排灌机械工程学报

作者：江显群,陈武奋*,邵金龙

单位：珠江水利委员会珠江水利科学研究院, 广东 广州 510610

关键词：参考作物腾发量,公共天气预报,BP神经网络,回归型支持向量机

基金：广州市科技计划项目(201604020049)

针对Penman Monteith公式的应用局限性,以公共天气预报可测因子及历史气象数据计算ET0为基准,对广州站2017-01-01—2019-03-31预报气象信息风力状况进行量化后,以2017,2018年气象预报信息为输入因子、ET0为输出因子,分别建立基于回归型支持向量机(SVR)预报模型与BP神经网络预报模型,选择性能较优预报模型对2019年ET0进行预报,并与计算值进行对比分析.结果表明:回归型支持向量机参考作物腾发量预报模型测试集确定性系数为0.896、均方误差为0.206,BP神经网络参考作物腾发量预报模型测试集确定性系数为0.851、均方误差为0.305,SVR参考作物腾发量预报模型均方误差及决定系数要明显优于BP神经网络;基于SVR模型的预报值与PM公式计算值相关系数为0.761,没有明显差异,表现出显著的相关性以及整体吻合度,可为灌溉预报及决策提供较为准确的ET0预报数据.

来源：2019年第12期

《排灌机械工程学报》期刊编辑部

查看排灌机械工程学报杂志2019年第12期