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

基于天气预报的参考作物腾发量LS-SVM预测模型

张展羽,  王声锋,  段爱旺,  王斌

downloadPDF
文章导航 > 水科学进展  > 2010 >  21(1): 63-68
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[J]. 水科学进展, 2010, 21(1): 63-68.
引用本文: 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[J]. 水科学进展, 2010, 21(1): 63-68.
shu
ZHANG Zhan-yu, WANG Sheng-feng, DUAN Ai-wang, WANG bin. Least squares support vector machines model for predicting reference evapotranspiration based on weather forecasts[J]. Advances in Water Science, 2010, 21(1): 63-68.
Citation: ZHANG Zhan-yu, WANG Sheng-feng, DUAN Ai-wang, WANG bin. Least squares support vector machines model for predicting reference evapotranspiration based on weather forecasts[J]. Advances in Water Science, 2010, 21(1): 63-68.
shu

基于天气预报的参考作物腾发量LS-SVM预测模型

  • 1.

    河海大学南方地区高效灌排与农业水土环境教育部重点实验室, 江苏, 南京, 210098;

  • 2.

    河海大学水利水电学院, 江苏, 南京, 210098;

  • 3.

    华北水利水电学院, 河南, 郑州, 450011;

  • 4.

    中国农业科学院农田灌溉研究所, 河南, 新乡, 453003

基金项目: 公益性行业科研专项经费资助项目(200903001);国家自然科学基金资助项目(50839002)
详细信息
    作者简介:

    张展羽(1957- ),男,江苏泰兴人,教授,博士生导师,主要从事灌溉排水理论及节水技术方面的研究.E-mail:zhanyu@hhu.edu.cn

  • 中图分类号: S161.4

Least squares support vector machines model for predicting reference evapotranspiration based on weather forecasts

  • 1.

    Key Laboratory of Efficient Irrigation-Drainage and Agriculture Soil-Water Environment in Southern China, Ministry of Education, Hohai University, Nanjing 210098, China;

  • 2.

    College of Water Conservancy and Hydropower Engineering, Hohai University, Nanjing 210098, China;

  • 3.

    North China University of Water Resources and Electric Power, Zhengzhou 450011, China;

  • 4.

    Farmland Irrigation Research Institute, CAAS, Xinxiang 453003, China

Funds: The study is financially supported by the National Natural Science Foundation of China(No.50839002).

