为了进一步推动数值天气预报在智慧灌溉预报方面的应用，本书选取了中国五大气候区14个气象站点2020~2022年的数值天气预报数据，设置不同的预报尺度，研究了1~56d中长期数值天气预报在不同时间尺度的准确性，利用渐近曲线交叉法得出了预报精度较为合理的数值天气预报尺度。主要内容包括：气候区域与研究方法、中长期数值天气预报准确性分析、BP神经网络模型在ET0预报中的应用、Prophet模型和ARIMA模型在ET0预测中的应用、XGBoost模型和CatBoost模型在ET0预测中的应用、基于信息熵的混合模型在ET0预测中的应用、数值天气预报在灌溉预报中的应用等。 本书可供水利与农业科研院所研究人员、水利行业从业者、灌区管理人员及大专院校相关专业的研究生阅读参考。

前言
第一章 概述
第一节 数值天气预报的准确性研究进展
第二节 反向传播网络模型研究进展
第三节 时间序列模型研究进展
第四节 极限梯度提升树模型研究进展
第五节 信息熵混合模型研究进展
第二章 气候区域与研究方法
第一节 站点选择与数据来源
第二节 基于温度和辐射的ET0估算模型
第三节 BP神经网络模型介绍
第四节 时间序列模型介绍
第五节 梯度提升决策树模型介绍
第六节 基于信息熵的混合模型介绍
第七节 评价指标选择
第三章 中长期数值天气预报准确性分析
第一节 中长期天气预报年度指标预测精度
第二节 中长期天气预报精度的季节性差异
第三节 中长期天气预报合理预报尺度的确定
第四章 BP神经网络模型在ET0预报中的应用
第一节 输入参数的选择
第二节 BP神经网络模型与GABP神经网络模型预测精度的比较
第三节 BP神经网络模型与GABP神经网络模型估算ET0的季节性差异
第五章 Prophet模型和ARIMA模型在ET0预测中的应用
第一节 Prophet模型时间序列的分解
第二节 ARIMA模型参数优化与预测精度
第三节 Prophet模型和ARIMA模型ET0预测精度比较
第六章 XGBoost模型和CatBoost模型在ET0预测中的应用
第一节 输入参数对模型预测的影响
第二节 XGBoost模型和CatBoost模型预测精度比较
第七章 基于信息熵的混合模型在ET0预测中的应用
第一节 单一线性模型和SVR模型的预测精度
第二节 混合模型的预测精度
第三节 单一模型与混合模型预测精度比较
第八章 数值天气预报在灌溉预报中的应用
第一节 黄淮海地区土壤含水量分布状况
第二节 黄淮海地区土壤相对含水量预测
第三节 黄淮海地区1~7d灌溉时间及灌溉量预测
参考文献