基于群智能算法优化LSTM模型的参考作物蒸散量模拟研究
李润童1
邢立文1
崔宁博1
姜守政1
王智慧1
朱国宇1
刘锦程2
何清燕3
1.四川大学水力学与山区河流开发保护国家重点实验室/水利水电学院,成都 6100652.大英县农业农村局,四川遂宁 6293993.四川省农业机械科学研究院,成都 610066
摘要：[目的]基于有限气象资料实现西北干旱地区逐日参考作物蒸散量(ET0)高精度模拟.[方法]将西北干旱地区划分为4个亚气候区(温带大陆性干旱区、温带大陆性高温干旱区、高原大陆性半干旱区和温带季风半干旱区),选取8个代表性气象站点1961-2019年逐日气象数据作为输入参数,以FAO-56 Penman-Monteith模型计算的ET0作为标准值.采用遗传算法(GA)和粒子群优化算法(PSO)对长短期记忆网络(LSTM)超参数进行优化,构建了 LSTM、GA-LSTM和PSO-LSTM共3种深度学习模型.针对西北干旱地区气象数据缺乏的情况,设计了 3种输入组合方案(温度-辐射型、温度型、温度-湿度型),仅利用气温、日照时间和相对湿度等基础气象要素,建立了9种模型组合.与Priestley-Taylor、Hargreaves-Samani和Romanenko 3种经验模型对比,评估深度学习模型的ET0模拟精度.[结果]PSO-LSTM模型模拟精度最高,决定系数(R2)、Nash-Sutcliffe系数(NSE)、均方根误差(RMSE)、相对均方根误差(RRMSE)、平均绝对误差(MAE)和综合性指标(GPI)分别为0.831～0.923、0.801～0.922、0.476～0.866 mm/d、0.190～0.382、0.299～0.627mm/d和 0.208～0.598,其中,温度-辐射型 PSO-LSTM1 模型在 4 个气候分区的 ET0模拟精度最高,R2达0.893～0.923;智能优化算法可显著提升LSTM模型性能,且PSO算法的提升效果优于GA算法.[结论]基于温度-辐射型输入策略的PSO-LSTM模型在西北干旱地区ET0模拟中表现最优,为西北干旱地区及类似气候区域ET0准确模拟提供了有效方法.
关键词：神经网络遗传算法粒子群优化算法ET0模拟西北干旱地区
分类号：S274(农田水利)
资助基金：国家重点研发计划(2022YFD1900805)四川省科技计划项目(2024YFHZ0217)四川省科技计划项目(2024ZHCG0101)四川省基本科研业务费项目(2024JDKY0029-05)中央高校基本科研业务费项目(20822041J4119)国家自然科学基金(52309057)新平柑橘产业科技创新示范县创建项目(202304BT090019)
论文发表日期：2026-02-28
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：11( 20-30 )
英文信息