基于Stacking集成学习模型的苹果树逐日蒸散量模拟研究

王娜娜; 毕远杰; 何苗; 郭向红; 雷涛

doi:10.20040/j.cnki.1000-7709.2024.20230661

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于Stacking集成学习模型的苹果树逐日蒸散量模拟研究

农田水利工程及水土保持 | 更新时间：2026-02-25

- 基于Stacking集成学习模型的苹果树逐日蒸散量模拟研究
- 基于Stacking集成学习模型的苹果树逐日蒸散量模拟研究
- 水电能源科学 2024年第2期页码：207-211
- 作者机构：
  
  太原理工大学水利科学与工程学院
- 作者简介：
- 基金信息：
  
  山西省基础研究计划项目(202203021211149);山西省水利科学技术研究与推广项目(2022GM012)
- DOI：10.20040/j.cnki.1000-7709.2024.20230661
  中图分类号： S661.1
- 纸质出版：2024
- 稿件说明：
移动端阅览
王娜娜, 毕远杰, 何苗, 等. 基于Stacking集成学习模型的苹果树逐日蒸散量模拟研究[J]. 水电能源科学, 2024,(2):207-211.

王娜娜, 毕远杰, 何苗, et al. 基于Stacking集成学习模型的苹果树逐日蒸散量模拟研究[J]. 2024, (2): 207-211.
王娜娜, 毕远杰, 何苗, 等. 基于Stacking集成学习模型的苹果树逐日蒸散量模拟研究[J]. 水电能源科学, 2024,(2):207-211. DOI： 10.20040/j.cnki.1000-7709.2024.20230661.

王娜娜, 毕远杰, 何苗, et al. 基于Stacking集成学习模型的苹果树逐日蒸散量模拟研究[J]. 2024, (2): 207-211. DOI： 10.20040/j.cnki.1000-7709.2024.20230661.

摘要

为准确模拟苹果树逐日蒸散量，以支持向量机(SVM)、多层感知机(MLP)、随机森林(RF)和梯度提升决策树(GBDT)为初级学习器，以多元线性回归(MLR)为次级学习器，基于Stacking策略建立集成学习模型(LSM)

将LSM模型的模拟精度与MLR、SVM、MLP、RF、GBDT模型的模拟精度进行对比。结果表明，影响苹果树蒸散量的主要因子为日平均太阳辐射、相对湿度、风速、温度和日序数，最大互信息值分别为0.97、0.72、0.63、0.62、0.60

表层土壤温度及土壤含水率对蒸散量的影响较小。相比于MLR、SVM、MLP、RF、GBDT模型，LSM模型的模拟精度最高，MLR模型的模拟精度最低；使用日平均太阳辐射、相对湿度、风速、温度及日序数5个特征参数在准确模拟苹果树蒸散量的同时，还能降低特征的获取成本。研究结果可为苹果树逐日蒸散量的精准模拟提供有效方法。

Abstract

关键词

Keywords

references

颜小飞,郭秀吉,孙龙飞.基于机器学习算法的万家寨水库排沙预测研究[J].水电能源科学,2023(03).

段雅楠,梁忠民,赵建飞,仇知雨,李彬权.基于Stacking集成框架的水文模型组合预报研究[J].水电能源科学,2022(09).

陈志君,朱振闯,孙仕军,王秋瑶,苏通宇,付玉娟.Stacking集成模型模拟膜下滴灌玉米逐日蒸散量和作物系数[J].农业工程学报,2021(05).

吴辰,王国庆,郝振纯,谷一,刘佩瑶,杨勤丽.长武塬区实际蒸散发变化及驱动因素分析[J].水资源与水工程学报,2017(05).

Martín Juan,Sáez José A.,Corchado Emilio.On the suitability of stacking-based ensembles in smart agriculture for evapotranspiration prediction[J].Applied Soft Computing Journal,2021.

Sevim Seda Yamaç,Mladen Todorovic.Estimation of daily potato crop evapotranspiration using three different machine learning algorithms and four scenarios of available meteorological data[J].Agricultural Water Management,2020.

浏览量

184

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进彭曼公式的灌溉需水量短期预测及验证

基于多源气象资料与机器学习的降水数据质量控制方法研究

CEEMDAN分解与机器学习耦合模型在林海水库入库径流预报中的多尺度适用性分析

大型水轮发电机定子绕组温度智能预测方法

基于Stacking集成框架的预报降水统计后处理研究