共查询到17条相似文献，搜索用时 218 毫秒
1.
为实现气象资料缺乏情况下参考作物蒸散量（reference crop evapotranspiration, ET0）高精度预测,以气象因子的不同组合为输入参数,利用FAO-56 Penman-Monteith公式计算的ET0作为预测标准值建立基于极限学习机（extreme learning machine, ELM）的ET0预测模型。选取川中丘陵区7个气象站点1963－2012年逐日气象资料进行模型训练与测试,并将模拟结果同Hargreaves、Priestley-Taylor、Makkink及Irmark-Allen等4种常用模型进行对比。结果表明：ELM模型能很好地反映气象因子同ET0间复杂的非线性关系,且模拟精度较高;基于最高和最低温度的ELM模型模拟精度（均方根误差和模型效率系数分别为0.504 mm/d和0.827）高于Hargreaves模型（均方根误差和模型有效系数分别为0.692 mm/d和0.741）;基于最高、最低温度和辐射的ELM模型模拟精度（均方根误差和模型有效系数分别为0.291 mm/d和0.938）明显高于Priestley-Taylor（均方根误差和模型有效系数分别为0.467 mm/d和0.823）、Makkink（均方根误差和模型有效系数分别为0.540 mm/d和0.800）和Irmark-Allen模型（均方根误差和模型有效系数分别为0.880 mm/d和0.623）。因此基于最高、最低温度和辐射的ELM模型可以作为气象资料缺乏情况下川中丘陵区ET0计算的推荐模型。该研究可为川中丘陵区气象资料缺乏情境下ET0精确计算提供科学依据。 相似文献
2.
基于1981—2011年云南省52个站点气象数据,通过敏感系数和贡献率法,定量分析了各站点冬春夏秋季潜在蒸散量变化的成因。结果表明:（1）1981—1990年、1991—2011年春、夏、秋季,云南省各站点潜在蒸散量均对平均气温最敏感,其次是相对湿度和日照时数,对风速的敏感性最低;冬季有部分站点以相对湿度的敏感系数最大。（2）蒸散量变化的主导因子因季节不同而不同。1981—1990年,绝大多数站点冬季蒸散量变化主导因子为平均气温,其他季节多数站点主导因子为日照时数;1991—2011年,冬、春、秋季,多数站点以平均气温为主导因子,夏季则以日照时数为主导因子的站点居多。（3）主导因子空间分布格局有差异。平均气温是云南省东部地区冬季蒸散量变化的主导因子,日照时数是中南部地区夏季蒸散量变化的主导因子,春、秋季节,前后时间段主导因子区域差异较大。这些结果表明云南省蒸散量变化的主导因子具有阶段性、季节性和区域差异性。 相似文献
3.
云南耿马甘蔗茎伸长量与气象因子的关系及其模拟预测 总被引：1，自引：0，他引：1
利用云南省耿马县2007-2010年新植甘蔗茎伸长量和同期气象资料,分析了气象因子对茎伸长的影响。结果表明,积温（Ta）、平均气温（T）、降水量（R）和日照时数（S）是影响甘蔗茎伸长的主要气象因子,前3者与甘蔗茎伸长量均呈显著（P〈0.05）或极显著（P〈0.01）正相关,说明较好的雨热光照条件对促进甘蔗茎伸长有利。利用2007-2009年甘蔗茎伸长期旬积温、平均气温、降水量、日照时数和对应的生长天数（D）,通过Rich-ards函数对甘蔗茎伸长量进行拟合,建立了综合预测模型;用该模型对2010年逐旬茎伸长量进行预测,绝对误差为0.0～11.0cm（平均3.4cm）,说明该模型具有一定的准确性与实用性。 相似文献
4.
随机气候生成器CLIGEN模型可以为当前一些综合模型所需要的气象资料提供必要的数据支持,为检验CLIGEN在四川紫色土地区的适用性,以CLIGEN模型为研究平台,根据四川省遂宁水土保持实验站1987～2002年降水和气温的月平均资料及在全美范围内选择参照站点得到的其他气象因子,利用CLIGEN模型分别模拟出遂宁市的月平均降水量、月平均最高温度和月平均最低温度。结果证明用所选的3个参证站点,利用CLIEGN模拟出来的降水、气温在数值上和年内的分布上均与实测值较为符合,选择模型有效系数E和平均绝对百分比误差（MAPE）为评价指标,作为3个站点最优选择的指标,最终选择CENTERVILLE站点为最优参证站,CEN-TERVILLE站点的模拟月平均降雨量、月平均最高温度和月平均最低温度的相对平均绝对值（MAPE）分别为7.15%,7.03%和6.17%,而有效系数分别为0.996 2,0.926 6和0.995 7,从而确定了CLIGEN模型在遂宁紫色土地区的适用性。 相似文献
5.
