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

Journal of Irrigation and Drainage(2019)

引用 0|浏览6
暂无评分
摘要
[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.
更多
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要