基于改进BP神经网络的农田参考作物蒸散量预测方法

摘要

本发明公开了一种基于改进BP神经网络的农田参考作物蒸散量预测方法，该方法包括根据天气预报信息获取农田参考作物生长环境的气象数据，并采用PM法计算农田参考作物蒸散量；构建训练集和测试集，并进行预处理；采用LM算法构建考虑降雨因素的BP神经网络模型，并进行训练优化；利用优化后的BP神经网络模型根据测试集气象数据预测农田参考作物蒸散量。本发明利用LM算法构建考虑降雨因素的BP神经网络模型，并将农田参考作物蒸散量作为实测值对模型进行训练优化，提高了模型的收敛程度和计算速度，有效构建了农田参考作物蒸散量与其驱动因素之间的非线性关系，从而显著提高农田参考作物蒸散量的预测精度和预测效果。