  • 摘要: 利用最小二乘支持向量机(LS-SVM)方法,建立了基于天气预报的参考作物腾发量(ET0)的预测模型.对广利灌区1997~2006年逐日气象信息中的天气类型和风速等级进行量化后,以不同天气预报信息作为输入量,建立10种验证方案,对2007年的逐日ET0进行预测.经验证,方案1~方案7精度均令人满意,其中方案1精度最高.方案1的输入量为气温、天气类型、风速等级3项的预测值,该方案的模型预测值与计算值的统计参数分别为:均方根偏差ERMS为0.5182 mm,相对偏差ER为0.1878,决定系数R2为0.864 8,认同系数IA为0.966 9,回归系数RC为0.9867;方案7精度亦较好,且以上指标统计参数依次为0.6576 mm、0.2332、0.986 6、0.774 7及0.986 6,该方案输入量只有气温项,实用性很强.
    Abstract: A reference evapotranspiration(ET0) prediction model is developed based on the least squares support vector machines.Weather forecasts are used for ET0 predictions.The model can be trained with daily weather parameters including quantified weather types and wind grades,etc.Different combinations of daily weather parameters can be tested in the model training processes.In this study,the daily weather parameters are obtained from the Guangli irrigation district during the period 1997-2007.The 1997-2006 data are used for the model training,and a total of 10 daily ET0 forecasting schemes are established.Predictions of daily ET0 using each of the 10 schemes are validated with the observations from 2007.The results show that the scheme using the air temperature and the quantified weather types and wind grades as model predictors is able to give the best model performance; and the corresponding statistics are the root mean square error(ERMS) of 0.5182,the relative error(ER) of 0.1878,the coefficient of determination(R2) of 0.8648,the IA of 0.9669,and the regression coefficient(RC) of 0.9868.Acceptable daily ET0 predictions are also obtained with other 6 schemes,among which the simplest scheme using only the air temperature as the model predictor can also produce fair results as revealed by ERMS=0.6576,ER =0.2332,R2=0.9866,IA=0.7747 and RC=0.9680.The latter scheme shows a strong potential in practical applications.
  • [1] 蔡甲冰,刘钰,雷廷武,等.根据天气预报估算参照腾发量的模糊神经网络方法[J].农业工程学报,2005,21(12):108-111.(CAI Jia-bing,LIU Yu,LEI Ting-wu,et al.Daily reference evapotranspiration estimation from weather forecast messages:The ANFIS method[J].Transaction of the CSAE,2005,21(11):11-15.(in Chinese))
    [2] 蒋任飞,阮本清,韩宇平,等.基于BP神经网络的参照腾发量预测模型[J].中国水利水电科学研究院学报,2005,3(4):308-311.(JIANG Ren-fei,RUAN Ben-qing,HAN Yu-ping,et al.Model for estimating reference evapo-transpiration based on BP neural network[J].Journal of China Institute of Water Resources and Hydropower Research,2005,3(4):308-311.(in Chinese))
    [3] KHOOB R A.Comparative study of Hargreaves's and artificial neural network's methodologies in estimating reference evapotranspiration in a semiarid environment[J].Irrigation Science,2008,26(3):253-259.
    [4] 李庆国,陈守煜.基于模糊式识别的支持向量机的回归预测方法[J].水科学进展,2005,16(5):741-746.(LI Qing-guo,CHEN Shou-yu.A SVM regress forecasting method based on the fuzzy recognition theory[J].Advances in Water Science,2005,16(5):741-746.(in Chinese))
    [5] 刘德地,陈晓宏.咸潮影响区的水资源优化配置研究[J].水利学报,2007,38(9):1050-1055.(LIU De-di,CHEN Xiao-hong.Study on the optimal deployment of water resources in saltwater intrusion areas[J].Journal of Hydraulic Engineering,2007,38(9):1050-1055.(in Chinese))
    [6] 于国荣,夏自强.混沌时间序列支持向量机模型及其在径流预测中应用[J].水科学进展,2008,19(1):116-122.(YU Guo-rong,XIA Zi-qiang.Prediction model of chaotic time series based on support vector machine and its application to runoff[J].Advances in Water Science,2008,19(1):116-122.(in Chinese))
    [7] SUYKEN J A K,VANDEWALLE J.Least squares support vector machine classifiers[J].Neural Processing Letters,1999,9:293-300.
    [8] 郭辉,王玲,刘贺平.基于核主成分分析与最小二乘支持向量机结合处理时间序列预测问题[J].北京科技大学学报,2006,28(3):303-306.(GUO Hui,WANG Ling,LIU Heping.Integrating kernel principal component analysis with least squares support vector machines for time series forecasting problems[J].Journal of University of Science and Technology Beijing,2006,28(3):303-306.(in Chinese))
    [9] 沈斌,姚敏,易文晟.基于最小二乘支持向量机的模糊时序分析方法[J].浙江大学学报:自然科学版,2005,39(8):1142-1146.(SHEN Bin,YAO Min,YI Wen-sheng.Fuzzy time series analysis method based on least squares support vector machines[J].Journal of Zhejiang University:Engineering Science,2005,39(8):1142-1146.(in Chinese))
    [10] 陈磊,张土乔.基于最小二乘支持向量机的时用水量预测模型[J].哈尔滨工业大学学报,2006,38(9):1528-1530.(CHEN Lei,ZHANG Tu-qiao.Hourly water demand forecast model based on least squares support vector machine[J].Journal of Harbin Institute of Technology,2006,38(9):1528-1530.(in Chinese))
    [11] 熊运章,宋松柏,胡彦华,等.计算机在农业水土工程中的应用[M].北京:清华大学出版社,1999.(XIONG Yun-zhang,SONG Song-bo,HU Yan-hua,et al.The computer application to agricultural soil-water engineering science[M].Beijing:Tsinghua Publishing House,1999.(in Chinese))
    [12] 陈玉民,郭双国.中国主要作物需水量与灌溉[M].北京:中国水利水电出版社,1995.(CHEN YU-min,GUO Shuang-guo.Main crop water requirement and irrigation of China[M].Beijing:China WaterPower Press,1995.(in Chinese))
  • [1] 金君良, 舒章康, 陈敏, 王国庆, 孙周亮, 贺瑞敏.  基于数值天气预报产品的气象水文耦合径流预报 . 水科学进展, 2019, 30(3): 316-325. doi: 10.14042/j.cnki.32.1309.2019.03.002
    [2] 孙昭华, 严鑫, 谢翠松, 李奇.  长江口北支倒灌影响区盐度预测经验模型 . 水科学进展, 2017, 28(2): 213-222. doi: 10.14042/j.cnki.32.1309.2017.02.006
    [3] 史英标, 潘存鸿, 程文龙, 尤爱菊.  钱塘江河口段盐水入侵的时空变化及预测模型 . 水科学进展, 2012, 23(3): 409-418. doi: CNKI: 32.1309.P.20120501.1617.005
    [4] 胡庆芳, 杨大文, 王银堂, 杨汉波.  Hargreaves公式的全局校正及适用性评价 . 水科学进展, 2011, 22(2): 160-167.
    [5] 毛晓敏, 尚松浩.  基于数据包络分析的统计预测模型有效性评价 . 水科学进展, 2010, 21(5): 690-695.
    [6] 杨永红, 张展羽, 阮新建.  西藏参考作物蒸发蒸腾量的时空变异规律 . 水科学进展, 2009, 20(6): 775-781.
    [7] 杨永红, 张展羽.  改进Hargreaves方法计算拉萨参考作物蒸发蒸腾量 . 水科学进展, 2009, 20(5): 614-618.
    [8] 于国荣, 夏自强.  混沌时间序列支持向量机模型及其在径流预测中应用 . 水科学进展, 2008, 19(1): 116-122.
    [9] 陈新明, 蔡焕杰, 李红星, 王健.  温室内作物腾发量计算与验证 . 水科学进展, 2007, 18(6): 812-815.
    [10] 李庆国, 陈守煜.  基于模糊模式识别的支持向量机的回归预测方法 . 水科学进展, 2005, 16(5): 741-746.
    [11] 李林, 付强.  偏最小二乘回归模型的城市水资源承载能力研究 . 水科学进展, 2005, 16(6): 822-825.
    [12] 王凯军, 曹剑峰, 徐蕾, 孙涛.  地下水资源管理预警系统的建立及应用研究——以长春城区为例 . 水科学进展, 2005, 16(2): 238-243.
    [13] 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 . 水科学进展, 2005, 16(1): 76-81.
    [14] 汪家权, 吴劲兵, 李如忠, 钱家忠, 潘天声.  酸雨研究进展与问题探讨 . 水科学进展, 2004, 15(4): 526-530.
    [15] 魏凤英.  多步流量预测模型新方案的研究与应用 . 水科学进展, 2003, 14(5): 607-611.
    [16] 牛振国, 李保国, 张凤荣, 陈焕伟.  参考作物蒸散量的分布式模型 . 水科学进展, 2002, 13(3): 303-307.
    [17] 薛金凤, 夏军, 马彦涛.  非点源污染预测模型研究进展 . 水科学进展, 2002, 13(5): 649-656.
    [18] 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.
    [19] 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.
    [20] 罗毅, 雷志栋, 杨诗秀.  潜在腾发量的季节性变化趋势及概率分布特性研究 . 水科学进展, 1997, 8(4): 308-312.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  27
  • HTML全文浏览量:  11
  • PDF下载量:  593
  • 被引次数: 0
出版历程
  • 收稿日期:  2009-02-28
  • 刊出日期:  2010-01-25

