典型文献
基于深度学习及传统机器学习模型估算山东省参考作物蒸散量
文献摘要：
为探寻深度学习模型在区域参考作物蒸散量(Reference crop evapotranspiration,ET0)估算中的适用性,以山东省为研究区域,选取了深度神经网络(DNN)、时间卷积神经网络(TCN)和长短期记忆神经网络(LSTM)3种深度学习模型,极限学习机模型(ELM)、广义回归神经网络模型(GRNN)和随机森林模型(RF)3种传统机器学习模型,Hargreaves-Samani模型(HS)、Droogres-Allen模型(DA)、Priestley-Tayor模型(PT)、Marrink模型(MK)、WMO模型(WMO)、Trabert模型(TRA)6种经验模型,以均方根误差(RMSE)、决定系数(R2)、平均绝对误差(MAE)和效率系数(Ens)为精度评价体系,找出了适用于山东省ET0估算的最优模型,结果表明:相同气象参数输入条件下,机器学习模型精度普遍优于经验模型,而3种深度学习模型精度最优,TCN模型在所有模型中精度最高;输入辐射资料的模型精度普遍高于温度模型和质量传输模型,TCN2模型GPI为1.036,在所有模型中排名第1.因此,TCN模型为山东省ET0的最优估算模型使用.
文献关键词：
山东省;参考作物蒸散量;深度学习;机器学习;辐射资料;估算模型
中图分类号：
作者姓名：
任传栋;王志真;马钊;张敏
作者机构：
山东省水利勘测设计院,济南250013
文献出处：
引用格式：
[1]任传栋;王志真;马钊;张敏-.基于深度学习及传统机器学习模型估算山东省参考作物蒸散量)[J].节水灌溉,2022(03):67-74
A类：
Droogres,Tayor,Marrink,Trabert
B类：
机器学习模型,参考作物蒸散量,深度学习模型,Reference,crop,evapotranspiration,ET0,深度神经网络,DNN,时间卷积神经网络,长短期记忆神经网络,极限学习机模型,ELM,广义回归神经网络,GRNN,随机森林模型,RF,Hargreaves,Samani,HS,Allen,DA,Priestley,PT,MK,WMO,TRA,经验模型,RMSE,决定系数,平均绝对误差,MAE,Ens,精度评价,最优模型,同气,气象参数,输入条,模型精度,辐射资料,温度模型,质量传输,传输模型,TCN2,GPI,中排,排名第,估算模型,模型使用
AB值：
0.393406
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。
