遗传算法与小波神经网络在ET_0预测中的应用

ET_0是计算作物需水信息的重要依据,对于发展精准灌溉、制定中长期的农业用水策略具有重要的指导意义。选择将P-M公式的计算值为ET_0标准值,利用SPSS软件对多种气象数据进行相关性分析并以最高气温、最低气温、日照时数和相对湿度作为输入因子,采取小波神经网络将归一化的历史ET_0标准序列分别进行高低频带的预测,建立结合遗传算法优化小波神经网络的ET_0预测模型。通过仿真对比,基于遗传算法优化的小波神经网络与未采用遗传算法优化的小波神经网络相比具有更高的精度和更快的收敛速度,其中的小波算法能有效处理ET_0序列在预测过程中的周期非平稳特性。经实验样机平台验证遗传算法优化小波神经网络在作物需水预测中具有良好的性能,模型能够为精准灌溉、农业中长期需水决策提供指导作用。

基于偏最小二乘回归的塔里木盆地北缘区ET_0预测

利用气象因子计算ET0时,各气象因子之间经常存在多重相关性现象,从而导致所建多元回归模型失真,预测精度低。本文以新疆塔里木盆地北缘区的尉犁县为例,采用偏最小二乘回归建立ET0模型,利用主成分分析与典型相关分析思想,采用成分提取的方法,有效解决了各气象因子间的多重相关性问题,所建ET0模型取得较好效果。

基于小波消噪的参考作物腾发量RBF网络预测方法

介绍小波消噪的原理和步骤。以北方某流域甲站2001—2005年逐日气象数据为基本资料,进行10阶Dmey小波消噪,然后构建预测ET0的前馈网络模型(RBF-ET0),用2001—2004年的资料作为训练样本,对2005年的ET0进行预测,并与Penman-Montieth公式计算值进行比较。结果为:预测值与目标值的相关系数为0.991 2,相对误差的平均值为6.56%,相对误差小于20%,15%,10%的合格率分别为93.88%,85.66%,73.51%,与未经小波消噪处理的RBF-ET0模型预测结果相比,预测精度有明显提高。