Estimating reference evapotranspiration using a machine learning approach

doi:10.2166/wst.2025.078

2025-09-15

DOI：10.2166/wst.2025.078

原文链接

原文求助

摘要

En 中文

影响蒸散发的气象参数包括气温、太阳辐射、相对湿度和风速。在印度旁遮普邦阿姆利则地区，收集了1970年至2018年小麦生长期内的逐日气象数据。为提高蒸散发估算精度，采用了人工智能领域的一个明确分支——机器学习。为提升小麦生长期蒸散发估算的准确性，开发了一个模型，该模型使用随机森林（RF）、支持向量机（SVM）和人工神经网络（ANN），并采用不同的气象输入组合。基于校准和验证阶段使用多种标准统计指标进行的评估，发现RF的性能最佳，其次是SVM和ANN。由气象输入组合（T-max, T-min, RHM, RHE和R-s）开发的模型排名第一。两种气象输入组合（R-s, T-max）和（R-s, T-min）在RF和SVM中表现优异，而气象输入组合（T-max, T-min）在ANN中表现优异。因此，这些输入组合可以在数据有限时用于蒸散发估算。由此研究可得出结论：机器学习技术可以通过少量数据点完成ET0估算，而非依赖大量气象数据。

Keyword:

artificial neural network

evapotranspiration

machine learning

random forest

support vector machine

期刊

WATER SCIENCE AND TECHNOLOGY

IF:

2.6

论文数:

153

被引数:

机构

暂无机构信息

引用论文

Predicting Water Quality Index (WQI) by feature selection and machine learning: A case study of An Kim Hai irrigation system 通过特征选择和机器学习预测水质指数 (WQI): 以金海灌溉系统为例

ECOLOGICAL INFORMATICS

IF7.3

2023-05-01

PREAI

Lap, Bui Quoc; Phan, Thi-Thu-Hong; Du Nguyen, Huu; Quang, Le Xuan; Hang, Phi Thi; Phi, Nguyen Quang; Hoang, Vinh Truong; Linh, Pham Gia; Hang, Bui Thi Thanh

Implications of potential evapotranspiration methods for streamflow estimations under changing climatic conditions 在不断变化的气候条件下，潜在的蒸散方法对径流估算的影响

INTERNATIONAL JOURNAL OF CLIMATOLOGY

IF2.8

2017-08-10

PREAI

Seong, Chounghyun; Sridhar, Venkataramana; Billah, Mirza M.

Spatial prediction of flood susceptible areas using rule based decision tree (DT) and a novel ensemble bivariate and multivariate statistical models in GIS 使用基于规则的决策树 (DT) 和GIS中新的集成二元和多变量统计模型对洪水易感区进行空间预测

JOURNAL OF HYDROLOGY

IF6.3

2013-11-01

589

PREAI