基于进化神经网络的参考作物腾发量预测

高级搜索

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

文章导航 > 水科学进展 > 2005 > 16(1): 76-81

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

1.
武汉大学水资源与水电工程科学国家重点实验室, 湖北, 武汉, 430072;
2.
山东省水利厅, 山东, 济南, 250013

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

Predicting reference evaportranspiration based on artificial neural network with genic arithmetic

1.
State Key Laboratory of Water Resources and Hydropower Engineering Science, Wuhan University, Wuhan 430072, China;
2.
Shandong Province Water Resources Bureau, Ji'nan 250013, China

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.
- 参考作物腾发量 /
- 神经网络 /
- 遗传算法 /
- 预测
Abstract: A model of Artificial Neural Network with Genic Arithmetic(GA-ANN) is established to predict reference evapotranspiration.This model integrates the merits of seeking for a global optimum solution by using genic arithmetic and the well-mapping capacity of the back propagation neural network.It can determinate the optimum model structure automatically.Eight groups of model input factors' composition are set up,and their correlative influence on the model's forecasting precision are studied.An optimum model structure for predicting short time period(daily and decade) reference evapotranspiration is present,in which only daily mean temperature,sunshine hours and the Julian day's ordinal number are considered as the input factors.A case study shows that the model overcomes the disadvantages in determinating the model structure when using back propagation neural network.And it has high precision with good adaptability and feasibility.
- reference evaportranspiration /
- artificial neural network /
- genic arithmetic /
- predicting

[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.

WeChat

点击查看大图

计量

文章访问数: 46
HTML全文浏览量: 11
PDF下载量: 458
被引次数: 0

基于进化神经网络的参考作物腾发量预测

1. 武汉大学水资源与水电工程科学国家重点实验室, 湖北, 武汉, 430072;

2. 山东省水利厅, 山东, 济南, 250013

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

收稿日期: 2003-10-29
修回日期: 2004-03-30
刊出日期: 2005-01-25

中图分类号: S271;O224

关键词:

参考作物腾发量 /

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.

全文HTML

参考文献 (12)

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回