基于时间序列与机器学习的参考作物蒸散量预测研究

文献类型： 中文期刊

第一作者： 曹睿喆

作者： 曹睿喆;秦安振

作者机构：

关键词： 数值天气预报;混合模型;Prophet模型;自回归移动平均模型

期刊名称： 灌溉排水学报

ISSN： 1672-3317

年卷期： 2025 年 44 卷 008 期

页码： 45-52

收录情况： 北大核心 ; CSCD

摘要： 【目的】提高豫北地区参考作物蒸散量（ET0）预测模型的精度。【方法】利用2021—2022年新乡市历史气象数据和2023年天气预报数据（最高气温、最低气温、太阳辐射量、2 m风速和日照时间）建立Prophet模型、差分自回归移动平均模型（ARIMA）、极限学习机（ELM）及混合ET0预测模型，并与FAO-56 Penman-Monteith模型的结果进行比较。【结果】最高气温(Tmax)、最低气温(Tmin)、辐射量（Ra）和2 m风速（U2）与ET0的相关性较高，可作为模型的输入因子。Prophet模型和ARIMA模型的预测值与实际ET0的周期变化基本一致，能够较好地预测ET0的季节性和周期性变化。ET0≥5.5 mm/d时，模型拟合结果存在明显误差，难以识别ET0时间序列中的非平稳性与波动性。极限学习机（ELM）模型能够较好地拟合ET0的复杂非线性变化，精度较时间序列模型提高11%。时间序列模型与机器学习混合模型能够较好地吸收不同模型的优点，表现出较高的预测精度。其中，ELM-ARIMA混合模型在中期（1～10 d）ET0预报中的表现最好，平均绝对误差（MAE）、均方根误差（RMSE）和平均偏差误差（MBE）较单一模型降低64.5%、72.9%和65.6%；相关系数（R）较单一模型提高12.9%。【结论】ELM-ARIMA混合模型的ET0预测值与真实值的相关性最高，R2达到0.945，可作为豫北地区ET0预测模型。

分类号： S311

  • 相关文献

[1]多源多角度遥感数据反演森林叶面积指数方法. 杨贵军,黄文江,王纪华,邢著荣. 2010

[2]基于空化模型的文丘里施肥器内部流动分析. 李浩,黄修桥,吕谋超,韩启彪,孙浩,段福义. 2018

[3]基于无人机影像分层建模的土壤深层盐渍化空间预测. 雷鸣阔,查燕,王丽,程钢,温彩运,尹作堂,陆苗. 2025

作者其他论文 更多>>

微信小程序