《表2 各因子组合下的模拟效果》

  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

《基于灰色关联与BP神经网络的蒸发量预测模型研究》

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

所选输入因子，有逐日平均气温（TEM）、逐日平均风速（WIN）、逐日日照时数（SSD）、逐日平均相对湿度（RHU）、逐日20—20时累计降水量（PRE）及逐日蒸发量（EVP）。预报模型精度的提高，不仅依赖于数据挖掘技术的应用，还取决于输入变量的选择。为研究不同因子组合下的模型预测效果，分别构建不同数量因子组合下的预测模型，共计26组，对模型输出结果进行检验，从而寻求最佳的模型输入因子组合。以2015—2016年日系列气象因子组合作为输入变量，以2015—2016年日蒸发量作为输出变量，构成模型训练样本，构建BP模型。取训练效果最佳的BP神经网络模型，以2017年相应的气象因子组合，作为所建预测模型的测试样本，得到模型的拟合结果。通过对26种因子组合样本进行训练，建立了26个蒸发量预测模型，各因子组合下的训练效果，如表2所示。