基于数据挖掘和人工智能的参考作物腾发量预测

发布时间：2020-05-07 14:37

【摘要】：我国水资源分布不均匀,可用水资源短缺,并且农业用水量较大,农业用水效率低下。因此亟需通过提高农业用水效率来减少农业用水量。对作物需水量的准确预测和估算可以有效提高农业用水效率,对灌溉系统的规划与管理、灌溉制度的制定、水资源规划等诸多研究具有很重要的意义。直接测量作物需水量的方法复杂,设备维护昂贵,而通过计算参考作物腾发量与作物系数乘积而得到作物需水量的方法更加便利和高效。在众多利用气象数据计算参考作物腾发量的公式中,联合国粮农组织推荐的Penman-Monteith公式可以不受地域限制广泛使用并且有较高计算精度,因而被全球很多地区广泛使用。该公式计算参考作物腾发量需要较多的气象数据,因此Penman-Monteith公式并不适合在缺乏气象数据的地区使用。因此,需要找到其他使用较少气象数据并且可以达到较高精度的参考作物腾发量的计算方法。本研究主要利用了模糊C均值聚类算法、遗传算法、GammaTest算法和ELM神经网络等数据挖掘和人工智能技术对参考作物腾发量进行估算预测,取得了如下主要成果：(1)从众多基于气象数据的参考作物腾发量计算公式中挑选出具有代表性的7个公式(]Hargreaves公式、Hargreaves-M1公式、Hargreaves-M2公式、Irmark-Allen公式、Priestley-Taylor公式、Makkink公式和Turc公式),对这7个公式在浙江省18个地区的适应性进行了分析。结果表明,Priestley-Taylor公式在各地的适应性最好,Hargreaves公式、Irmark-Allen公式和Makkink公式仅在部分地区有足够的适应性。(2)将训练好的预测模型应用到具有相似气候条件的地区可大大提高模型的泛化能力。本研究假定根据经度、纬度和海拔等地理信息被聚类分析划分在同一类别中气象站具有相似的气候条件,并通过实际建模对这一假设进行验证。模糊C均值聚类算法(FCM)易受初始聚类中心的影响,容易收敛于局部极小值,而遗传算法可以有效避免局部最优,可以找到全局近似最优解。因此使用遗传算法对模糊C均值聚类算法的初始聚类中心进行优化。结果表明,虽然经过遗传算法优化的FCM稳定性有了很大的改善,但是算法运行时间较长。本研究将基于遗传算法优化的FCM算法对18个气象站进行聚类分析,将其分为三个类别,为之后的ELM建模提供必要信息。(3)在建立参考作物腾发量预测模型时,使用哪些气象数据一直是研究的难点。Gamma Test算法以有效估计建模样本的有效噪声误差,据此可为建模提供有效信息,判断输入变量的有效性。本研究中首先使用Levenberg-Marquardt神经网络对Gamma Test筛选变量的有效性进行了验证。结果表明,Gamma Test可以有效筛选对建模贡献最大的输入变量。本研究采用Gamma Test算法对建模所需的气象因素进行筛选。之后使用Gamma Test算法对杭州、金华和瑞安等地的建模样本进行分析,并从中挑选出适合建模的输入变量组合,为之后建模提供必要信息。(4)ELM算法结构简单,训练速度快并且有良好的泛化能力。本研究使用ELM神经网络对参考作物腾发量进行预测。对气象站的聚类分析和对建模样本的Gamma T est分析为建模提供有效信息,据此来制定ELM模型的训练策略。在不同类别的气象站点中,挑选一个气象站的2007年到2010年数据作为训练样本,同一类别使用其他气象站2011年到2012年的气象数据作为验证样本。对模型的训练和验证结果表明,模型在训练时均取得了较好的精度；在验证时,在洞头、玉环、嵊泗、大陈岛和石浦这些靠海或海岛地区的精度较差,在其他地区均取得了较高的精度。因此,利用ELM模型在浙江省内陆地区预测参考作物腾发是可行的。经过实际建模发现,对气象站的聚类分析和对训练样本的Gamma Test分析均可为建模提供有效信息,对提高模型的泛化能力有一定的帮助。
【图文】：

