排序方式： 共有4条查询结果，搜索用时 140 毫秒
1
1.
2.
基于机器学习的参考作物蒸散量估算研究 总被引：2，自引：0，他引：2
参考作物蒸散量（Reference Evapotranspiration, ET0）的准确估算对区域水资源管理和分配、流域水量平衡以及气候变化等研究具有重要作用。新疆地处我国西北干旱地区,水资源供需矛盾尖锐,精确估算该地区的ET0有助于其科学合理地调配水资源,缓解水资源供需压力。FAO推荐的Penman-Monteith法是计算ET0的标准方法,但该方法需要多项气象因子,而新疆地区气象站点较少且分布不均,精确完备的气象数据在新疆大部分区域难以获取。因此,如何使用有限气象因子获取高精度的ET0在新疆地区备受关注。本文基于中国气象数据网提供的新疆地区1980—2019年的地面气候资料日值数据集,在日和月尺度下,通过对最高气温Tmax、最低气温Tmin、平均气温Tavg、风速U2、相对湿度RH和日照时数n共6项气象因子进行敏感性分析,形成不同的气象因子组合;然后使用SVM、RF、GBDT和ELM 4种机器学习算法,以FAO-56 PM计算值为标准值,对新疆地区的ET0进行了拟合建模;最后,从拟合精度、稳定性和计算代价3个方面对模型进行评价。研究表明：① 在新疆地区,ET0对RH、Tmax和U2敏感系数级别为高,平均敏感系数分别为-0.516、0.283和0.266;n为中等,平均敏感系数为0.124;Tmin和Tavg为低,平均敏感系数分别为-0.016和-0.003;② 在日尺度,各算法在RH、Tmax、U2和n这4项气象因子为输入时精度较高（RMSE<0.5 mm/day,R2>0.95）,可对ET0进行精确估算;在月尺度,各算法使用RH、Tmax和U2这3项参数便可对ET0进行精确估算。SVM和GBDT这2种算法在日尺度和月尺度都有较好的适用性,可在相应尺度下使用较少气象因子替代FAO-56 PM公式对ET0进行估算。 相似文献
3.
空间聚类是当前地球信息科学与计算机科学领域共同关注的热点问题之一,常用来揭示空间数据分布规律以及发现空间数据异常。空间聚类有效性评价即对空间聚类结果进行定量、客观的评判,对于在实际应用中针对不同数据集选取最优的空间聚类算法以及确定最佳的聚类参数具有重要意义。首先选取并编程实现了数种空间聚类有效性评价方法,包括聚类中心的距离矩阵、距离方差、改进Hubert's统计、Davies-Bouldin、Calinski-Harabasz和基于信息论的空间聚类有效性评价方法等,同时提出了顾及簇间分离度和簇内紧凑度的空间聚类有效性评价方法,并通过试验分析验证了其可行性及有效性。然后在K-Means法对数据集进行聚类的基础上,对比研究了前述聚类有效性评价方法的特性及优缺点。 相似文献
4.
随着全球定位系统(GPS)的高速发展,它在测绘科研领域的应用范围不断扩大,在GPS气象方向,可以通过地基GPS技术计算得到水汽转换参数,从而计算大气可降水量.使用本地化的水汽转换参数能有效提高GPS水汽反演的精度.本文利用中国西南地区2015-2018年12个探空站点数据,计算得到中国西南地区的年、季度、月和每日水汽转换参数,实现了水汽转换参数本地化研究.分析发现,在一定范围内,水汽转换参数Π随着站点高度的增加而逐渐增加,且我国西南地区的水汽转换参数Π的时空分布具有明显的气候分布特点和纬度地带性. 相似文献
1