Laaboudi A、Mouhouche B 和 Draoui B
蒸散量是水文循环的基本组成部分之一,对于估算灌溉用水需求至关重要。近十年来,人工神经网络 (ANN) 在参考蒸散量估算中的应用引起了极大的兴趣。本文介绍了使用神经网络技术在不同情况下提高参考蒸散量估算准确性的结果。由于神经网络被证明是非线性函数的简约通用近似器,我们利用这一特性在缺乏气象参数和不同时间步长的情况下建立了各种模型。FAO-56 Penman-Monteith 方程 (PM) 用于计算参考蒸散量值。研究表明,即使担心共线性风险,神经网络技术也能执行最佳模型,并通过选择适当的架构提供最佳结果。它们能够降低均方根误差和平均绝对相对误差值,同时最大化 Nash-Sutcliffe 效率和系数确定值。