基于时间序列与机器学习的参考作物蒸散量预测研究
曹睿喆1
秦安振2
1.河南省新乡水文水资源测报分中心,河南新乡 4530002.中国农业科学院农田灌溉研究所,河南新乡 453002
摘要：[目的]提高豫北地区参考作物蒸散量(ET0)预测模型的精度.[方法]利用2021-2022年新乡市历史气象数据和2023年天气预报数据(最高气温、最低气温、太阳辐射量、2 m风速和日照时间)建立Prophet模型、差分自回归移动平均模型(ARIMA)、极限学习机(ELM)及混合ET0预测模型,并与FAO-56 Penman-Monteith模型的结果进行比较.[结果]最高气温(Tmax)、最低气温(Tmin)、辐射量(Ra)和2m风速(U2)与ET0的相关性较高,可作为模型的输入因子.Prophet模型和ARIMA模型的预测值与实际ET0的周期变化基本一致,能够较好地预测ET0的季节性和周期性变化.ET0≥5.5 mm/d时,模型拟合结果存在明显误差,难以识别ET0时间序列中的非平稳性与波动性.极限学习机(ELM)模型能够较好地拟合ET0的复杂非线性变化,精度较时间序列模型提高11％.时间序列模型与机器学习混合模型能够较好地吸收不同模型的优点,表现出较高的预测精度.其中,ELM-ARIMA混合模型在中期(1～10d)ET0预报中的表现最好,平均绝对误差(MAE)、均方根误差(RMSE)和平均偏差误差(MBE)较单一模型降低64.5％、72.9％和65.6％;相关系数(R)较单一模型提高12.9％.[结论]ELM-ARIMA混合模型的ET0预测值与真实值的相关性最高,R2达到0.945,可作为豫北地区ET0预测模型.
关键词：数值天气预报混合模型Prophet模型自回归移动平均模型
分类号：S274.1(农田水利)S641.2(园艺)
资助基金：中央级科研院所基本科研业务费专项(IFI2024-21)干旱气象科学研究基金项目(IAM202411)
论文发表日期：2025-08-30
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( 45-52 )
英文信息