基于多元非线性回归与BP神经网络模型对土壤水分蒸发量的预测

为探讨农田小气候中各种因素(温度、湿度、光合有效辐射、环境梯度)对土壤水分蒸发量的影响,以河海大学江宁校区节水园区的壤土作为研究对象,根据2020年9-11月期间每30 min测定一次的数据资料,利用多元非线性回归与BP神经网络算法对其进行预测。结果表明,多元非线性回归与BP神经网络均可以较好地得到预测结果;相比之下,BP神经网络算法预测值的拟合优度更高。

基于组合赋权的TOPSIS模型与机器学习算法对山东某地区水质等级评估分析

为高效评估水质等级,缓解水体污染,以山东省某地区在2020年6-9月的水质监测数据为依据,建立基于组合赋权的TOPSIS模型,该模型旨在传统TOPSIS模型的基础上引入主客观赋权理念,为更真实准确地评估水质等级提供了科学依据。水质等级评估结果为:Ⅰ类水5个,Ⅱ类水46个,Ⅲ类水264个,Ⅳ类水399个,Ⅴ类水196个,总体分布较为均匀,符合正常情况。同时利用支持向量机模型,对水质等级评估结果进行交叉验证。结果表明,验证准确率为94.6%,进一步佐证该方法具有较高的适用性。

两种ET_(0)计算方法在南京地区的适用性比较

为了探究两种不同参考作物需水量(ET_(0))计算方法在南京地区的适用性,本研究收集了南京地区2010-2019年的气象数据,涵盖了最高气温、最低气温、平均气温、相对湿度、日照时数、平均气压和平均风速7个指标,以Penman-Montieth公式的ET_(0)计算结果为标准值,选取Hargreaves-Samani和Irmak-Allen公式两种常见的计算方法,比较ET_(0)计算值的逐日变化规律,并且对两种不同方法进行误差分析和相关性分析。结果表明:①两种ET_(0)计算方法在南京站点(2010-2019年)估算的ET_(0)年内变化与PM公式计算结果趋势一致,均表现为在同一年内先增大后减小,在6-8月份出现峰值,在12-1月份ET_(0)值最小,且IA公式较HS公式与PM公式吻合度较高。②在南京地区,ET_(0)计算方法的相关性大小表现为:IA公式>HS公式,其中IA公式的相关系数为0.8759,HS公式的相关系数为0.8016。结合RMSE和MAE结果来看,IA公式在南京地区的计算精度显著高于HS公式,且IA公式的RMSE和MAE结果均小于1,表现较高,因此IA公式较HS公式在南京地区具有较好的适用性。