基于改进极限学习机的水体溶解氧预测方法 总被引：2，自引：2，他引：0
为了有效地指导水产养殖生产，提高溶解氧浓度预测的精度，提出了基于因子筛选和改进极限学习机（Extreme Learning Machine，ELM）的水产养殖溶解氧预测模型。首先，利用皮尔森相关系数法计算各影响因子与溶解氧浓度间的相关系数，提取强关联因子，降低预测模型的输入量维度；采用偏最小二乘算法（Partial Least Square, PLS）优化传统ELM神经网络，避免网络中隐含层共线性问题，保障输出权值的稳定性；然后，结合新型激活函数，构建水体溶解氧浓度预测模型。最后，将SPLS-ELM（Selection Based Partial Least Square Optimized Extreme Learning Machine）预测模型应用到江苏省无锡市南泉基地某试验池塘的水体溶解氧预测中。试验结果表明：该模型的预测均方根误差为0.3232，与最小二乘支持向量机（Least Square Support Vector Machine，LSSVM）、BP神经网络、粒子群（Particle Swarm Optimization，PSO）优化LSSVM和遗传算法（Genetic Algorithm, GA）优化BP神经网络相比分别降低40.98%、44.48%、34.73%和44.18%。且该模型的运行时间仅0.6231s，预测精度和运行效率明显优于其他模型。该模型的溶解氧预测曲线接近真实溶解氧变化曲线，能够满足水产养殖实际生产对水体溶解氧预测的要求。 相似文献
6.
小麦蚜虫种群消长气象影响成因及预测 总被引：5，自引：1，他引：4
利用1985—2007年的实测资料,分析了1985年以来武威凉州区小麦蚜虫始见期、高峰期及高峰期蚜量的时空动态变化规律和气象影响成因。结果表明：流域内蚜虫的发生及危害总体呈加重趋势,危害面积扩大;蚜虫种群周年增长遵循逻辑斯蒂生长曲线,可划分为开始增长期（4月下旬-5月中旬）、加速增长期（5月下旬-6月下旬）、减速增长期（7月上-中旬）三个阶段;影响蚜虫开始期迟早的主要气象因子有5月上旬极端最低气温和3月降水量,影响高峰期迟早的有6月降水量、5月中旬-6月上旬累积日照时数和6月下旬极端最低气温,影响危害程度的有3月下旬-4月上旬累积日照时数、冬季12月中旬极端最低气温、1月上旬极端最低气温和3—4月空气相对湿度。热量和水分条件是影响蚜虫种群消长的关键气象因素,光热因子（气温、日照）对蚜虫发生发展具有正相关同步协同作用,水分因子（降水、湿度）具有负相关反向抑制作用。用统计学方法建立了始见期、高峰期及危害程度预报预测模型,预测精度在73％～82％,可用于气象业务服务。 相似文献
7.
四川地区参考作物蒸散量的变化特征及气候影响因素分析 总被引：10，自引：0，他引：10
参考作物蒸散量是估算作物需水量的关键因子,对指导农田灌溉具有重要的现实意义。本文利用1961-2009年四川地区5个盆地站点和5个高原站点的逐日气候资料,采用FAO推荐的Penman-Monteith公式计算参考作物蒸散量（ET0）,分析了当地ET0的日值、月值、季值和年值的变化特征,并采用偏相关分析方法,对影响ET0变化的主要气候因子进行了探讨。结果表明：（1）四川盆地与高原地区参考作物蒸散量的日均值、月均值呈单峰或双峰型曲线变化,有明显的季节特点,最小值出现在冬季,最大值出现在夏季。（2）盆地地区各站点的年ET0呈波动递减趋势,且下降趋势通过了显著性检验;高原地区木里、松潘两站点的ET0呈上升趋势,其他站点呈减少的趋势。（3）四川地区的年、季参考作物蒸散量与日照时数、风速、相对湿度、平均温度、最高温度、最低温度、气压等要素关系密切,但近50a来日照时数的显著下降是导致盆地地区参考作物蒸散量减少的主要原因,风速的变化是导致高原地区参考作物蒸散量变化的主要原因。 相似文献
8.
