10.3969/j.issn.1008-1305.2022.03.043
基于粒子群优化机器学习模型的水面蒸发量估算模型研究
水面蒸发是估算区域水资源平衡的重要参数之一,实测的蒸发皿蒸发量(Epan)是重要的水温变量,为找出估算区域的Epan最优模型,以江西省为研究区域,基于极限学习机(ELM)、随机森林(RF)、支持向量机(SVM)、BP神经网络4种机器学习模型,以粒子群算法(PSO)为基础建立了4种优化模型,对不同站点Epan进行了估算,结果表明:在日值、月值估算中,PSO-RF模型精度最高,其在不同时期的相对误差最低,在3—10月及全年的相对误差在4.1％ ～4.4％,同时在不同训练及预测组合下,该模型均能保持较高的精度.
水面蒸发、蒸发皿蒸发量、粒子群算法、随机森林
TV642.4;S271(水利枢纽、水工建筑物)
江西水利科技计划项目KT201717
2022-04-01（万方平台首次上网日期，不代表论文的发表时间）
共5页
157-161
