姚顺秋，闫晓惠

(1.大连市庄河水利建筑勘测设计院，辽宁 大连 116400；2.加拿大渥太华大学工学院，安大略 渥太华 K1N6N5)

估算作物需水量是农业水利工程规划与设计中的关键环节[1- 2]，而作物需水量的估算主要是基于参考作物腾发量(ET0)的计算。因此，ET0的预报对水资源的精细化配置与管理工作具有非常重要的意义[3]。ET0的估算方法中较为简单的是直接估算法，即对历史ET0资料进行数据分析，并以此推测未来的ET0变化过程。近年来，全球气候变化显著，历史数据规律已经很难准确描述未来的水文气象变化趋势，因此直接估算法难以满足当前的精准化水资源管理要求。

间接估算法的原理是采用基于实际物理原理的ET0计算模型和气象预报数据进行ET0的计算，得益于气象预测能力的不断提高，间接估算法目前得到了大量的关注与研究。例如，刘梦等[4]采用天气预报数据对漳河灌区的参考作物腾发量进行了预报研究，徐俊增等[5]也对基于天气预报的参考作物腾发量预报方法进行了比较。近期，闫晓惠等[6]采用Penman-Monteith模型、全球气候变化模式和降尺度法对加拿大渥太华、温哥华等6个城市的逐日ET0进行了预报，取得良好的预报精确度。但是，该方法一方面对数据要求较高，另一方面也需要较为繁杂的降尺度操作，限定了其广泛的应用。随着人工智能与机器学习技术的不断进步，采用人工智能算法来推演模型成为重要的技术手段。近年来，闫晓惠等[7- 9]成功将人工智能与机器学习技术引入到不同的水资源相关应用中，且证明该项技术在水利领域中具有非常明显的优势。……