陈志月，吴立峰，刘小强，伍周睿，董建华

(1.南昌工程学院 鄱阳湖流域水工程安全与资源高效利用国家地方联合工程实验室，江西 南昌 330099；2.河海大学 水文水资源学院，江苏 南京 210098；3.西北农林科技大学 旱区农业水土工程教育部 重点实验室，陕西 杨凌 712100；4.昆明理工大学 农业与食品学院，云南 昆明 650500)

1 研究背景

水面蒸发量的确定在水资源计算中具有不可替代的作用，流域水资源评价、水库水量计算和农田灌溉制度制定等都必须参考水面蒸发量。在我国，通常采用E601蒸发皿(直径60 cm)和 E20 蒸发皿(直径20 cm)直接测量水面蒸发量。20世纪以来人类活动导致全球变暖，气候变化受到越来越多的关注，许多学者指出蒸发皿蒸发量的观测值并没有随着大气温度的升高而增加，反而呈现下降的趋势[1-3]，并把这种现象称为“蒸发悖论”[4]。研究证明“蒸发悖论”的原因在于只是简单地建立气温与水面蒸发量的联系，而实际上风速、相对湿度、太阳辐射、水汽压、日照时数等气象因子均为影响水面蒸发量的主要因素[5-7]。为了全面认识气象因子与水面蒸发量的相关关系，并确定在一定气候条件下影响水面蒸发量的主导因子，有些学者利用机器学习模型预测流域水面蒸发量，通过不断地优化输入参数来提高模型预测精度。

近年来，随着人工智能算法的快速发展，越来越多的机器学习模型被提出并应用于估算蒸散发，如人工神经网络[8]、支持向量机[9]、多层感知器[10]、广义回归神经网络[11]、自适应神经模糊推理系统[12]和极限学习机[13]等，这些机器学习模型在处理自变量与因变量之间的非线性关系方面具有强大的功能。……