• 全国中文核心期刊
  • 中国科技核心期刊
  • 美国工程索引(EI)收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于进化神经网络的参考作物腾发量预测

崔远来 马承新 沈细中 马吉刚

崔远来, 马承新, 沈细中, 马吉刚. 基于进化神经网络的参考作物腾发量预测[J]. 水科学进展, 2005, 16(1): 76-81.
引用本文: 崔远来, 马承新, 沈细中, 马吉刚. 基于进化神经网络的参考作物腾发量预测[J]. 水科学进展, 2005, 16(1): 76-81.
CUI Yuan-lai, MA Chen-xin, SHEN Xi-zhong, MA Ji-gang. Predicting reference evaportranspiration based on artificial neural network with genic arithmetic[J]. Advances in Water Science, 2005, 16(1): 76-81.
Citation: CUI Yuan-lai, MA Chen-xin, SHEN Xi-zhong, MA Ji-gang. Predicting reference evaportranspiration based on artificial neural network with genic arithmetic[J]. Advances in Water Science, 2005, 16(1): 76-81.

基于进化神经网络的参考作物腾发量预测

基金项目: 山东省科技发展计划项目(鲁科022150118)
详细信息
    作者简介:

    崔远来(1966- ),男,江西武宁人,武汉大学教授,博士生导师,主要从事节水灌溉理论与技术及水资源管理方面研究.E-mail:cuiyuanlai@263.net

  • 中图分类号: S271;O224

Predicting reference evaportranspiration based on artificial neural network with genic arithmetic

Funds: The project is supported by the High Technology Research and Development Program of Shandong Province(No.022150118).
  • 摘要: 利用遗传算法的全局空间寻优功能和BP网络映射能力强的优点,建立了以遗传算法确定最优网络结构的进化神经网络(GA-ANN)模型,用来预测参考作物腾发量(ET0).设计多组数字实验处理,研究了输入因子间相关性对模型预测准确性的影响,并验证了最优网络模型结构,即预测ET0的理想GA-ANN模型中以日平均气温、日照时数及日序数为输入因子.实例分析表明,该模型克服了BP网络输入层、隐含层节点确定的盲目性,适应性强,精度高,可用于ET0预测.
  • [1] 李远华.节水灌溉理论与技术[M].武汉:武汉水利电力大学出版社,1999.
    [2] 李远华.实时灌溉预报的方法及应用[J].水利学报,1994(2):46-51.
    [3] 李远华,崔远来,杨常武,等.漳河灌区实时灌溉预报研究[J].水科学进展,1997(1):71-77.
    [4] 顾世祥,李远华,袁宏源.霍泉灌区作物需水量实时预报[J].武汉水利电力大学学报,1998(2):37-41.
    [5] 蔡学良,崔远来,宋志强,等.陡山灌区实时灌溉预报研究[J].灌溉排水学报,2003(3):33-36.
    [6] 茆智,李远华,李会昌.实时灌溉预报[J].中国工程科学,2002(5):24-33.
    [7] 顾世祥,王士武,袁宏源.参考作物腾发量预测的经向基函数法[J].水科学进展,1999(2):123-128.
    [8] Allen R G,Pereira L S,Raes D,et al.Crop evapotranspiration[M].FAO Irrigation and Drainage Paper,56,Food and Agriculture Organization of the United Nations,Rome,1998(56):23-28.
    [9] Hecht-Nielsen R.Theory of the back propagation neural network[A].Proceeding of International Conference on Networks[C].Washingtan,IEEE Pubkications,NY,1989:593-603.
    [10] 潘正君,康立山,陈毓屏.演化计算[M].北京:清华大学出版社,1998.
    [11] 楼顺天,施阳.基于MATLAB的系统分析与设计——神经网络[M].西安:西安电子科技大学出版社,1998.
    [12] 任若恩,王惠文.多元统计数据分析——理论、方法、实例[M].北京:国防工业出版社,1997.
  • [1] 彭兆亮, Q. J. WANG, 王子茹, 王国利, 徐超.  订正与集成多模式的中国季度降水预测 . 水科学进展, 2014, 25(1): 1-9.
    [2] 张展羽, 王声锋, 段爱旺, 王斌.  基于天气预报的参考作物腾发量LS-SVM预测模型 . 水科学进展, 2010, 21(1): 63-68.
    [3] 牛志广, 陆仁强, 王晨婉.  天津市近海水质预测方法研究 . 水科学进展, 2009, 20(2): 222-226.
    [4] 甘富万, 李义天, 邓金运, 陈建.  水库排沙调度优化模型 . 水科学进展, 2009, 20(6): 863-868.
    [5] 万星, 周建中.  自适应对称调和遗传算法在水库中长期发电调度中的应用 . 水科学进展, 2007, 18(4): 598-603.
    [6] 陈守煜, 李亚伟.  基于模糊人工神经网络识别的水质评价模型 . 水科学进展, 2005, 16(1): 88-91.
    [7] 李如忠, 王超, 汪家权, 钱家忠, 金菊良.  基于未确知信息的河流水质模拟预测研究 . 水科学进展, 2004, 15(1): 35-39.
    [8] 袁晶, 张小峰.  基于遗忘因子的BP神经网络水文实时预报方法 . 水科学进展, 2004, 15(6): 787-792.
    [9] 秦肖生, 曾光明.  遗传算法在水环境灰色非线性规划中的应用 . 水科学进展, 2002, 13(1): 31-36.
    [10] 金菊良, 杨晓华, 金保明, 丁晶.  基于遗传算法的地下水位动态预测双线性模型 . 水科学进展, 2001, 12(3): 361-366.
    [11] 彭梅香, 葛朝霞, 王怀柏.  黄河上游径流与太平洋海温场关系及其预测应用 . 水科学进展, 2000, 11(3): 272-276.
    [12] 李荣, 李义天.  基于神经网络理论的河道水情预报模型 . 水科学进展, 2000, 11(4): 427-431.
    [13] 郑世宗, 袁宏源, 李远华, 郭宗楼, 崔远来, 纪珠宝, 李记马.  霍泉灌区出流量预测模型 . 水科学进展, 1999, 10(4): 382-387.
    [14] 杨荣富, 丁晶, 金菊良.  与局部微调方法相结合的遗传算法 . 水科学进展, 1999, 10(2): 150-154.
    [15] 陈守煜, 聂相田, 朱文彬, 王国利.  模糊优选神经网络模型及其应用 . 水科学进展, 1999, 10(1): 69-74.
    [16] 顾世祥, 王士武, 袁宏源.  参考作物腾发量预测的径向基函数法 . 水科学进展, 1999, 10(2): 123-128.
    [17] 束龙仓, 林学钰, 廖资生.  基岩裂隙水神经网络专家系统实例研究 . 水科学进展, 1998, 9(4): 384-388.
    [18] 邱林, 陈守煜, 聂相田.  模糊模式识别神经网络预测模型及其应用 . 水科学进展, 1998, 9(3): 258-264.
    [19] 马光文, 王黎.  遗传算法在水电站优化调度中的应用 . 水科学进展, 1997, 8(3): 275-280.
    [20] 王黎, 马光文.  Streeter-Phelps模型参数估计的遗传算法 . 水科学进展, 1997, 8(1): 32-36.
  • 加载中
计量
  • 文章访问数:  12
  • HTML全文浏览量:  1
  • PDF下载量:  455
  • 被引次数: 0
出版历程
  • 收稿日期:  2003-10-29
  • 修回日期:  2004-03-30
  • 刊出日期:  2005-01-25

