基于CART重要度排序和混合ELM模型的蒸散预测

作者：师翊; 王应宽^*; 赵龙; 曹瑞雪; 王宇航; 沈剑波; 段震

来源：农业工程学报, 2023, 39(14): 89-96.

• 模型
• 算法
• 蒸散
• 优化
• CART
• ELM

准确地预测区域蒸散有助于区域水资源的合理利用，减少水资源浪费。为从多项气象因子中筛选出核心因子，构建少因子蒸散预测模型，高效精确预测蒸散，该研究在九大农业区选取23个典型站点，搜集降水量、日照时数等8个气象因子数据，使用分类回归树(classification and regression tree,CART)对气象因子进行重要度排序。基于排序结果，选取排序前3～5项气象因子，基于极限学习机(extreme learning machine,ELM)模型对蒸散进行预测。同时，使用遗传算法(genetic algorithm,GA)，粒子群算法(particle swarm optimization,PSO)，麻雀搜索算法(sparrow search algorithm,SSA)对ELM模型进行优化，并使用这3种优化算法(GA-ELM、PSO-ELM、SSA-ELM)构建少因子混合优化蒸散预测模型。结果表明：1)基于CART算法重要度排序结果，蒸散的主要影响因子依次是降水量、日照时数、平均本站气压、日最高气温、平均相对湿度。2)3种优化算法预测模型中，PSO-ELM模型的预测精度最高，23个站点的蒸散预测的均方根误差为6.608～22.077 mm/d，纳什效率系数为0.824～0.998,R2为0.908～0.995，平均绝对误差为5.075～16.677 mm/d。3)ELM模型在云贵高原区和四川盆地及周边地区有较好的适用性，3种优化算法在华南区和云贵高原区有较好的适用性，其中PSO-ELM模型的适用性最高。研究结果可为中国九大农业区域的作物需水量计算提供参考。

• 单位
  河南科技大学; 北京市农林科学院