排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
建立精确预测参考作物蒸散量(ET0)的计算模型对区域水资源规划和灌溉调度设计具有重要意义。聚焦评估多元自适应回归样条模型(multivariate adaptive regression splines,MARS)计算每日ET0的性能。首先,将Penman-Monteith方程计算的ET0作为标准值;然后,利用中国新疆维吾尔自治区伊犁哈萨克自治州伊宁站1996—2015年逐日气象数据,建立14种不同气象参数组合下的MARS模型并计算ET0;最后,将结果与广义回归神经网络(general regression neural network,GRNN)、支持向量机(support vector machine,SVM)及基于温度、传质、辐射和气象参数的10个经验方程进行比较。结果表明,MARS、GRNN和SVM计算ET0的精度均高于经验方程,整体上MARS性能最好、精度最高,而SVM略优于GRNN。 相似文献
1