农业水土工程
曹缘1, 2, 3, 王振华1, 2, 3, 张继红1, 2, 3, 刘宁宁1, 2, 3, 李文昊1, 2, 3, 张金珠1, 2, 3
为了科学准确地预测膜下滴灌棉花蒸散量,基于鲸鱼优化算法(whale optimization algorithm,WOA)和极端梯度提升树(XGBoost),提出了WOA-XGBoost棉花蒸散量预测模型.采用最大互信息系数(maximal information coefficient,MIC)筛选影响棉花蒸散发的关键因素,依据相关系数排序构建输入组合,代入WOA-XGBoost模型进行模拟.并与XGBoost,SVM,WOA-SVM和PSO-XGBoost预测结果进行对比验证.结果表明:太阳辐射、最低气温、最高气温、相对湿度、风速和土壤温度与棉花蒸散量相关性较大,MIC值分别为0.722,0.546,0.496,0.475,0.379和0.219,基于上述6个因素构建的WOA-XGBoost模型综合性能最优,R2, MAE, RMSE和MAPE分别为0.922,0.038 mm/h,0.064 mm/h和0.221,预测精度均优于相同输入参数下的其他4种模型.因此,推荐使用WOA-XGBoost模型模拟相关因素与膜下滴灌棉花蒸散量之间的非线性关系.研究可为膜下滴灌棉花蒸散量精确计算提供科学依据,为灌溉决策优化提供参考.