摘要：为有效提高西北旱区参考作物蒸散量（Reference crop evapotranspiration,ET0）预报精度,在西北旱区选择5个代表性气象站点,构建10种基于思维进化算法（Mind evolutionary algorithm,MEA）优化的误差反向传波神经网络（Back propagation neural network,BPNN）ET0预报模型,并将其与Hargreaves-Samani模型、Irmak模型和48-PM模型等3种在西北旱区ET0计算精度较高的模型进行比较。结果表明：在不同输入的情况下MEA-BPNN模型模拟精度具有相对较高水平,其中MEA-BPNN1（输入最高气温Tmax、最低气温Tmin、相对湿度RH、日照时数n和距地面2 m高处的风速u2）、MEA-BPNN2（输入Tmax、Tmin、n和u2）及MEA-BPNN3（输入Tmax、Tmin、RH和u2）模型的R2、NSE均大于0.96,RMSE、MAE也分别小于0.34、0.25 mm/d,以上3种MEA-BPNN模型的整体评价指标（Global performance indicator,GPI）排名分别为1、2、3;MEA-BPNN7（输入Tmax、Tmin和u2）的R2、NSE分别为0.966 2、0.962 2,RMSE、MAE分别为0.361 0、0.276 1 mm/d,模拟精度较高;MEA-BPNN模型可移植性的分析表明：MEA-BPNN模型在西北旱区具有较强的泛化能力,基于不同站点数据构建的预报模型也有较高精度;在相同输入情况下MEA-BPNN模型模拟精度均高于Hargreaves-Samani模型、Irmak模型和48-PM模型。因此,在气象资料缺乏情景下MEA-BPNN模型可作为西北旱区ET0计算的推荐模型,可为实时精准灌溉预报的实现提供科学依据。

关键词：参考作物蒸散量 预报模型 思维进化 神经网络 西北旱区 

单位：四川大学水力学与山区河流开发保护国家重点实验室; 成都610065; 南方丘区节水农业研究四川省重点实验室; 成都610066; 中国农业科学院农业环境与可持续发展研究所作物高效用水与抗灾减损国家工程实验室; 北京100081; 中国气象局成都高原气象研究所; 成都610071