参考作物腾发量预报在线训练深度学习模型OACSTPCD
Forecasting reference crop evapotranspiration using deep learning model and online training
[目的]探究参考作物腾发量(ET0)的实时预报方法.[方法]以浙江省杭州市萧山区 2021年 4月 24日—2023 年 12 月 31 日的天气预报数据和整点天气实况资料为数据集,分析模型输入数据的预报精度,采用BP神经网络算法构建ET0预报的深度学习模型,并部署至阿里云服务器进行在线训练.[结果]模型的输入数据中,气温预报准确率较高,且最低气温预报精度高于最高气温,天气类型及风力等级预报存在一定误差.模型预报值与实时数据计算得到的标准值相比,…查看全部>>
[Objective]Reference crop evapotranspiration(ET0)is a critical parameter for irrigation and water management.This paper proposes a method for real-time forecasting ET0 using weather forecast data and a deep learning approach.[Method]The study was conducted in Xiaoshan District,Hangzhou City,Zhejiang Province.Hourly measured weather data and 1-7 day forecasted weather data from April 24,2021 to December 31,2023 were used as the dataset.The forecasting accurac…查看全部>>
邓轩盈;吕辛未;郑文燕;郑世宗;张亚东;罗童元;崔远来;罗玉峰
武汉大学 水资源与水电工程科学国家重点实验室,武汉 430072百度在线网络技术(北京)有限公司,北京 100085甘肃省水利科学研究院,兰州 730000浙江省水利河口研究院(浙江省海洋规划设计研究院),杭州 310020浙江省水利河口研究院(浙江省海洋规划设计研究院),杭州 310020浙江省水利河口研究院(浙江省海洋规划设计研究院),杭州 310020武汉大学 水资源与水电工程科学国家重点实验室,武汉 430072武汉大学 水资源与水电工程科学国家重点实验室,武汉 430072
农业科学
参考作物腾发量BP神经网络公共天气预报ET0预报在线训练
reference crop evapotranspirationBP neural networkpublic weather forecastreal-time ET0 forecastingonline training
《灌溉排水学报》 2024 (12)
57-64,8
国家自然科学基金项目(52379046)
评论