共查询到18条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
5.
支持向量机在三江平原井灌水稻需水量预测中的应用 总被引:3,自引:0,他引:3
探讨了支持向量机在水稻需水量预测中的应用.在介绍支持向量机基本思想和回归算法的基础上,利用此方法对三江平原井灌水稻生育期内需水量进行预测.结果表明:该方法具有速度快,泛化能力强,并具有较高的模型拟合和预测精度,为当地制定合理的节水灌溉制度提供理论依据. 相似文献
6.
7.
8.
作物需水量的灰色拓扑预测 总被引:3,自引:0,他引:3
本文根据灰色系统理论及拓扑学原理,利用达县明星水库1979-1990年水稻实测需水量资料,建立了作物需水量的灰色拓扑预测模型,并对未发生年1991年进行成果预测,预测值与实测值十分接近。 相似文献
9.
10.
用灰色模型对四川省资阳市2010、2015、2020年的需水量进行了预测,得出需水量分别为2 282.0、2 834.6、3 235.3万m3。对预测结果的精度校验表明,模型的预测精度等级为一级。 相似文献
11.
12.
13.
14.
区域需水预测方法较多,但大部分预测方法均存在各种缺陷,已有研究成果也都不能适应最严格水资源管理制度的新要求。提出了基于计量经济学至上而下建模思维的驱动-制约(Drive-inhibition)回归模型,进行大尺度区域需水预测。该模型考虑了需水驱动侧、制约侧解释变量,包含了农田灌溉水有效利用系数、万元工业增加值用水量下降百分比两项用水效率控制指标,更加符合最严格水资源管理制度的新要求。以该方法预测贵州省各水平年的需水量,与国办发[2013]2号文件要求的用水总量控制指标相比,误差均在1%以内,预测结果精确度高,可以为大尺度区域需水预测提供参考。 相似文献
15.
人工神经网络理论在井渠结合灌区地下水动态预报中的应用 总被引:2,自引:0,他引:2
周维博 《水资源与水工程学报》2003,14(2):5-9
地下水动态预报是井渠结合灌区地下水资源研究的重要内容。本文根据地下水位与其影响因素之间的关系 ,建立了人工神经网络模型 ,通过实例演算 ,表明该方法对地下水预报有较高的精度 相似文献
16.
The calculation of irrigation demands and return flows is an essential component of the Chi Basin (Northeast Thailand) simulation model. The irrigation demand model is based on a simple field water balance so does not use the concept of effective rainfall. The paper describes the structure of the model. A sensitivity analysis on the model output is described. 相似文献
17.
为提高需水预测精度,拓展生长模型在需水预测中的应用,提出基于人工生态系统优化(AEO)算法的组合生长需水预测模型。结合实例,选取6个标准测试函数在不同维度条件下对AEO算法进行仿真验证,并与鲸鱼优化算法(WOA)、灰狼优化(GWO)算法、教学优化(TLBO)算法和传统粒子群优化(PSO)算法的仿真结果进行比较。基于Weibull、Richards、Usher 3种单一生长模型构建Weibull-Richards-Usher、Weibull-Richards、Weibull-Usher、Richards-Usher 4种组合生长模型,利用AEO算法同时对组合模型参数和权重系数进行优化,提出AEO-Weibull-Richards-Usher、AEO-Weibull-Richards、AEO-Weibull-Usher、AEO-Richards-Usher需水预测模型,并构建AEO-Weibull、AEO-Richards、AEO-Usher、AEO-SVM、AEO-BP模型作对比,以上海市需水预测为例进行实例验证,利用实例前30组和后8组统计资料对各组合模型进行训练和预测。结果表明,在不同维度条件下,AEO算法寻优精度优于WOA、GWO、TLBO、PSO算法,具有较好的寻优精度和全局搜索能力。4种组合模型对实例预测的平均相对误差绝对值、平均绝对误差分别在0.94%~1.17%、0.30亿~0.37亿m3之间,预测精度优于AEO-Weibull等其他5种模型。4种组合模型均具有较好的预测精度和泛化能力,表明AEO算法能同时有效优化组合生长模型参数和权重系数,基于AEO算法的组合生长模型用于需水预测是可行和有效的。 相似文献
18.
基于随机森林模型的需水预测模型及其应用 总被引:2,自引:0,他引:2
为解决需水预测模型精度问题,尝试基于随机森林模型的分类和回归功能构建需水预测模型。以苏州市需水量预测为研究实例,首先应用随机森林模型的分类功能将需水预测因子分类,经计算发现第一产业比例、人口、灌溉面积、万元产值用水量和国民经济生产总值为最重要的解释变量。在此基础上,用随机森林模型的回归功能对需水进行预测,同时采用相同的训练数据建立基于BP神经网络和RBF神经网络的需水预测模型,通过对比3个模型的预测结果,发现随机森林模型能有效预测需水量,且精度较高。 相似文献