基于气象预报的参考作物蒸发蒸腾量的神经网络预测模型

参考作物蒸发蒸腾量(ET0)是进行实时灌溉预报和农田水分管理的主要参数,BP神经网络能够较好地反映ET0与诸影响因素间复杂的非线性关系。本文将ET0看作时间序列,选取前3日ET0作为影响因子,以天气预报可测因子包括最高、最低和日平均温度、反映天气类型的阴晴指数、日序数和风力等级进行修正,建立了三层BP神经网络模型。选取江苏射阳站2003与2004年气象资料,应用Matlab神经网络工具箱,采用trainer算法进行模型训练与预测。结果证明,所建模型能够很好地反映诸多影响因子与ET0之间的关系,具有较高的模拟精度和较好的泛化能力。     

青铜峡灌区参考作物蒸发蒸腾量与气象因子的灰色关联度分析

在收集了青铜峡引黄灌区5个气象站最近5年气象资料的基础上，应用1998年FAO修正彭曼-蒙特斯公式，计算出各站逐年的参考作物蒸发蒸腾量ET0；在阐述灰关联分析理论与计算方法的基础上，利用灰关联分析理论计算出各站各气象因子与ET0的灰色关联度并进行排序。分析结果表明：各气象因子对参考作物蒸发蒸腾量的影响都比较大，尤其是日照时数、平均最高气温和年平均风速对各站的影响相对较大，而最低气温、相对湿度和降雨对各站的参考作物蒸发蒸腾量的影响相对比较小。     

基于模糊神经网络的参考作物蒸腾量预测研究

为准确估算灌区作物需水量,建立了基于模糊神经网络的参考作物腾发量时间序列预测模型。采用宝鸡地区1954—2004年逐月气象资料,利用主成分分析法提取影响参考作物蒸发蒸腾量的主要影响因子,获得4个综合变量作为输入向量,用彭曼-蒙蒂斯公式计算的参考作物蒸发蒸腾量作为目标向量。运用matlab进行编程,应用模糊神经网络模型预测参考作物腾发量。结果表明:12组测试集样本的平均相对误差绝对值为5%,最大相对误差为11.4%,最小相对误差为0.4%;模糊神经网络模型与用彭曼-蒙蒂斯公式计算值有很高的一致性。     

石羊河流域参考作物蒸发蒸腾量对气候变化的响应模拟及预测

模拟和预测气候变化对石羊河流域参考作物蒸发蒸腾量(ET0)时空分布的影响,为发展节水农业和科学利用水资源提供参考依据。根据石羊河流域及周边11个气象站点1951—2012年的逐日气象资料,使用PenmanMonteith公式计算现状ET0,利用大气环流模型HadCM3的输出和SDSM统计降尺度模型,预测A2、B2两种排放情景下未来石羊河流域2020s,2050s和2080s的ET0,使用反距离加权插值法(IDW)和Mann-Kendall检验分别研究ET0的空间分布特征和随时间的变化趋势。结果表明,石羊河流域多年平均ET0值为1 061mm,高值区位于东北地区,低值区位于西南地区,预计未来2020s、2050s和2080s,在HadCM3模式的A2情景下ET0将分别增加6%、14%和23%,B2情景下将分别增加7%、12%和17%,增幅较大的地区位于流域东南,2050s和2080s在B2情景下增幅低于A2情景。石羊河流域ET0在未来将持续增加,2050s之后增加趋势更为显著。     

基于GRNN神经网络的参考作物腾发量预测

参考作物腾发量是估算作物蒸发蒸腾量的关键参数,它的准确预测对提高作物需水预报精度具有十分重要的意义。由于参考作物腾发量与各气象因子呈非线性关系,将GRNN神经网络引用于参考作物腾发量预测中,并以铁岭市为例,对比分析了GRNN模型与BP模型的预测结果。分析表明：GRNN模型不仅训练速度快,还具有比BP模型更高的预测精度、逼近性和稳定性。     

基于气候分区的甘肃省参考作物蒸发蒸腾量时空分布特征

参考作物蒸发蒸腾量(ET0)是计算作物需水量的重要参数,为了减少甘肃地区因地形和气候跨度大而引起的灌溉参数计算误差,根据甘肃省的地理特征和干湿程度将甘肃地区划分为陇南-甘南湿润区、陇中南部半湿润区、陇中北部半干旱区和河西干旱区4个区域,利用26个国家气象站点1980-2015年的逐日气象资料,采用FAO-56 Penman-Monteith方程计算ET0,并通过反距离权重空间插值法和偏相关分析法研究了甘肃省整体和不同分区ET0的时空分布特征和影响因素。结果表明:甘肃省ET0年际变化趋势为1980-1991年下降,1991-2015年上升,整体呈上升趋势;甘肃省ET0的空间分布总体为自东南向西北逐渐增加;ET0与日平均风速、日照时数、日最高气温、日最低气温、日平均气温均表现为极显著正相关,与平均相对湿度表现为极显著负相关,且影响程度顺序为,甘肃省:U>N>Tmax>RH>Tmin>Tmean,陇南-甘南湿润区:N>U>Tmax>RH>Tmin>Tmean,陇中南部半湿润区:N>U>RH>Tmax>Tmin>Tmean,陇中北部半干旱区和河西干旱区:U>N>Tmax>RH>Tmin>Tmean。结论:地形和气候对ET0影响很大,由湿润区向干旱区依次增加;各分区ET0差异较大,从东南部向西北部增加;甘肃省ET0主要影响因素为平均风速和日照时数。     

