TY -的A2 -徐,宏磊AU - Hameed,默罕默德·马吉德AU - AlOmar,穆罕默德•哈立德AU -穆罕默德Razali提一盟-卡里姆•穆罕默德Abd AU - Baniya, Wajdi贾比尔盟——Sharafati Ahmad盟——AlSaadi穆罕默德Abdulhakim PY - 2021 DA - 2021/08/24 TI -应用人工智能土壤水分蒸发蒸腾损失总量预测模型在土耳其的南部海岸SP - 8850243六世- 2021 AB -参考蒸散 等 o 最重要的因素之一是水文循环,因为它有很大的影响在水资源规划和管理,农业和灌溉管理和其他进程在水文部门。在这项研究中,一个有效的和地方建立预测模型来预测每月的意思 等 o t 土耳其从35位置根据收集到的数据。为此,二十输入组合包括水文、地理参数介绍了三种不同的方法被称为多元线性回归 高钙 ,随机森林 射频 和极端的学习机器 榆树 。此外,在这项研究中,大调查,涉及60模型的建立及其评估使用十统计措施。本研究的结果显示ELM方法实现高精度估计依照Penman-Monteith公式等与其他模型相比 高钙 和 射频 。此外,在10统计措施中,不确定性在95% U 95年 指示器显示一个优秀的能力来选择最好的和最有效的预测模型。的优越性 榆树 月平均的预测 等 o 在 高钙 和 射频 方法是减少的 U 95年 参数为49.02%和34.07% 射频 和 高钙 模型,分别。此外,它可以发展当地的预测模型在计算机的帮助下估计 等 o 使用最简单和最廉价的气象和地理变量与可接受的精度。SN - 1076 - 2787你——https://doi.org/10.1155/2021/8850243——10.1155 / 2021/8850243 JF - PB - Hindawi KW - ER -复杂性