简短的评论

数量:11 (7)DOI: 10.37532 / 2319 - 9822.2022.11 .226 (7)

• 查看PDF
• 下载

每日参考,分层弹性结构与优化的粒子群预测土壤水分蒸发蒸腾损失总量的新战略

*通信:

卡尔文·奈尔主编,《太空探索,加拿大电子邮件:spaceexploration@scholarres.org

文摘

参考蒸散(ET0)是一个关键的组件来开发有意义的重要农作物灌溉时间表。因此,准确预测未来的ET0更好是至关重要的管理限制水的资源在世界的许多地区。分层模糊系统的潜力(HFS)优化使用粒子群优化(PSO)方法(PSO-HFS)预测每日ET0进行这项工作。气候变量和预测ET0用作PSOHFS模型、输入和输出分别。两个气象站的气候变量聚集在孟加拉国,加兹浦尔Sadar Ishurdi,被用来计算ET0值利用粮农组织56点技术。我们评估了PSO - HFS中模型的预测精度FIS, M5模型树,和回归树(RT)模型。PSO-HFS FIS的有效性,M5模型树,计算每日ET0 RT是评估使用数量的统计性能评估指标。香农熵的概念,考虑的性能评估指标,用于排序模型。的PSO-HFS模型超过了treebase模型,结果显示。整体的研究结果表明,PSO-HFS模型可以用来可靠地和有效地模拟ET0值

介绍

为了提高农业产量,作物必须以适当的数量的淡水灌溉。通过精确地量化土壤水分蒸发蒸腾损失总量,这是用于创建合适的灌溉计划,计算水文水平衡,模拟作物产量,和分配水资源,可以通过仔细控制节水灌溉方法。作为一个至关重要的部分水平衡等是至关重要的在调节大气之间的相互作用,土壤和植物。鲍恩比率等实验方法能源平衡法、涡度相关系统和浓度计技术可以用来量化等。作为一种替代方法,可以计算等使用气候变量来确定潜在或参考蒸散(ET0)。在世界的许多地区,直接测量不可用或过于昂贵由于复杂性或费用,这种间接的方法已经得到普及。笔者的环球(粮农组织56点)技术已被公认ET0的决心,因为它的广泛使用的参考方法可用于不同的生物和气候条件的地区不需要当地的适应性。结合作物系数值时,粮农组织56点方程可以用来确定ET0并提供估计等特定的作物。近年来,基于模型人工智能或机器学习已经成功地用于模拟ET0在不同水文地质设置。这些模型是高效和精确的复杂的和非线性的映射的关系之间的输入和输出数据。人工神经网络(安)模型是第一个使用的机器学习方法来估计ET0, ET0建模中使用的模型之一。使用自适应神经模糊推理系统(简称ANFIS),高斯过程回归(GPR)基因表达编程(GEP),多元自适应回归样条函数(火星),随机森林(RF),支持向量机是另一个新的使用机器学习方法在ET0造型(支持向量机)。在预测ET0,基于人工智能模型

一般都优于传统的方程,大大实现更好的结果和类似的数据集。由于其简单性、恢复力和能力提供ET0的精确预测,基于树的机器学习算法和随机森林回归树和M5模型树最近吸引了很多感兴趣的。另一方面,最近的研究表明机器学习模型由模糊逻辑理论可以作为一种有效的预测方法在各种各样的水资源管理问题。虽然简称ANFIS,一种模糊推理系统(FIS),已经被有效地用于构建ET0预测模型,其效用是有限的计算开销带来的相当数量的统治基础,特别是对问题更大的输入变量。这是因为在模糊系统的规则数量呈指数级增长作为输入变量的数量增加。的学习和调整规则和隶属函数参数是非常困难和更大的统治基础。此外,更大的统治基础消除在这种情况下需要更多的训练数据。通过使用预测从低级费斯高级费斯预测,FIS可以表示为一个较小的相互关联和相互关联的金融中间人对象树称为分层模糊系统(HFS),这是计算比单个单片FIS对象更有效。使用模糊逻辑的概念,HFS中是决策树的升级版本,提供准确的造型。HFS模型已收到很少注意水文和农业领域的研究,尽管相对成功地使用各种各样的研究学科。例如,一个基于逻辑的模糊决策树用于代替传统的趋势分析量化的大小和频率洪水穿越时间。确定储层的操作规程操作系统,比较神经决策树,传统的决策树和模糊决策树。 Their comparative findings showed that fuzzy decision trees were better than the other two forms of decision trees. Fuzzy logic-based fuzzy decision trees can be used to reduce uncertainty in real-time flood predictions. They came to the conclusion that, despite fuzzy decision trees' inferior performance to ANN models in the test case for simulating river flow, the glass box character of fuzzy tree modelling might provide some insightful details on the hydrological processes. According to current literature, fuzzy tree models have not yet been used to agricultural and hydrological research, particularly when modelling ET0. Given the significance of accurate estimates of ET0, the objectives of this study were to: (1) evaluate the potential of the PSO tuned HFS模型(PSO-HFS)预测每日ET0;(2)比较的预测能力提出PSOHFS与两个树机器学习算法,包括RT和M5模型树;和(3)拟议的模型对其预测精度使用各种性能的评价方法。作者认为,这项工作是第一个使用模糊决策树(PSO-HFS)根据一个进化算法预测每日ET0

结论

在这项研究中,PSO定制的可能性HFS ET0预测建模技术利用气候因素进行了研究。根据这项研究,可以有效地预测每日ET0造型使用模糊模型,基于逻辑的HFS尤其是TMF用于创建Sugeno FIS HFS中创建的类型。用5个输入预测了每日ET0品质(气候因素),包括太阳辐射、相对湿度、最低和最高温度和风速。