面向气象预报的参考作物蒸发蒸腾量的神经网络预测模型.pdfVIP

水 利 学 报 年 月 第 卷 第 期 文章编号 基于气象预报的参考作物蒸发蒸腾量的神经网络预测模型 徐俊增 彭世彰 张瑞美 李道西 河海大学水文水资源与水利工程科学国家重点实验室 江苏南京 河海大学现代农业工程系 江苏南京 摘要 参考作物蒸发蒸腾量 是进行实时灌溉预报和农田水分管理的主要参数 神经网络能够较好地反映 与诸影响因素间复杂的非线性关系 本文将 看作时间序列 选取前 日 作为影响因子 以天气预报 可测因子包括最高 最低和日平均温度 反映天气类型的阴晴指数 日序数和风力等级进行修正 建立了三层 神 经网络模型 选取江苏射阳站 与 年气象资料 应用 神经网络工具箱 采用 算法进行模型训 练与预测 结果证明 所建模型能够很好地反映诸多影响因子与 之间的关系 具有较高的模拟精度和较好的 泛化能力 关键词 气象预报 参考作物蒸发蒸腾量 预测 神经网络 中图分类号 文献标识码 参考作物蒸发蒸腾量 是计算作物蒸发蒸腾量的关键 现有的许多计算公式都需要一系列的 经验系数和复杂的公式 并且很多公式的参数需要地区校正 给实际应用带来一定的困难 而在气象资 料不全的情况下尤其是根据天气预报资料进行预测方面存在缺陷 简称 神 经网络是较为成熟也是应用最多的一种非线性函数逼近方法 而参考作物蒸发蒸腾量 与各影响因 素之间可以看作是一种复杂的非线性关系 吴普特等 以前 日气象资料为输入研究了 神经网络预测参考作物蒸发蒸腾量的可行性 等 以实测的气象资料为输入 验证了网络模型的实用性 但都是建立在实测气象资料的基础 上 本文考虑了参考作物蒸发蒸腾量时间序列上的规律性 用气象因子加以修正 建立了基于气象预报 资料的参考作物蒸发蒸腾量预测模型 实现了真正意义上的预测 神经网络原理 神经网络是一种有监督的误差逆传播的多层神经网络 包含输入层 隐层 和输出层 相邻两层间单向连接 基本处理单元为非线形输入输出关系 节点间传递函数为 型函 数 如图 所示 网络按有监督学习方式以减少希望输出与实际输出间误差为原则进行训练 学习 训练结束后网络可以根据输入进行预测 收稿日期 基金项目 国家 计划节水农业重大专项课题 江苏省研究生创新计划项目 作者简介 徐俊增 男 山东聊城人 博士生 从事节水灌溉理论与技术研究 图 神经网络结构 神经网络模型 茆智等 将其看作时间序列进行了预测研究 表明参考作物蒸发蒸腾量具有时间变化规律性 因 此 将参考作物蒸发蒸腾量看作时间序列 将前 日的参考作物蒸发蒸腾量为输入因子 同时考虑实时 修正 以天气预报可预报资料包括最高 最低与平均温度 反映天气类型的阴晴指数 风力等级作为实时 修正的输入因子 另外日序数作为可以预先确定的输入也被考虑了进来 建立的 模型包括以 上 个输入因子 训练资料中的日照时数与云量指标按表 量化为天气类型指数 风速则按表 进 行量化 为风力等级 量化后的数据用于网络的训练 隐层单元经比较优选获得 经过比较优选确定的网络隐层单元个数为 输出层仅包含一个神经 单元 由此确定的 神经网络模型的结构为 表 天气类型指标与天气状况对应 云量