基于深度學習的參考作物蒸散量預測模型

打開文本圖片集

摘要：為了科學準確預測參考作物蒸騰量（ET0），提高預測精度，減少輸入變量的數(shù)量，從而降低智能節(jié)水灌溉系統(tǒng)的建設成本，采用深度學習和人工神經(jīng)網(wǎng)絡方法分別建立ET0 智能預測模型，采用局部敏感性分析、模糊曲線和模糊曲面等方法研究ET0預測中各輸入變量對預測結(jié)果的影響，以影響因子大小為依據(jù)，構(gòu)建8 種不同氣象因子輸入組合，利用日照氣象站的逐日氣象資料，對采用不同方法和不同輸入變量組合的預測模型進行訓練和測試，并以彭曼公式的計算結(jié)果作為參考，對預測模型的性能進行評估。（剩余2397字）