TY -的A2 -江,志超盟——Aghelpour Pouya盟——Bahrami-Pichaghchi Hadigheh盟——Karimpour Farzaneh PY - 2022 DA - 2022/07/12 TI -估计每日水稻作物蒸散在有限的气候数据和利用软计算算法延时,RBF, GRNN,和GMDH SP - 4534822六世- 2022 AB -蒸散代表植物的需水量在生长季节,和它的精确测量在农场农业水规划者和管理者是至关重要的。现场测量土壤水分蒸发蒸腾损失总量一直与许多困难,使研究人员寻求一种远程测量该组件在园艺和农业领域。本研究旨在探讨一种间接方法每日水稻作物蒸散(等)测量机器学习(ML)技术和可用性最低的气候变量。为此,每日气象变量得到从三个地面气象站在伊朗北部的水稻种植地区在2003 - 2016。等利率被七个气象变量,计算了FAO-56 Penman-Monteith方程,和地区校准水稻作物系数视为参考数据。美国职业足球大联盟,包括多层感知器(MLP)、径向基函数(RBF),广义回归神经网络(GRNN)和组的数据处理方法(GMDH),利用等建模。不同的输入组合应用,基于使用最低有效的变量作为输入。结果表明,该模型显示最准确的表演四个气候变量的输入组合:日照时间,最高温度,相对湿度,风速。调查的准确性在水稻生长阶段模型表明,最小的估计误差属于初始成长阶段,这增加了球员在中期和增长阶段。比较的模型表明,GMDH模型对其他竞争对手表现得更好。 For this model, both the Nash-Sutcliffe (NS) coefficient and R ²大于0.98,均方根误差(RMSE)介于0.214和0.234毫米之间每天站。目前大米蒸散建模的方法展示出了有前景的结果只有四个常见的气象变量,可以可靠地申请这个变量的间接测量水稻农场。研究方法将大米和其他作物的研究价值,相似/不同的气候条件。SN - 1076 - 2787你——https://doi.org/10.1155/2022/4534822——10.1155 / 2022/4534822 JF - PB - Hindawi KW - ER -复杂性