基于灰色组合模型的参考作物腾发量预测

参考作物腾发量 (ET0)是制定灌溉用水计划、水量分配计划的最基本、最重要内容之一,其精确预测可以提高灌溉预报的精度.针对GM(1,1)模型在原始数据变化幅度较大且趋势不明显时预测效果差的情况,提出了用人工神经网络对GM(1,1)模型的残差系列进行修正的组合模型,并将其应用于鞍山地区参考作物腾发量预测中.预测结果表明,该方法具有较高的预测精度,同时也指出了其存在的不足之处,有待今后加以解决,以进一步提高其预测的稳定性.     

利用蒸发计估测参考作物蒸发蒸腾量的试验研究

根据联合国粮农组织推荐的方法估算参考作物蒸发蒸腾量(ET0)需要具备一定的气象资料,而使用另一种方法,即蒸发计估测ET0,可以减少基于作物蒸发蒸腾量制定灌溉制度的工作量,并且降低其复杂度。在叙述蒸发计构造及使用方法的基础上,介绍了一些研究者在不同气候条件下对蒸发计估测ET0准确度的试验研究。试验表明,在缺乏标准气象资料时,可以利用蒸发计来可靠地估测农场或更广阔领域的ET0。     

参考作物蒸发蒸腾量计算方法在额尔齐斯河流域的适用性研究

基于额尔齐斯河流域5个气象站哈巴河、吉木乃、福海、阿勒泰、富蕴站1962-2012年的日观测气象资料,选用7种方法计算各站历年逐日参考作物蒸发蒸腾量(ET0),并以FAO Penman-Monteith法计算结果为标准,建立7种方法间的拟合关系,以比较日尺度与月尺度下各计算方法的精度与地区适宜性。结果表明:在额尔齐斯河流域,7种方法计算的参考作物蒸发蒸腾量变化趋势基本相同,但数值上有一定差异;Kimberly Penman法、HargreavesSamani法与FAO Penman-Monteith法计算结果接近,适用性较好;对于缺少气象资料地区,使用Hargreaves-Samani法可获得较好估值;同时分析了7种方法计算的ET0与实测的水面蒸发量之间的关系,利用拟合公式,可以用水面蒸发资料估算该地区ET0值。     

用神经网络计算技术从有限气候资料估算实际蒸发蒸腾量

本文在用有限的气候资料估算实际作物蒸发蒸腾量（ET）时，检验到人工神经网络（ANN）的潜力。研究采用RBF（径向基函数）人工神经网络计算水稻日蒸发蒸腾量。六个RBF网络，每个均根据气候的变化采用不同的输入值，进行网络训练和测试。该模型估算结果与蒸渗仪测量结果比较，清楚显示了ANN方法的成熟程度。本文提出了采用人工神经网络方法用空气温度计算作物蒸发蒸腾量，然而本研究利用的仅是一段有限时间内的单一作物数据。因此，本理论在更多种类作物及天气条件下的应用研究，有待进一步加强。     

基于气温预报的HS公式短期逐日参考作物腾发量预报评价与分析

为了开展基于气温预报Hargreaves-Samani(HS)公式短期逐日参考作物腾发量预报评价分析,收集南京站2002—2013年逐日观测气象数据和2012—2013年预见期7 d的逐日天气预报数据,采用FAO-56 Penman-Monteith(PM)公式及2002—2012年气象数据计算逐日ET₀(参考作物腾发量),并对Hargreaves-Samani(HS)公式参数进行率定。采用率定后的HS公式开展2012—2013年预见期7 d的ET₀预报,并对预报结果进行精度评价和敏感性分析,结果表明:最低温度预报准确率要高于最高温度;校正后的HS公式各相关统计指标较好,HS公式ET₀计算校正值与PM公式计算值总体上一致,校正后的HS公式精度得到提高;ET₀预报精度随预见期增加而下降,且基于最低温预报的ET₀预报精度要高于最高温度;ET₀预报误差对低温预报的敏感性要小于高温预报,ET₀预报误差对夏季温度预报误差敏感性最大,而对冬季温度预报误差敏感性最小。     

基于BP神经网络的来水量预测模型

针对径流量长期变化的因果关系复杂特性,常规的中长期水文预报模型又很难满足精度要求,提出了基于BP神经网络的来水量预测模型。结合实际径流数据,验证了模型的预报精度,可用来进行中长期水文预报。     

