基于主成分BP人工神经网络的参考作物腾发量预测

被引:5
作者
欧建锋
程吉林
机构
[1] 扬州大学水利科学与工程学院
关键词
参考作物腾发量; 主成分分析; BP神经网络; 预测;
D O I
10.13522/j.cnki.ggps.2008.02.023
中图分类号
S311 [作物生理学];
学科分类号
090302 ;
摘要
影响参考作物腾发量的气象因素众多,且相关程度较高。基于主成分分析原理,将影响ET0的7个主要气象因素以及旬序数进行特征提取,形成3个综合影响因子,既可保证气象信息的完整性,又可避免气象信息的交叉重叠。以江苏省无锡市某区作物腾发量预测为例,经主成分分析并简化的参考作物腾发量BP神经网络模型具有结构简单、收敛快、精度高的特点,可用于ET0预测。
引用
收藏
页码:55 / 58
页数:4
相关论文
共 8 条
[1]   基于主成分BP人工神经网络的人力资本预测 [J].
於世为 ;
诸克军 .
系统工程理论方法应用, 2006, (04) :339-344
[2]   基于随机样本的神经网络模型估算参考作物腾发量 [J].
高瑞忠 ;
朝伦巴根 ;
于婵 ;
朱仲元 ;
柴建华 .
农业工程学报, 2006, (02) :42-45
[3]   基于进化神经网络的参考作物腾发量预测 [J].
崔远来 ;
马承新 ;
沈细中 ;
马吉刚 .
水科学进展, 2005, (01) :76-81
[4]   ET0的人工神经网络模型与评估研究 [J].
霍再林 ;
史海滨 ;
陈亚新 ;
魏占民 ;
屈忠义 ;
乔冬梅 .
水资源与水工程学报, 2004, (02) :5-9
[5]   气象数据缺测条件下参照腾发量的计算方法 [J].
刘钰 ;
L.S.Pereira .
水利学报, 2001, (03) :11-17
[6]   参考作物腾发量预测的径向基函数法 [J].
顾世祥 ;
王士武 ;
袁宏源 .
水科学进展, 1999, (02) :3-5
[7]   参考作物腾发量计算方法及其适用性评价 [J].
史海滨 ;
何京丽 ;
郭克贞 ;
宝力特 .
灌溉排水, 1997, (04) :52-56
[8]  
水资源系统工程.[M].金菊良;丁晶著;.四川科学技术出版社.2002,