基于偏最小二乘回归的投影寻踪耦合模型在参考作物腾发量预测中的应用

根据朝阳气象站的实测气象数据(温度、湿度、日照时数、风速、蒸发量、降水量),提出基于偏最小二乘回归的投影寻踪耦合模型用于预测朝阳地区参考作物滕发量。偏最小二乘回归方法能够有效地处理自变量间多重线性相关问题,但对处理因变量与自变量间复杂的非线性问题较差,而投影寻踪回归模型有效解决了非线性问题。把这2种方法结合在一起,建立了基于偏最小二乘回归的投影寻踪耦合模型,用于该地区参考作物滕发量的预测。并将耦合模型预测的ET0结果与Penman-Monteith公式计算的ET0结果进行比较,该耦合模型预测精度较高。

辽阳市参考作物腾发量预测

采用改进的粒子群算法(ADAPPSO)解决了传统PSO算法易陷入局部极值的问题,该算法减少运算过程中PSO算法出现局部极值的途径为利用非线性递减的自适应惯性权重。以辽阳地区为例,将BP网络的有关参数运用ADAPP-SO算法加以优化,并利用平均影响值法(MIV)筛选变量数据,然后对参考作物腾发量(ET0)利用构建的ADAPPSO-BP模型预测,在此基础上构建ADAPPSO-BP、PSO-BP和BP网络预测模型。结果表明:ADAPPSO-BBP、PSO-BP和BP网络预测模型的平均绝对误差MAE为0.2047、0.2415、0.3561,3种模型的决定系数R2为0.9612、0.9530、0.8975;3种模型中MAE最小,R2值最大的为ADAPPSO-BP模型,对于提高ET0的预测能力该模型表现出较强的有效性。