该研究对基于注意力机制的长短期记忆（Attention-Based Long Short Term Memory，AT-LSTM）模型对蒸散量（Evapotranspiration，ET）模拟的可行性和有效性进行验证，以提高环境数据缺失情况下的蒸散量模拟精度。基于盐池县2012-2017年的每30 min环境数据，利用不同环境因子组合构建基于注意力机制的LSTM模型，并将其与极限学习机（Extreme Learning Machine，ELM）模型、支持向量机（Support Vector Machine，SVM）模型、长短期记忆（Long Short Term Memory，LSTM）模型在日尺度、月尺度和季节尺度上进行对比分析。结果表明：与其他3种模型相比，当输入环境因子变化时，AT-LSTM模型模拟精度变化很小，模拟效果均较好。当输入空气温度、净辐射、相对湿度、土壤温度、土壤含水率所有环境因子时，基于AT-LSTM模型的模拟效果最好，均方根误差（Root Mean Square Error，RMSE）为0.013 mm/30 min，平均绝对误差（Mean Absolute Error，MAE）为0.006 mm/30 min，相关系数（Correlation Coefficient，R）值为0.905。且无论是从小时尺度、日尺度和月尺度来看，AT-LSTM模型的模拟效果均优于其他3种模型。在环境因子缺失的情况下，净辐射对盐池县ET的模拟贡献程度最大，仅输入净辐射时，AT-LSTM模型模拟得到的RMSE和MAE分别为0.014、0.007 mm/30 min，R为0.892，模型模拟精度较高，AT-LSTM模型模拟精度高，模型稳定性强，对蒸散量模拟预测具有一定的适用性，仅输入净辐射的AT-LSTM模型可以作为环境数据缺失条件下的蒸散量预测模型。 相似文献
9.
淮河流域参考作物蒸散量变化特征及主要气象因子的贡献分析 总被引：9，自引：0，他引：9
利用淮河流域171个站点1971-2010年的气象资料,采用FAO Penman-Monteith公式计算该区近40a的参考作物蒸散量（ET0）,并对ET0的时空分布特征和影响因子进行定量分析。结果表明：淮河流域年ET0为898mm,近40a总体以17.5mm/10a的速率减小（P〈0.05）;空间分布显示西北部大部站点ET0呈显著下降趋势（P〈0.05）,仅东南部个别站点呈显著上升趋势（P〈0.05）。各气象因子对ET0变化的贡献表现为两方面,即ET0对气象因子的敏感性和气象因子的多年相对变化率,在4个主要因子中（平均温度、相对湿度、日照时数和风速）,ET0对相对湿度的变化最敏感（敏感系数最大）,而风速的多年平均变化率最大。从各因子的贡献率看,对ET0贡献最大的是风速,平均温度的贡献最小,4个因子对ET0变化的总贡献率为-4.96%,总贡献率为负在很大程度上解释了ET0呈下降趋势的原因。 相似文献
10.
利用1960—2008年重庆市34个气象站点的逐日降水、气温、气压、空气相对湿度、日照时数等气象要素资料,采用FAO推荐的彭曼—孟蒂斯公式,以日为单位,计算出各站点近49 a的参考作物蒸散量和湿润指数;采用线性趋势法、ArcGIS反距离权重空间插值法、Mann-Kendall突变检验法和相关分析法等方法,分析了1960—2008年重庆市的参考作物蒸散量和湿润指数的时空分布和变化趋势。结果表明:（1）重庆市年均参考作物蒸散量的空间分布差异显著,表现为由渝东南地区向渝东北地区和渝中西部地区增加的趋势。时间上,1960—2008年总体呈现下降趋势,但有阶段性的差异;（2）年均湿润指数空间分布差异较大,以渝东南的酉阳湿润指数最高,并由渝东南地区向渝东北地区和渝中西部地区递减。年均湿润指数时间分布总体呈现上升趋势,但阶段性有差异,突变年为1979年;（3）重庆市地表湿润指数与降水量、相对湿度呈现显著的正相关关系,与平均气温、最高气温、平均风速、日照时数以及参考作物蒸散量呈负相关。 相似文献
11.
基于灰色关联度与BP神经网络模型的日参考作物腾发量预测 总被引：1，自引：1，他引：0
参考作物腾发量是制定灌溉用水计划、水量分配计划最基本、最重要的内容之一,其精确预测可以提高灌溉预报的精度。采用灰色系统理论中的关联分析方法,对影响作物腾发量的各个气象因素进行关联度分析,挑选出影响作物腾发量的主要气象因子,并以这些主要气象因子为输入向量,以参考作物腾发量为输出向量,建立作物腾发量与主要气象因子之间的BP神经网络预测模型。通过实例证明,该方法简单可行,预测精度比较高,能够满足实际生产需要。 相似文献
12.
Water yield and sediment yield in the Teba catchment, Spain, were simulated using SWRRB (Simulator for Water Resources in Rural Basins) model. The model is composed of 198 mathematical equations. About 120 items (variables) were input for the simulation, including meteorological and climatic factors, hydrologic factors, topographic factors, parent materials, soils, vegetation, human activities, etc. The simulated results involved surface runoff, subsurface runoff, sediment, peak flow, evapotranspiration, soil water, total biomass, etc. Careful and thorough input data preparation and repeated simulation experiments are the key to get the accurate results. In this work the simulation accuracy for annual water yield prediction reached to 83.68%. 相似文献
13.