图２－４定海怎７），，的ＦＡＯ－ＰＭ计算结果与７个公式计算结果对比统计分析逡逑Ｆｉｇｕｒｅ邋２－４邋Ｓｔａｔｉｓｔｉｃａｌ邋ａｎａｌｙｓｉｓ邋ｆｏｒ邋ｔｈｅ邋ｃｏｍｐａｒｉｓｏｎ邋ｂｅｔｗｅｅｎ邋ＥＴ0邋ｖａｌｕｅｓ邋ｅｓｔｉｍａｔｅｄ邋ｕｓｉｎｇ邋ｔｈｅ邋ｓｅｖｅｎ逡逑ｍｏｄｅｌｓ邋ａｎｄ邋ｃａｌｃｕｌａｔｅｄ邋ｂｙ邋ＦＡＯ－ＰＭ邋ｍ巧ｈｏｄ邋ｉｎ邋Ｄｉｎｇｈａｉ逡逑２１逡逑

图２－４定海怎７），的ＦＡＯ－ＰＭ计算结果与７个公式计算结果对比统计分析逡逑Ｆｉｇｕｒｅ邋２－４邋Ｓｔａｔｉｓｔｉｃａｌ邋ａｎａｌｙｓｉｓ邋ｆｏｒ邋ｔｈｅ邋ｃｏｍｐａｒｉｓｏｎ邋ｂｅｔｗｅｅｎ邋ＥＴ0邋ｖａｌｕｅｓ邋ｅｓｔｉｍａｔｅｄ邋ｕｓｉｎｇ邋ｔｈｅ邋ｓｅｖｅｎ逡逑ｍｏｄｅｌｓ邋ａｎｄ邋ｃａｌｃｕｌａｔｅｄ邋ｂｙ邋ＦＡＯ－ＰＭ邋ｍ巧ｈｏｄ邋ｉｎ邋Ｄｉｎｇｈａｉ逡逑２１逡逑
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP311.13;TP18;S311

【参考文献】

相关期刊论文 前10条

1 冯禹;崔宁博;龚道枝;魏新平;王君勤;;基于极限学习机的参考作物蒸散量预测模型[J];农业工程学报;2015年S1期

2 冯禹;王守光;崔宁博;赵璐;;基于遗传算法优化神经网络的参考作物蒸散量预测模型[J];资源科学;2014年12期

3 刘庆华;周帏;何仁;张利敏;;基于优化模糊C均值聚类算法的路面不平度识别[J];农业工程学报;2014年22期

4 张志政;周威;;基于PSO-BP神经网络的参考作物蒸腾量预测[J];节水灌溉;2014年11期

5 王升;陈洪松;聂云鹏;付智勇;王克林;丁亚丽;;基于基因表达式编程算法的参考作物腾发量模拟计算[J];农业机械学报;2015年04期

6 李太福;侯杰;姚立忠;易军;辜小花;游勇涛;;Gamma Test噪声估计的Kalman神经网络在动态工业过程建模中的应用[J];机械工程学报;2014年18期

7 彭世彰;魏征;徐俊增;缴锡云;李盼盼;;参考作物腾发量支持向量回归机实时预报模型[J];农业工程学报;2009年10期

8 赵旭;李毅;刘俊民;;新疆地区参考作物腾发量的灰色模型预测[J];农业工程学报;2009年10期

9 迟道才;李帅莹;于淼;马宗正;;基于最小二乘支持向量机的参考作物腾发量预测[J];沈阳农业大学学报;2009年02期

10 赵旭;李毅;刘俊民;;新疆旱区草地参考作物腾发量随机模拟及其应用[J];水利学报;2008年11期

本文编号：2653123