基于注意力机制神经网络的荒漠区蒸散量模拟

发布时间：2021-08-15 01:38

　　该研究对基于注意力机制的长短期记忆（Attention-Based Long Short Term Memory,AT-LSTM）模型对蒸散量（Evapotranspiration,ET）模拟的可行性和有效性进行验证,以提高环境数据缺失情况下的蒸散量模拟精度。基于盐池县2012—2017年的每30min环境数据,利用不同环境因子组合构建基于注意力机制的LSTM模型,并将其与极限学习机（Extreme Learning Machine,ELM）模型、支持向量机（Support Vector Machine,SVM）模型、长短期记忆（Long Short Term Memory,LSTM）模型在日尺度、月尺度和季节尺度上进行对比分析。结果表明:与其他3种模型相比,当输入环境因子变化时,AT-LSTM模型模拟精度变化很小,模拟效果均较好。当输入空气温度、净辐射、相对湿度、土壤温度、土壤含水率所有环境因子时,基于AT-LSTM模型的模拟效果最好,均方根误差（RootMeanSquareError,RMSE）为0.013 mm/30 min,平均绝对误差（Mean Absolute Error,... 

【文章来源】：农业工程学报. 2020,36(22)北大核心EICSCD

【文章页数】：7 页

【部分图文】：

模型稳定性对比

图4为AT-LSTM14（仅输入Rn）、LSTM1、SVM1、ELM1在4个季节的一天中ET模拟情况对比。春、夏、秋、冬季分别选择2013年前一周没有降水的4月10日、8月18日、10月10日、1月12日。从图中可以看出，ET值在一天中的分布曲线呈抛物线状。一天中ET的最高值出现在12:00—14:00之间，春、夏、秋、冬ET值在一天中的最高值分别为0.077、0.221、0.076、0.021 mm。冬季昼短夜长，气温回升慢，ET值开始上升的时间晚于春、夏、秋季，ET值降为0的时间早于春、夏、秋季。4种模型都很好的模拟出了ET值先增大后减小的变化趋势，但是模型的模拟效果存在差异。从图4中可以明显地看出，春、秋、冬季SVM1模型模拟效果明显劣于其他模型，而夏季8:00—14:00之间SVM1模型的模拟效果较好，与ELM1相当。在ET值较小的时间段（00:00—6:00、19:00—24:00)AT-LSTM14模型、LSTM1模型、ELM1模型、SVM1模型的相对误差分别为-1.23%～3.21%、5.25%～10.78%、7.64%～14.31%、40.23%～60.98%。在其他时间段AT-LSTM14模型、LSTM1模型、ELM1模型、SVM1模型的相对误差分别为0.15%～0.35%、0.20%～2.58%、0.33%～2.35%、0.42%～10.07%。从整体来看，仅输入Rn的AT-LSTM14模型精度最高，SVM1模型的模拟效果最差。ELM1模型和LSTM1模型因季节不同模拟效果不同，春季、冬季以及ET值较小的时间段，LSTM1模型模拟精度优于ELM1模型。

从图4中可以明显地看出，春、秋、冬季SVM1模型模拟效果明显劣于其他模型，而夏季8:00—14:00之间SVM1模型的模拟效果较好，与ELM1相当。在ET值较小的时间段（00:00—6:00、19:00—24:00)AT-LSTM14模型、LSTM1模型、ELM1模型、SVM1模型的相对误差分别为-1.23%～3.21%、5.25%～10.78%、7.64%～14.31%、40.23%～60.98%。在其他时间段AT-LSTM14模型、LSTM1模型、ELM1模型、SVM1模型的相对误差分别为0.15%～0.35%、0.20%～2.58%、0.33%～2.35%、0.42%～10.07%。从整体来看，仅输入Rn的AT-LSTM14模型精度最高，SVM1模型的模拟效果最差。ELM1模型和LSTM1模型因季节不同模拟效果不同，春季、冬季以及ET值较小的时间段，LSTM1模型模拟精度优于ELM1模型。2.5 不同模型模拟月蒸散量的精度对比

【参考文献】：
期刊论文
[1]半干旱区沙丘、草甸作物系数模拟及蒸散发估算[J]. 李霞,刘廷玺,段利民,童新,王冠丽.  干旱区研究. 2020(05)
[2]基于无人机光谱遥感的田块尺度蒸散发空间分布估算[J]. 苏宝峰,王琮,张茹飞,陈山.  农业机械学报. 2020(03)
[3]青藏高原多稳态高寒草甸生态系统蒸散特征对比研究[J]. 舒锴,柯浔,辛莹,郭小伟,曹广民,杜岩功,周华坤.  草原与草坪. 2019(06)
[4]宁夏引黄灌区几种参考作物蒸散量计算方法适用性及修正研究[J]. 李晨,李王成,赵自阳,董亚萍,高海燕.  中国农村水利水电. 2019(11)
[5]多元自适应回归样条算法模拟川中丘陵区参考作物蒸散量[J]. 陈宣全,崔宁博,李继平,徐浩若,刘双美,麻泽龙,乐进华,王军.  农业工程学报. 2019(16)
[6]基于LSTM深度学习模型的华北地区参考作物蒸散量预测研究[J]. 邢立文,崔宁博,董娟.  水利水电技术. 2019(04)
[7]基于极限学习机模型的中国西北地区参考作物蒸散量预报[J]. 魏俊,崔宁博,陈雨霖,张青雯,冯禹,龚道枝,王明田.  中国农村水利水电. 2018(08)
[8]基于极限学习机的参考作物蒸散量预测模型[J]. 冯禹,崔宁博,龚道枝,魏新平,王君勤.  农业工程学报. 2015(S1)
[9]西北地区近49年生长季参考作物蒸散量的敏感性分析[J]. 曹雯,申双和,段春锋.  中国农业气象. 2011(03)
[10]ET管理在节水措施中的应用[J]. 王晶,袁刚,王金梁,宋利兵.  水科学与工程技术. 2009(01)

硕士论文
[1]半干旱地区蒸发量及有效降水的研究[D]. 王文玉.兰州大学 2014
[2]区域蒸散发遥感估算研究与实现[D]. 赵昱昀.兰州交通大学 2014



本文编号：3343584