参考作物腾发量预报在线训练深度学习模型
邓轩盈1
吕辛未2
郑文燕3
郑世宗4
张亚东4
罗童元4
崔远来1
罗玉峰1
1.武汉大学 水资源与水电工程科学国家重点实验室,武汉 4300722.百度在线网络技术(北京)有限公司,北京 1000853.甘肃省水利科学研究院,兰州 7300004.浙江省水利河口研究院(浙江省海洋规划设计研究院),杭州 310020
摘要：[目的]探究参考作物腾发量(ET0)的实时预报方法.[方法]以浙江省杭州市萧山区 2021年 4月 24日—2023 年 12 月 31 日的天气预报数据和整点天气实况资料为数据集,分析模型输入数据的预报精度,采用BP神经网络算法构建ET0预报的深度学习模型,并部署至阿里云服务器进行在线训练.[结果]模型的输入数据中,气温预报准确率较高,且最低气温预报精度高于最高气温,天气类型及风力等级预报存在一定误差.模型预报值与实时数据计算得到的标准值相比,预见期内二者变化趋势大致相同,预报精度较高,训练期与测试期准确率最高分别可达到91.56%和 84.75%,训练期均方根误差(RMSE)与平均绝对误差(MAE)平均值分别为 0.828 mm/d和 0.667 mm/d,测试期RMSE与MAE平均值分别为 1.049 mm/d和 0.829 mm/d.[结论]采用公共天气预报数据构建BP模型在线训练,能够实现ET0的实时预报,精度较高且便于运用,可为农业工作者实时灌溉决策提供数据支撑.
关键词：参考作物腾发量BP神经网络公共天气预报ET0预报在线训练
分类号：S161.4(农业气象学)TP183(自动化基础理论)
资助基金：国家自然科学基金(52379046)
论文发表日期：2024-12-28
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：8( 57-64 )
英文信息