张 帅，魏正英，张育斌，蔚磊磊，简 宁

(西安交通大学机械制造系统工程国家重点实验室，西安 710054)

0 引 言

水资源是基础性的自然资源和重要的战略资源。我国是一个水资源严重短缺的国家，水资源供需矛盾突出仍然是可持续发展的主要瓶颈。农业是用水大户，但用水效率不高，节水潜力巨大。作物需水量是农业生产中最重要的因素之一，而作物蒸散量是计算作物需水量的关键，因此寻找一种合理方法来预测作物蒸散量，用于指导作物的灌溉，对于促进水资源可持续利用、保障国家粮食安全、加快转变经济发展方式有着重要的意义。传统的作物蒸散量计算利用经验公式求得，但是由于公式所需参数较多，计算过程较复杂，ET0受气象因素影响很大，对于ET0的计算可以看作是气象因素非线性关系的回归分析[1]，气象数据和农业息息相关，人工往往很难得到隐藏在数据背后的知识，因此引入了数据挖掘技术，结合近年来取代神经网络等传统机器学习方法的新的算法—随机森林，它的运算速度很快，具有很高的预测准确率，在处理气象这样的大数据时表现十分优异。BP神经网络和SVM容易出现过拟合，很难全局最优解，尤其是它们对缺失的数据很敏感，从而降低了精度，而随机森林通过对许多弱学习器组合产生出强学习器，对于缺失的气象参数仍然可以维持很高的准确度。

本文利用西安市1992-2014年逐日气象数据资料[2]，以气象参数作为模型的……