《表7 10种不同输入参数组合条件下3种学习机模型预测水面蒸发量的精度指标统计结果(16个测站的平均值)》

  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GPR、CatBoost、XGBoost三种模型预测江西地区水面蒸发量》

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

为了验证上述结果的准确性，对3种学习机模型在江西地区16个气象站模拟水面蒸发量的统计结果进行分析（见表7），结果与赣县气象测站的分析结果大体一致。比较表7中10种不同输入参数模型的精度统计指标均值可知，XGBoost模型的表现最佳，与GPR和Cat Boost模型相比，其R2最大，RMSE、MBE绝对值和MAE最小，因此预测水面蒸发量的精度最高。当气象资料不充分只有3个参数时（Tmax、Tmin、Rs或Ra），甚至只有大气温度、全球太阳辐射、相对湿度或风速单个气象资料时，结果仍然显示XGBoost模型在率定期和验证期均优于其他两种学习机模型。但是，当输入组合中有4个参数时，验证期Cat Boost 10模型的模拟效果最优，其R2、RMSE、MBE、MAE值分别为0.744、0.842 mm/d、0.006 mm/d、0.633 mm/d，这表明当气象资料充分时，Cat Boost 10模型为江西地区水面蒸发量的最佳预测模型。