Water yield and sediment yield in the Teba catchment, Spain, were simulated using SWRRB (Simulator for Water Resources in Rural Basins) model. The model is composed of 198 mathematical equations. About 120 items (variables) were input for the simulation, including meteorological and climatic factors, hydrologic factors, topographic factors, parent materials, soils, vegetation, human activities, etc. The simulated results involved surface runoff, subsurface runoff, sediment, peak flow, evapotranspiration, soil water, total biomass,etc. Careful and thorough input data preparation and repeated simulation experiments are the key to get the accurate results. In this work the simulation accuracy for annual water yield prediction reached to 83.68%.`` 相似文献
14.
基于L-M优化算法的BP神经网络的作物需水量预测模型 总被引：25，自引：6，他引：25
应用L-M优化算法BP神经网络，通过多维气象数据(太阳辐射、空气温度、湿度)与作物需水量的相关分析，来确定网络的拓扑结构，建立作物需水量的人工神经网络模型。用美国田纳西州大学高原实验室所测的100 d气象数据为输入、作物需水量为输出来训练建立好的BP神经网络，仿真表明该神经网络能很好地解决需水量多影响因素之间的不确定性和非线性，模型的预测精度较高，同时通过一组非样本天气环境参数和作物需水量来验证该神经网络，也得到了较好的预测结果，能够满足灌溉的精度要求。 相似文献
15.
碾压黏土的抗剪强度直接影响碾压土石坝的质量和使用寿命。为得出碾压黏土抗剪强度的最优预测模型,通过粒子群算法优化极限学习机模型(PSO-ELM),分别以Sine函数、radbas函数和hardlim函数3种激活函数为基础,构建PSO-ELMsin,PSO-ELMrad和PSO-ELMhard3种模型,并将模型结果与ELM模型、广义回归神经网络模型(GRNN)、随机森林模型(RF)和BP神经网络模型进行了对比。结果表明:在黏聚力和内摩擦角的拟合结果中,PSO-ELMsin模型精度最高,其拟合方程斜率分别为1.005,1.032; 在月值模拟中,PSO-ELMsin模型与实测值的拟合度最高,相对误差仅在6.0%～9.3%; PSO-ELMsin模型在黏聚力模拟中RMSE,RRMSE,MAE,Ens和R2分别为0.776 kPa,1.80%,0.641 kPa,0.993和0.997,该模型在内摩擦角模拟中RMSE,RRMSE,MAE,Ens和R2分别为1.635°,6.98%,1.616°,0.983和0.998,模型精度均排名第一。因此,PSO-ELMsin模型在所有模型中精度最高,可作为碾压黏土抗剪强度预测的标准模型使用。 相似文献
16.
基于K-means 聚类和ELM神经网络的养殖水质溶解氧预测 总被引：8，自引：5，他引：3
为解决养殖水质溶解氧预测传统方法引入不良样本、精度低等问题,该文以2014、2015年江苏常州养殖基地水质和气象数据为基础,提出了一种基于K-means聚类和ELM神经网络（extreme learning machine,ELM）的溶解氧预测模型。采用皮尔森相关系数法确定环境因素与溶解氧的相关系数,自定义相似日的统计量－相似度,通过K-means聚类方法将历史日样本划分为若干类,然后分类识别获得与预测日最相似的一类历史日样本集,将其与预测日的实测环境因素作为预测模型的输入样本建立ELM神经网络溶解氧预测模型。试验结果表明,该模型均具有较快的计算速度和较高的预测精度,在常规天气下,平均绝对百分误差和均方根误差分别达到1.4%、10.8%;在突变天气下,平均绝对百分误差和均方根误差分别达到2.6%和11.6%,有利于水产养殖水质精准调控。 相似文献
17.
[目的]研究全国二级流域实际蒸散分布式模型,为估算流域实际蒸散提供可靠的依据。[方法]基于研究区1956—1979年的水文、气象数据,运用水量平衡方程和蒸散互补相关理论,提出了改进的流域实际蒸散的通用模型。[结果](1)全国二级流域多年平均实际蒸散发量的空间总体分布具有明显的地带性特征;(2)湿润区和半湿润区的流域实际蒸散与可能蒸散的趋势线有明显的闭合趋势,干旱区和半干旱区流域的实际蒸散与可能蒸散的趋势线之间距离较大,但仍呈现闭合趋势;(3)全国77个二级流域实际蒸散通用模型的模拟误差均在10%以内。[结论]不同二级流域实际蒸散与可能蒸散的互补关系明显存在,改进的通用模型提高了估算流域实际蒸散的精度。 相似文献