基于气温预报和神经网络的参考作物腾发量预报

采用反向传播人工神经网络(BP-ANN)逼近气象因子—参考作物腾发量ET0函数关系,以天气预报中的最高和最低气温为输入进行短期ET0预报.收集了南京站实测的2010年7月1日至2013年7月7日逐日气象数据和2012年7月1日至2013年6月30日逐日对未来7d的气象预报数据,以最高、最低气温及相应的日序数为3个输入因子,ET0为输出建立一个包含一个隐含层的3层BP网络,以2010年7月1日至2012年6月30日实测气象数据及通过FAO-56PM公式计算的ET0进行网络,以2012年7月1日至2013年6月30日实测气象数据及通过FAO-56PM公式计算的ET0进行网络验证.将2012年7月1日至2013年6月30日逐日对未来7d的气象预报中的最高、最低气温输入训练及验证后的网络,得到2012年7月1日至2013年6月30日逐日对未来7d的ET0预报值,并与FAO-56PM公式计算的ET0值进行比较以验证预报精度.结果表明,预见期1～7 d内,预报的ET0和计算的ET0变化趋势基本一致,预报精度随着预见期的增加而降低;平均准确率(±1.5 mm/d以内)达88.08％,相关系数为0.77,均方根误差为1.28mm/d,显示出了较高的预报精度.在局部时间段内出现的ET0,PM和预报ET0的较大差别的原因是该时段内的ET0更多地受到除了日最高和最低气温之外的其他因素的影响.提出的方法ET0预报,随着气象预报准确度的提高,可实现较为精确的ET0预报.