基于WOA-XGBoost的膜下滴灌棉花蒸散量预测模型OA北大核心CSTPCD
为了科学准确地预测膜下滴灌棉花蒸散量,基于鲸鱼优化算法(whale optimization algorithm,WOA)和极端梯度提升树(XGBoost),提出了WOA-XGBoost棉花蒸散量预测模型.采用最大互信息系数(maximal information coefficient,MIC)筛选影响棉花蒸散量的关键因素,依据相关系数排序构建输入组合,代入WOA-XGBoost模型进行模拟.并与XGBoost,SVM,WOA-SVM和PSO-XGBoost预测结果进行对比验证.结果表明:太阳辐射、最低气温、最高气温、相对湿度、风速和土壤温度与棉花蒸散量相关性较大,其MIC值分别为0.722,0.546,0.496,0.475,0.379和0.219,基于上述6个因素构建的WOA-XGBoost模型综合性能最优,R^(2),MAE,RMSE和MAPE分别为0.922,0.038 mm/h,0.064 mm/h和0.221,预测精度均优于相同输入参数下的其他4种模型.因此,推荐使用WOA-XGBoost模型模拟相关因素与膜下滴灌棉花蒸散量之间的非线性关系.研究可为精确计算膜下滴灌棉花蒸散量提供科学依据,为灌溉决策优化提供参考.
曹缘;王振华;张继红;刘宁宁;李文昊;张金珠;
石河子大学水利建筑工程学院,新疆石河子832000 现代节水灌溉兵团重点实验室,新疆石河子832000 农业农村部西北绿洲节水农业重点实验室,新疆石河子832000
农业工程
蒸散量棉花极端梯度提升树模型鲸鱼优化算法预测模型
《排灌机械工程学报》 2024 (012)
P.1280-1286 / 7
兵团重大科技项目(2021AA003);国家重点研发计划项目(2022YFD1900405,2021YFD19008003);国家自然科学基金资助项目(52279040);石河子大学高层次人才项目(RCZK202319)。
评论