基于类别特征编码的参考作物蒸散量预报模型 |
| |
引用本文: | 吴天傲,李江,张薇,郭维华,缴锡云.基于类别特征编码的参考作物蒸散量预报模型[J].应用基础与工程科学学报,2022(6):1402-1419. |
| |
作者姓名: | 吴天傲 李江 张薇 郭维华 缴锡云 |
| |
作者单位: | 1. 河海大学水文水资源与水利工程科学国家重点实验室;2. 河海大学农业科学与工程学院 |
| |
基金项目: | 国家自然科学基金项目(52009030);;江苏省研究生科研创新计划(KYCX21_0537); |
| |
摘 要: | 为提高基于天气预报的参考作物蒸散量(ETo)预报模型精度,通过引入序数(ORD),独热(O-H),目标(TAR)和CatBoost(CAT)4种编码方法对天气类型和风力等级进行数值化处理,结合Light Gradient Boosting Decision Machine(LGB)算法构建了基于天气预报类别特征的ETo预报模型.结果表明,同时引入编码处理的天气类型和风力等级数据可以有效提升LGB3模型精度(R2较LGB1提升-0.97%~9.36%),提升排名为O-H>CAT>TAR>ORD.单独引入天气类型数据的LGB4能够获得与LGB3模型相近的精度,而单独引入风力等级对LGB5模型精度贡献不显著,甚至可能会引入噪声而降低精度.因此采用O-H编码处理天气类型和风力等级数据扩展输入维度,可以提高模型精度,适用于缺少气象站或数据种类不全地区的ETo精准预测.
|
关 键 词: | 参考作物蒸散量 天气预报 机器学习 数据预处理 类别特征编码 |
|
|