自构建改进型鲸鱼优化BP神经网络的ET_(0)模拟计算

参考作物蒸发蒸腾量(ET_(0))是影响现代水文研究的关键因素,本文建立了一种改进的鲸鱼优化算法(GWOA)和BP神经网络的ET_(0)模型。通过遗传算法中选择机制与自适应的变异因子代替了传统鲸鱼优化算法(WOA)的最佳搜索代理选择,优化了鲸鱼算法种群多样性与跳出局部最优的能力;借助改变鲸鱼算法收敛因子与权重因子的更新策略,明显提高了鲸鱼优化算法拟合精度和收敛速度。在陕西省北部地区5个站点ET_(0)模拟仿真中,将基础气象数据作为要素输入,利用FAO 56 Penman-Monteith(FAO P-M)模型运算结果作为参考值,同时将GWOA-BP模型模拟结果与其他算法模型的模拟结果进行评价参数的对比,在仅有气温数据时,GWOA-BP模型仍能较好反映气象因子与ET_(0)之间的非线性约束关系(平均R2为0.990,平均RMSE为0.287 mm/d),完全可以代替传统模型Hargreavers模型(R2提升了5%,RMSE下降了63%);在不同气象因子输入下的模拟计算数据表明,陕西省北部地区ET_(0)的重要气象因子排序为日最高温度Tmax、日最低温度T_(min)、逐日日照对数n、逐日空气相对湿度RH、逐日平均风速u2;在相同气象因子输入下的模拟计算数据表明,GWOA-BP拟合精度均高于WOA-BP、BP模型。