基于BP神经网络的尼尔基水库短期洪水预报研究

人工神经网络(ANN)诞生于20世纪40年代,兴起于80年代,以其非线性特性、大量的并行分布结构以及出色的学习和归纳能力,广泛应用于水文各要素的预测分析。本次研究利用ANN中最常见的BP(Back Propagation)神经网络,由上游3个控制站(即柳家屯、库漠屯和科后)的流量,模拟出未来24 h的尼尔基入库流量,分析二者的非线性关系以用于水库短期洪水预报。预报方案中各预报要素精度均达甲级水平,可用于实际作业预报。     

基于BP神经网络的参照腾发量预测模型

本文在分析影响作物蒸发蒸腾量的气象因子的基础上，以不同的气象因子组合为输入向量，以参照腾发量为输出向量，构建了气象资料不足情况下三种计算参数腾发量的BP神经网络模型BPET1、BPET2和BPET3。利用宁夏引黄灌区2000～2003年的逐日气象资料对所建模型进行反复训练和预测，并把预测结果与传统的Penman-Monteith公式计算而得的同期作物ETO值相比较。其中，BPET1的预测值与ETO值的相关系数平方为0．9914；BPET2的预测值与ETO值的相关系数平方为0．9917；BPET3的预测值与ETO值的相关系数平方为0．9854。研究结果表明，本文构建的模型计算精度较高，方法简便可行，能满足实际生产需要。     

基于Matlab神经网络的流域年径流量预测

阐述了运用人工神经网络模型对流域年径流量径流序列做出预报,表明人工神经网络模型在水文预报中具有一定的优势。通过BP神经网络算法得到了适合该神经网络模型的训练算法。以渔峡口站年径流量实测序列为研究对象,在数值试验的基础上建立了年径流序列预报的人工神经网络预报模型结构,提高了该模型的预报准确性。     

基于BP神经网络的堆石坝参数二次反演与变形预测

在预测堆石坝长期变形时,常常需对堆石体流变参数进行反演。若同时对堆石体的瞬时变形力学参数和流变参数进行反演,则反演参数多,网络结构复杂,所需的训练样本数量大,反演效率低。根据堆石坝的监测资料,将堆石坝的沉降分解为瞬时沉降和流变引起的沉降,运用BP神经网络方法逐次增加训练样本,循环训练网络,将瞬时力学参数与流变参数分开来进行二次反演,训练样本少,反演效率高,输出结果用于预测能与监测资料较好吻合,可为类似工程提供参考和借鉴。     

基于MATLAB下BP神经网络的边坡稳定性预测

将MATLAB中的BP神经网络引入到边坡稳定性研究中,但由于标准的BP算法存在收敛速度慢、容易陷人局部极小点等缺点,为此采用各种改进及优化的算法,以寻求更适合边坡稳定性预测研究的算法。本文结合了大量边坡实例,经过理论分析和实例测试,能显著提高训练速度、减少收敛周期,达到很好的边坡稳定性预测结果。     

BP神经网络预测挑流泄洪雾化范围的应用分析

对于挑流泄洪雾化范围的BP神经网络模型,选用李家峡、二滩、漫湾和东江水电站的原型观测数据或泄流雾化计算数据作为训练样本进行学习训练,随后应用此模型对江垭大坝泄洪雾化范围进行了预测计算。通过与相应的原型观测资料比对分析,验证了模型的适用性、精确性,并指出了其应用的局限性。     

Performance Evaluation of Reference Evapotranspiration Estimation Using Climate Based Methods and Artificial Neural Networks

This study is an attempt to find best alternative method to estimate reference evapotranspiration (ET_o) for the Mahanadi reservoir project (MRP) command area located at Raipur (Chhattisgarh) in India, when input climatic parameters are insufficient to apply standard Food and Agriculture Organization (FAO) of the United Nations Penman–Monteith (P–M) method. To identify the best alternative climatic based method that yield results closest to the P–M method, performances of four climate based methods namely Blaney–Criddle, Radiation, Modified Penman and Pan evaporation were compared with the FAO-56 Penman–Monteith method. Performances were evaluated using the statistical indices. The statistical indices used in the analysis were the standard error of estimate (SEE), raw standard error of estimate (RSEE) and the model efficiency. Study was extended to identify the ability of Artificial Neural Networks (ANNs) for estimation of ET_o in comparison to climatic based methods. The networks, using varied input combinations of climatic variables have been trained using the backpropagation with variable learning rate training algorithm. ANN models were performed better than the climatic based methods in all performance indices. The analyses of results of ANN model suggest that the ET_o can be estimated from maximum and minimum temperature using ANN approach in MPR area.     

逐步回归和BP神经网络模型的枯季月径流预测

枯季径流是工农业用水的重要来源,分析和预报流域枯季来水情况,可为科学制定用水方案、合理调配水资源提供依据。运用逐步回归模型和BP神经网络模型分别对盘龙河流域枯季月径流进行拟合和预报分析,并采用相关系数、相对误差、合格率对两个模型预测精度进行比较。结果表明BP神经网络模型预测精度更高,预测结果精度满足规范要求,更适用于盘龙河流域枯期月径流的预测。