位置:成果数据库 > 期刊 > 期刊详情页
基于主成分分析的参考作物腾发量预测研究
  • ISSN号:1007-4929
  • 期刊名称:《节水灌溉》
  • 时间:0
  • 分类:S274.4[农业科学—农业水土工程;农业科学—农业工程]
  • 作者机构:[1]西北农林科技大学旱区农业水土工程教育部重点实验室,陕西杨凌712100
  • 相关基金:国家自然科学基金(50779059);国家自然科学基金重点项目(50939005)
中文摘要:

为准确估算作物需水量,提高水分利用效率,采用RBF神经网络预测参考作物腾发量,由于参考作物蒸发蒸腾量的影响因子很多,且各影响因子间的相关性很大,运用主成分分析的原理,将影响参考作物蒸发蒸腾量的因子降低维数。以山西省某灌区的参考作物腾发量为例,运用DPS软件找出了3个综合因子来代表众多因子并作为RBF人工神经网络的输入,运用Matlab7.0进行编程,对参考作物腾发量进行预测。结果发现其预测结果与用Pen-man-Monteith公式算得的值具有很高的一致性,与BP神经网络相比,RBF神经网络具有学习速度快等优点,将此方法用于参考作物腾发量的预测可以收到理想的效果。

英文摘要:

In order to accurately estimate crop water requirement,improve water use efficiency,the RBF neural network is used to predict reference crop evapotranspiration in this paper.Because the reference crops evapotranspiration is affected by many high correlated factors,the principal components analysis(PCA) is used to reduce the dimension of the reference crops evapotranspiration affecting factors.In this paper,the reference crop evapotranspiration of an irrigation district in Shanxi Province is taken for example,the DPS software is used to identify three factors to represent the number of integrated factors,which are used as the input of the RBF artificial neural network,and the matlab7.0 programming is used to predict the reference crop evapotranspiration.The result shows that its forecasting result has very high uniformity with that of Penman formula.Comparing with the BP neural network,the study speed of RBF neural network is more quickly.Using this method to predict the reference crop evapotranspiration can obtain ideal effect.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《节水灌溉》
  • 中国科技核心期刊
  • 主管单位:水利部
  • 主办单位:中国国家灌溉排水委员会 中国灌溉排水发展中心 武汉大学 国家节水灌溉北京工程技术研究中心
  • 主编:李远华
  • 地址:武汉大学二区
  • 邮编:430072
  • 邮箱:jieshuiguangai@188.com
  • 电话:027-68776133
  • 国际标准刊号:ISSN:1007-4929
  • 国内统一刊号:ISSN:42-1420/TV
  • 邮发代号:38-17
  • 获奖情况:
  • 中文核心期刊,水利部优秀期刊
  • 国内外数据库收录:
  • 英国农业与生物科学研究中心文摘,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:10056