基于天气预报改进模型ET0实时预报应用

建立了以Penman Monteith(PM)方程计算参考作物需水量(ET0)为因变量,天气预报可测因子(日最高、最低气温、反映天气类型的阴晴指数、风力等级)为自变量的多元回归线性模型,应用自适应神经模糊推理系统(ANFIS)进行修正残差的改进模型。通过与PM计算ET0结果分析,改进模型预测结果相对于多元线性回归模型具有精度高、整体拟合度好,具有较好的预测效果。改进模型的输入项完全可以从当前短期天气预报中获得,且将两种基础方法结合,操作运行简单等优点,在实时灌溉预报中有一定的推广意义,具有实用价值。

ANFIS与多元回归模型在ET_0实时预报中的对比研究

以气象数据为自变量,Penman Monteith方程计算值ET_0为应变量,分别建立了多元回归模型和自适应神经模糊推理系统(ANFIS)模型,对ET_0预测结果对比分析,ANFIS预测ET_0结果相对于多元线性回归具有精度高(1<ET_0<5)。预测结果与输入的Penman Monteith方程计算得ET_0相关性高。ANFIS预测ET_0模型输入项完全可以从当前短期气象预报中获得,程序运行操作简单,在辽阳市实时灌溉预报中有一定的推广意义,具有实用价值。