论文部分内容阅读
本文在用有限的气候资料估算实际作物蒸发蒸腾量（ET）时，检验到人工神经网络（ANN）的潜力。研究采用RBF（径向基函数）人工神经网络计算水稻日蒸发蒸腾量。六个RBF网络，每个均根据气候的变化采用不同的输入值，进行网络训练和测试。该模型估算结果与蒸渗仪测量结果比较，清楚显示了ANN方法的成熟程度。本文提出了采用人工神经网络方法用空气温度计算作物蒸发蒸腾量，然而本研究利用的仅是一段有限时间内的单一作物数据。因此，本理论在更多种类作物及天气条件下的应用研究，有待进一步加强。