基于深度学习的参考作物蒸散量预测模型
打开文本图片集
摘要：为了科学准确预测参考作物蒸腾量（ET0），提高预测精度，减少输入变量的数量，从而降低智能节水灌溉系统的建设成本，采用深度学习和人工神经网络方法分别建立ET0 智能预测模型，采用局部敏感性分析、模糊曲线和模糊曲面等方法研究ET0预测中各输入变量对预测结果的影响，以影响因子大小为依据，构建8 种不同气象因子输入组合，利用日照气象站的逐日气象资料，对采用不同方法和不同输入变量组合的预测模型进行训练和测试，并以彭曼公式的计算结果作为参考，对预测模型的性能进行评估。（剩余2397字）