我发现许多研究人员使用机器学习技术和算法来计算蒸散量，而Penmann - Monteith方程也给出了结果。这是不是说我们不再需要Penmann方程了?
下面是一个研究样本:
https://lahore.comsats.edu.pk/Papers/Abstracts/1210-8586787794296626450.pdf
https://www.tandfonline.com/doi/pdf/10.1623/hysj.54.5.918
谢谢
\ begingroup美元
\ endgroup美元
5
-
\ begingroup美元 你能举例说明有哪些论文是这样使用机器学习技术的吗?我的假设是，这是由于地面热通量，这是很难测量的。 \ endgroup美元- - - - - -BarocliniCplusplus2019年7月23日16:04
-
\ begingroup美元 嗨，我刚刚编辑了我的问题，并添加了一个论文链接。谢谢。 \ endgroup美元- - - - - -Tessnim2019年7月24日7点19分
-
\ begingroup美元 我个人认为，仅从ML估计etp可能不是一个非常创新的研究思路，但由于蒸散量在水平衡中起着重要作用，而水平衡可以得到所有主要的水文过程，特别是在流域尺度上，在机器学习流域尺度水文模型中结合/包括蒸散量可能是有用的。例如，在基于机器学习的模型中，它可以用来维持水平衡。 \ endgroup美元- - - - - -皮革、皮革制品Cheema2019年8月2日16:52
-
\ begingroup美元 假设你提到的Penmann方程和ML模型都估计相同的变量(例如实际ETP)，那么可能有两个因素使其中一个比另一个更有用:它们使用的输入变量，以及它们提供的估计精度。理想的情况是有一个模型，可以用现成的输入变量(特征)估计ETP，并证明它具有“良好的”估计精度。我认为我们需要对他们的表现进行大规模的诚实/客观和全面的评价，最后进行投票。 \ endgroup美元- - - - - -此前阿玛尼2021年8月7日15:26
-
\ begingroup美元 作为一名研究人员，我可能做错的一件事是在ML模型训练的位置/站点上比较(测试)经验公式与ML模型的准确性。然后，我的结果(可能)将显示出ML模型的巨大优势。 \ endgroup美元- - - - - -此前阿玛尼2021年8月7日15:30
添加评论
|