遗传算法与小波神经网络在ET0预测中的应用

作者:樊湘鹏;许燕;周建平;李志磊 刊名:燕山大学学报 上传者:张丽

【摘要】ET0是计算作物需水信息的重要依据;对于发展精准灌溉、制定中长期的农业用水策略具有重要的指导意义.选择将P-M公式的计算值为ET0标准值;利用SPSS软件对多种气象数据进行相关性分析并以最高气温、最低气温、日照时数和相对湿度作为输入因子;采取小波神经网络将归一化的历史ET0标准序列分别进行高低频带的预测;建立结合遗传算法优化小波神经网络的ET0预测模型.通过仿真对比;基于遗传算法优化的小波神经网络与未采用遗传算法优化的小波神经网络相比具有更高的精度和更快的收敛速度;其中的小波算法能有效处理ET0序列在预测过程中的周期非平稳特性.经实验样机平台验证遗传算法优化小波神经网络在作物需水预测中具有良好的性能;模型能够为精准灌溉、农业中长期需水决策提供指导作用.

全文阅读

第 43 卷 第 2 期 燕山大学学报 Vol. 43 No. 2 2019 年 3 月 Journal of Yanshan University Mar. 2019     文章编号:1007-791X(2019)02-0182-07 遗传算法与小波神经网络在 ET0 预测中的应用 樊湘鹏1,许  燕1,∗,周建平1,李志磊2 (1. 新疆大学 机械工程学院,新疆 乌鲁木齐 830047;2. 新疆大学 工程训练中心,新疆 乌鲁木齐 830047) 收稿日期:2018-01-18      责任编辑:孙峰 基金项目:国家级大学生创新创业计划训练项目(201810755079S) 作者简介:樊湘鹏(1993-),男,山东滨州人,硕士研究生,主要研究方向为精准灌溉和智能灌溉理论与技术;∗通信作者:许燕 (1974-),女,新疆乌鲁木齐人,硕士,教授,主要研究方向为农业智能灌溉、3D 打印技术,Email:liuliuxu_z@ 163. com。 摘  要:ET0 是计算作物需水信息的重要依据,对于发展精准灌溉、制定中长期的农业用水策略具有重要的指 导意义。 选择将 P-M 公式的计算值为 ET0 标准值,利用 SPSS 软件对多种气象数据进行相关性分析并以最高气 温、最低气温、日照时数和相对湿度作为输入因子,采取小波神经网络将归一化的历史 ET0 标准序列分别进行 高低频带的预测,建立结合遗传算法优化小波神经网络的 ET0 预测模型。 通过仿真对比,基于遗传算法优化的 小波神经网络与未采用遗传算法优化的小波神经网络相比具有更高的精度和更快的收敛速度,其中的小波算 法能有效处理 ET0 序列在预测过程中的周期非平稳特性。 经实验样机平台验证遗传算法优化小波神经网络在 作物需水预测中具有良好的性能,模型能够为精准灌溉、农业中长期需水决策提供指导作用。 关键词:ET0 预测模型;小波神经网络;遗传算法;模型评价 中图分类号: TP312    文献标识码: A    DOI:10. 3969 / j. issn. 1007-791X. 2019. 02. 012 0  引言 参考作物腾发量(ET0)作为获取作物需水状 况的重要根据,其对于制定中长期的农业需水预 测与水文规划具有重要的指导意义[1]。 针对 ET0 的计算,国内外专家学者提出经验公式法、水汽扩 散法、能量平衡法和综合法等计算模型[2],国际备 受推崇的 Penman-Monteith 公式既包含了作物的 生理特征,又将空气动力学参数作为计算因子,在 多种不同气候条件和不同类型的地区都有较高精 度的验证[3-4]。 由于 P-M 公式在计算时要求气象 条件多,在面积广阔和天气极端的地区尤其是在 新疆地区同时测量这些气象数据是非常困难的, 该公式受到一定的限制[5]。 因此若要准确计算 ET0 值或需要对 ET0 未来变化趋势进行预测时就 需要利用精度较好、能够准确反映 ET0 在作物生 长期内变化的预测模型来代替基于数值计算而建 立的 P-M 公式模型[6]。 近年来,针对人工智能和数据挖掘的研究不 断深入,如最小二乘支持向量机[7-8]、基因编程、自 适应模糊神经推理系统[9-11] 和人工神经网络[12-16] 等被引入水文科学非线性系统的数据预测研究 中,比传统的灰色预测、回归拟合等更有优越 性[17-18],国内外学者针对数据挖掘展开的 ET0 的 预测模型或方法在精度方面可以满足应用,但从 ET0 的物理因素上来看,由于四季更替与昼夜变 化,气候与环境表现出周期性的非平稳特性,

参考文献

引证文献

问答

我要提问