基于粒子群优化机器学习模型的水面蒸发量估算模型研究

Research on estimation model of water surface evaporation based on particle swarm optimization machine learning model province

水面蒸发是估算区域水资源平衡的重要参数之一,实测的蒸发皿蒸发量(E_(pan))是重要的水温变量,为找出估算区域的E_(pan)最优模型,以江西省为研究区域,基于极限学习机(ELM)、随机森林(RF)、支持向量机(SVM)、BP神经网络4种机器学习模型,以粒子群算法(PSO)为基础建立了4种优化模型,对不同站点E_(pan)进行了估算,结果表明:在日值、月值估算中,PSO-RF模型精度最高,其在不同时期的相对误差最低,在3—10月及全年的相对误差在4.1%~4.4%,同时在不同训练及预测组合下,该模型均能保持较高的精度。