樊湘鹏，许 燕,*，周建平，李志磊

(1.新疆大学 机械工程学院，新疆 乌鲁木齐 830047；2.新疆大学 工程训练中心，新疆 乌鲁木齐 830047)

0 引言

参考作物腾发量(ET0)作为获取作物需水状况的重要根据，其对于制定中长期的农业需水预测与水文规划具有重要的指导意义[1]。针对ET0的计算，国内外专家学者提出经验公式法、水汽扩散法、能量平衡法和综合法等计算模型[2]，国际备受推崇的Penman-Monteith公式既包含了作物的生理特征，又将空气动力学参数作为计算因子，在多种不同气候条件和不同类型的地区都有较高精度的验证[3-4]。由于P-M公式在计算时要求气象条件多，在面积广阔和天气极端的地区尤其是在新疆地区同时测量这些气象数据是非常困难的，该公式受到一定的限制[5]。因此若要准确计算ET0值或需要对ET0未来变化趋势进行预测时就需要利用精度较好、能够准确反映ET0在作物生长期内变化的预测模型来代替基于数值计算而建立的P-M公式模型[6]。

近年来，针对人工智能和数据挖掘的研究不断深入，如最小二乘支持向量机[7-8]、基因编程、自适应模糊神经推理系统[9-11]和人工神经网络[12-16]等被引入水文科学非线性系统的数据预测研究中，比传统的灰色预测、回归拟合等更有优越性[17-18]，国内外学者针对数据挖掘展开的ET0的预测模型或方法在精度方面可以满足应用，但从ET0的物理因素上来看，由于四季更替与昼夜变化，气候与环境表现出周期性的非平稳特性，ET0在时域上也具有冬春小、夏秋大的周期性年际变化特点[19]，若不采取有效的处理办法降低时间序列的非平稳特性，在进行建模过程中很难保证精确的预测结果和良好的收敛性能。……