基于进化神经网络的参考作物腾发量预测

    基金项目:  山东省科技发展计划项目(鲁科022150118)
    作者简介:

    崔远来(1966- ),男,江西武宁人,武汉大学教授,博士生导师,主要从事节水灌溉理论与技术及水资源管理方面研究.E-mail:cuiyuanlai@263.net

  • 中图分类号: S271;O224

摘要: 利用遗传算法的全局空间寻优功能和BP网络映射能力强的优点,建立了以遗传算法确定最优网络结构的进化神经网络(GA-ANN)模型,用来预测参考作物腾发量(ET0).设计多组数字实验处理,研究了输入因子间相关性对模型预测准确性的影响,并验证了最优网络模型结构,即预测ET0的理想GA-ANN模型中以日平均气温、日照时数及日序数为输入因子.实例分析表明,该模型克服了BP网络输入层、隐含层节点确定的盲目性,适应性强,精度高,可用于ET0预测.

English Abstract

崔远来, 马承新, 沈细中, 马吉刚. 基于进化神经网络的参考作物腾发量预测[J]. 水科学进展, 2005, 16(1): 76-81.
引用本文: 崔远来, 马承新, 沈细中, 马吉刚. 基于进化神经网络的参考作物腾发量预测[J]. 水科学进展, 2005, 16(1): 76-81.
CUI Yuan-lai, MA Chen-xin, SHEN Xi-zhong, MA Ji-gang. Predicting reference evaportranspiration based on artificial neural network with genic arithmetic[J]. Advances in Water Science, 2005, 16(1): 76-81.
Citation: CUI Yuan-lai, MA Chen-xin, SHEN Xi-zhong, MA Ji-gang. Predicting reference evaportranspiration based on artificial neural network with genic arithmetic[J]. Advances in Water Science, 2005, 16(1): 76-81.
参考文献 (12)

目录

    /

    返回文章
    返回