基于机器学习方法发展的蒸发皿蒸发建模
科普物理
2021-10-12 v1 人工智能
机器学习
摘要
为有效规划和管理水资源并实施相关策略，确保对蒸发损失的恰当估计十分重要，尤其在易旱地区。气候因子的变化，如温度、风速、日照时数、湿度和太阳辐射的变化，会对蒸发过程产生显著影响。因此，蒸发是一个高度非线性、非平稳的过程，基于气候因子难以建模，尤其在不同农业气候条件下。因此，本研究旨在探讨若干机器学习（ML）模型（条件随机森林回归、多元自适应回归样条、装袋多元自适应回归样条、Model Tree M5、K-近邻以及加权 K-近邻）用于月度蒸发皿蒸发估计建模的可行性。本研究提出在伊拉克地区三个不同地点基于当地可用气候数据发展新探索的 ML 模型来建模蒸发损失。基于多种评价标准对拟议模型性能的评估表明，与本研究用作基准的其他现有模型相比，所提出的加权 K-近邻模型能以更好精度建模研究区的月度蒸发损失。
引用
@article{arxiv.2110.04749,
title = {Modeling of Pan Evaporation Based on the Development of Machine Learning Methods},
author = {Mustafa Al-Mukhtar},
journal= {arXiv preprint arXiv:2110.04749},
year = {2021}
}