0.297～0.402mm·d-1、0.879～0.946、0.862～0.940、0.210～0.300mm·d-1,模型GPI在研究区域内排名第1位;在相同气象数据条件下,机器学习模型精度优于HS模型和DA模型,其中SSA-BP模型精度最高.因此,在仅有温度资料的条件下,SSA-BP模型可作为京津冀地区ET0估算的标准模型使用.
文献关键词：
京津冀地区;参考作物蒸散量;BP神经网络模型;麻雀算法
中图分类号：
作者姓名：
贾悦;苏永军;张冉;李鹏程;王凤春;路梅
作者机构：
河北水利电力学院遥感与智慧水利创新中心,沧州 061001;四川大学水力学与山区河流开发保护国家重点实验室,成都 610065
文献出处：
引用格式：
[1]贾悦;苏永军;张冉;李鹏程;王凤春;路梅-.气象资料受限条件下BP神经网络优化模型模拟参考作物蒸散量:以京津冀地区为例)[J].中国农业气象,2022(01):1-16
A类：
Droogres,402mm
B类：
气象资料,受限条件,神经网络优化模型,模型模拟,参考作物蒸散量,京津冀地区,气象数据,数据缺乏,ET0,简化估算,估算模型,粒子群算法,PSO,GA,思维进化算法,MEA,麻雀算法,SSA,人工鱼群算法,AF,机器学习模型,随机森林模型,RF,小波神经网络,WNN,经验模型,Hargreaves,HS,Allen,DA,温度数据,计算精度,余模,RMSE,Ens,MAE,300mm,GPI,内排,排名第,同气,数据条件,模型精度,有温度,标准模型,模型使用
AB值：
0.348676
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
