基于人工神经网络的涡度相关仪观测蒸散量的数据插补方法-兰州大学.PDFVIP

第50 卷 第3 期 兰 州 大学学报 （自然科学版） Vol. 50 No. 3 2014 年6 月 Journal of Lanzhou University (Natural Sciences) Jun. 2014 文章编 号: 0455-2059(2014)03-0348-08 基于人工神经网络的涡度相关仪观测蒸散量的 数据插补方法 琨, 朱高峰, 白 岩, 马 婷 兰州大 学西部 环境教育部 重点实验室, 干 旱环境与气候 变化协 同创 新中心, 兰州 730000 摘 要: 立足于绿洲农田生态系统, 采用人 工神经网络方法对潜 热通 量数据进行模拟和 插补. 根 据作 物生 长季 2 2 分 阶段模拟, 对比整体 模拟 结果, 发现分 阶段模拟 效果 (R =0.91∼0.95, RMSE =28.9∼41.3 W/m , MAE = 2 2 2 2 21.3∼28.8 W/m ) 优 于整体 模拟 效果 (R =0.87∼0.92, RMSE=39.6∼50.7 W/m , MAE=27.6∼34.9 W/m ). 通 过模型 网络连接 权值 对各 阶段环境因子的相对贡献率作 了定量分 析, 并 从 数学统计的角度 对研 究 区蒸散 发 环境因子影 响机 理 进行了分 析. 结果 表明为了提 高潜 热通 量的插 补精度, 合 理 地 根 据作 物生 长季分 阶段建 模插 补是有 必 要的. 关键词: BP 神经网络; 潜 热通 量; 贡献率分析; 模拟 插 补 中图分类号: P332.2 文献标识码: A doi: 10.13885/j.issn.0455-2059.2014.03.009 Gap filling for evapotranspiration based on BP artificial neural networks ZHANG Kun, ZHU Gao-feng, BAI Yan, MA Ting Key Laboratory of Western China’s Environmental Systems with the Ministry of Education, Collaborative Innovation Centre for Arid Environments and Climate Change, Lanzhou University, Lanzhou 730000, China Abstract: Based on the oasis farmland ecosystem, an artificial neural network approach was used to simulate the latent heat flux data and gap filling. According to crop growth season stages and comparing the overall simulation results, it was found that the stage simulation results were better than the overall simulation results. In addition, a quantitative analysis was made of the relative contribution of environmental factors in the various stages through the