基于机器学习的昆明站参考作物蒸散量估算研究

发布时间：2021-11-07 21:45

　　论文使用KNEA、LGBM和MARS三种机器学习算法对昆明站1966-2015年参考作物蒸散量进行估算,通过输入因子组合设置以及算法结果统计指标分析,得出KNEA模型算法采用最高气温（Tmax）、最低气温（Tmin）和地表日总辐射（Rs）三个因子的拟合度最高。三种模型预测期与验证期的各项指标相接近,稳定性均较高。 

【文章来源】：中小企业管理与科技(上旬刊). 2020,(12)

【文章页数】：3 页

【部分图文】：

三种模型组合二情况下预测期的模拟结果

【参考文献】：
期刊论文
[1]基于机器学习的参考作物蒸散量估算研究[J]. 毛亚萍,房世峰.  地球信息科学学报. 2020(08)
[2]环境预测模型的应用评述[J]. 梁一鸣.  价值工程. 2019(23)
[3]基于温度资料估算参考作物腾发量的方法比较[J]. 张倩,段爱旺,高阳,申孝军,蔡焕杰.  农业机械学报. 2015(02)
[4]Priestley-Taylor与Penman法计算参照作物腾发量的结果比较[J]. 刘晓英,林而达,刘培军.  农业工程学报. 2003(01)



本文编号：3482451