基于VMD-BO-SVM框架的渭河流域参考作物蒸散量估算

摘要

为实现气象资料缺乏情况下渭河流域参考作物蒸散发量（reference crop evapotranspiration,E T0）的高精度预测，基于变分模态分解（variational mode decomposition,VMD）、贝叶斯优化算法（Bayesian optimization,BO）和支持向量机（support vector machines,SVM）构建一个新颖的E T0预测框架（VMD-BO-SVM,VBS）。该框架融合了分解、优化、训练和预测4个步骤，以多气象要素构成的交叉验证数据集作为输入，计算E T0值。利用2000-2015年渭河流域16个气象站点逐日气象资料训练和测试VBS，并与传统的SVM模型对比。结果表明：VBS能够有效捕捉气象因子与ET0之间的复杂非线性关系，有较高的模拟精度；在数据缺失的情况下,16个VBS子模型仍可提供稳定且精确的ET0（均方根误差和决定系数的范围分别为0.31～0.35 mm/d和0.95～0.96），其性能优于SVM模型。因此，所提出的VBS框架可作为气象资料匮乏情境下渭河流域ET0计算的理想模型，为该地区农业供水管理和调度提供科学依据。

关键词

渭河流域 / 参考作物蒸散发量 / 变分模态分解 / 贝叶斯优化 / 支持向量机