《表3 不同环境因子输入下逐日蒸散量的测试集模拟精度对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于注意力机制神经网络的荒漠区蒸散量模拟》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表3为4种模型对逐日蒸散量的模拟效果，模型的模拟精度与30 min蒸散量的模拟精度排名相同，AT-LSTM模型的模拟精度最高，输入Rn、Ts的AT-LSTM11模型GPI为2，仅输入Rn的AT-LSTM14模型GPI为3，其次为LSTM模型，ELM模拟精度略低于LSTM模型，SVM模拟精度最低。仅有Rn输入的AT-LSTM14模型在小时尺度及日尺度上的模拟精度均高于全部环境因子输入的LSTM1、SVM1、ELM1模型，故选取AT-LSTM14、LSTM1、SVM1、ELM1模型对日蒸散的模拟值与真实值进行对比（图3），其他几年的蒸散量变化及模拟趋势与2013年相似。从图3中可以看出，4种模型均很好地模拟出ET值在冬季较低，夏季较高的单峰趋势，但是模拟效果存在一定差异。SVM1模型模拟的ET值在1—3月和11—12月浮动较大，而真实值较为平缓。LSTM1和ELM1模型在1—3月和11—12月对ET值的模拟效果较好，而在6—8月当ET值较大时，模拟结果与真实值差距较大。而AT-LSTM14模型模拟的ET值从整体来看更加贴合真实值，在6—8月的模拟值与其他几种模型相比效果更好，这是因为注意力机制可以通过不断迭代更新，从序列中学习到每一个环境因子的重要程度。