TY -的A2 Rathnayake Upaka AU - Al Sudani Zainab Abdulelah AU -萨勒姆,Golam萨利赫Ahmed PY - 2022 DA - 2022/02/21 TI -蒸发率预测使用先进的机器学习模型:一个比较研究SP - 1433835六世- 2022 AB -准确地估算蒸发损失的金额为调度和计算灌溉用水需求是必要的。在这项研究中,四个机器学习(ML)的建模方法,极端学习机(ELM),梯度增加机器(GBM),分位数随机森林(QRF)和高斯过程回归(GPR),开发了估计每月蒸发损失在两站位于伊拉克。每月史前植物参数作为输入变量用于模拟蒸发率。几个统计措施(例如,平均绝对误差(MAE)、相关系数( R),平均绝对百分误差(日军),和修改协议(Md)指数),以及图形检查,被用来比较应用的性能模型。结果表明,“绿带运动”模型具有更好的性能在预测每月蒸发两站与其他应用模型。第一案例研究在迪亚拉省,结果显示预测增强的美和RMSE 7.17%, 21.01%;16.51%、15.74%;和23.14%,26.64%;使用“绿带运动”相比,榆树,探地雷达和QRF,分别。然而,对于第二个案例研究(在埃尔比勒),提高了预测增强减少美和RMSE 10.88%, 9.24%;15.24%、5%;和16.06%,15.76%;分别,而榆树、探地雷达、QRF模型。 The results of the proposed GMBM model can therefore assist local stakeholders in the management of water resources. SN - 1687-9309 UR - https://doi.org/10.1155/2022/1433835 DO - 10.1155/2022/1433835 JF - Advances in Meteorology PB - Hindawi KW - ER -