基于神经网络算法的广东省典型代表站点ET0简化计算模型研究

• Published in: Guanʻgai paishui xuebao Vol. 38; no. 5; pp. 91 - 99
• Main Authors: ZHAO Wengang, MA, Xiaoyi, LIU, Xiaoqun, SHI, Lin, SONG, Wen
• Format: Journal Article
• Language: Chinese; English
• Published: Xinxiang City Chinese Academy of Agricultural Sciences (CAAS) Farmland Irrigation Research Institute Editorial Office of Journal of Irrigation and Drainage 01.05.2019; 湖南省水利水电科学研究院,长沙,410007%西北农林科技大学水利与建筑工程学院旱区农业水土工程教育部重点实验室,陕西杨凌,712100
• Subjects: Algorithms; Evapotranspiration; Humidity; Learning algorithms; Machine learning; Neural networks; Relative humidity; Sensitivity analysis; Sunlight; Wind measurement; Wind speed; Penman-Monteith; 因子敏感性分析; 神经网络; 模型; 参考作物腾发量
• ISSN: 1672-3317
• DOI: 10.13522/j.cnki.ggps.20180410

【目的】探讨BP、极限学习机、小波神经网络算法在广东典型气候代表站点的适用性，建立ET0简化计算模型。【方法】以韶关、深圳、广州、揭西、湛江站为研究对象，收集各站1981—2010年逐日平均、最高、最低气温、相对湿度、日照时间、风速观测数据，以FAO-56Penman-Monteith ET0计算值为基准，对比3种算法计算效结果，确定最优算法，并结合因子敏感性分析建立了ET0简化计算模型。【结果】①P＜0.05显著水平下，广州、韶关站各气象因子均差异显著；湛江、广州、揭西、深圳4站除日最高气温差异显著，其他气象因子差异均不显著；②ET0因子敏感性分析中，韶关、广州、深圳3站日最低、最高气温、日照时间敏感系数较大，韶关站为0.040、0.113、0.223，广州站为0.043、0.101、0.208，深圳站为0.054、0.105、0.181；揭西和湛江站日最高气温、相对湿度、日照时间敏感系数较大，分别为：0.105、-0.040、0.216和0.098、-0.072、0.197，综合各站来看，日最高气温、日照时间最为敏感；③全因子输入条件下，ET0计算精度表现为BP>极限学习机>小波神经网络；④ET0简化计算精度表现为BP（全因子输入）>BP-1（日最高、最低气温，相对湿度，日照时间作输入）>BP-2（日最高气温、日照时间输入），但差值不大。【结论】因此，基于日最高气温、日照时间2因素的BP算法一定程度能简化计算ET0。