基于天气预报的参考作物腾发量LS-SVM预测模型

  • 1. 河海大学南方地区高效灌排与农业水土环境教育部重点实验室, 江苏, 南京, 210098;
  • 2. 河海大学水利水电学院, 江苏, 南京, 210098;
  • 3. 华北水利水电学院, 河南, 郑州, 450011;
  • 4. 中国农业科学院农田灌溉研究所, 河南, 新乡, 453003
    • 基金项目:  公益性行业科研专项经费资助项目(200903001);国家自然科学基金资助项目(50839002)
    作者简介:

    张展羽(1957- ),男,江苏泰兴人,教授,博士生导师,主要从事灌溉排水理论及节水技术方面的研究.E-mail:zhanyu@hhu.edu.cn

  • 收稿日期: 2009-02-28
  • 刊出日期: 2010-01-25

  • 中图分类号: S161.4

摘要: 利用最小二乘支持向量机(LS-SVM)方法,建立了基于天气预报的参考作物腾发量(ET0)的预测模型.对广利灌区1997~2006年逐日气象信息中的天气类型和风速等级进行量化后,以不同天气预报信息作为输入量,建立10种验证方案,对2007年的逐日ET0进行预测.经验证,方案1~方案7精度均令人满意,其中方案1精度最高.方案1的输入量为气温、天气类型、风速等级3项的预测值,该方案的模型预测值与计算值的统计参数分别为:均方根偏差ERMS为0.5182 mm,相对偏差ER为0.1878,决定系数R2为0.864 8,认同系数IA为0.966 9,回归系数RC为0.9867;方案7精度亦较好,且以上指标统计参数依次为0.6576 mm、0.2332、0.986 6、0.774 7及0.986 6,该方案输入量只有气温项,实用性很强.

English Abstract

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[J]. 水科学进展, 2010, 21(1): 63-68.
引用本文: 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[J]. 水科学进展, 2010, 21(1): 63-68.
shu
ZHANG Zhan-yu, WANG Sheng-feng, DUAN Ai-wang, WANG bin. Least squares support vector machines model for predicting reference evapotranspiration based on weather forecasts[J]. Advances in Water Science, 2010, 21(1): 63-68.
Citation: ZHANG Zhan-yu, WANG Sheng-feng, DUAN Ai-wang, WANG bin. Least squares support vector machines model for predicting reference evapotranspiration based on weather forecasts[J]. Advances in Water Science, 2010, 21(1): 63-68.
shu

    全文HTML

参考文献 (12)

目录

    /

    返回文章
    返回

    版权所有 © 《水科学进展》杂志社

    主办：南京水利科学研究院、中国水利学会 地址：南京市虎踞关34号邮政编码：210024

    电话：025-85829770电子邮箱：skxjz@nhri.cn

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计