[1] Li LJ, Song XY, Xia L, et al. Modelling the effects of climate change on transpiration and evaporation in natural and constructed grasslands in the semi-arid Loess Plateau, China. Agriculture, Ecosystems and Environment, 2020, 302: 107077 [2] 王志超, 许宇星, 竹万宽, 等. 雷州半岛尾叶桉和湿加松人工林的蒸腾耗水规律. 生态学报, 2019, 39(6): 2147-2155 [3] 刘崴, 魏天兴, 朱清科. 半干旱黄土丘陵区河北杨和油松生长季树干液流特征. 浙江农林大学学报, 2018, 35(6): 1045-1053 [4] 陈绍民, 李晓丽, 杨启良, 等. 基于机器学习的遮荫设施内参考作物蒸散量估算. 农业工程学报, 2022, 38(11): 108-116 [5] 喻臻钰, 杨昆, 罗毅, 等. 基于深度神经网络算法的水体透明度反演方法. 生态学报, 2021, 41(6): 2515-2524 [6] 王园媛, 李晓菲, 陈涛, 等. 云南省水稻白叶枯病BP神经网络测报技术研究. 云南农业大学学报: 自然科学版, 2013, 28(2): 257-263 [7] 李辉东, 关德新, 袁凤辉, 等. BP人工神经网络模拟杨树林冠蒸腾. 生态学报, 2015, 35(12): 4137-4145 [8] Li L, Chen SW, Yang CF, et al. Prediction of plant transpiration from environmental parameters and relative leaf area index using the random forest regression algorithm. Journal of Cleaner Production, 2020, 261: 121136 [9] 贾悦, 苏永军, 张冉, 等. 气象资料受限条件下BP神经网络优化模型模拟参考作物蒸散量: 以京津冀地区为例. 中国农业气象, 2022, 43(1): 1-16 [10] 章贤成, 汪金涛, 陈新军. 基于BP神经网络的阿根廷滑柔鱼资源CPUE标准化研究. 渔业科学进展, 2022, 43(2): 11-20 [11] 李继清, 王爽, 吴月秋, 等. 径流预报的极点对称模态分解-Elman网络模型. 水力发电学报, 2021, 40(7): 13-22 [12] 张皓杰, 崔宁博, 徐颖, 等. 基于ELM的西北旱区参考作物蒸散量预报模型. 排灌机械工程学报, 2018, 36(8): 779-784 [13] 张念, 崔宁博, 赵璐, 等. 基于PSO-ELM的温室梨枣树液流量模拟. 灌溉排水学报, 2019, 38(8): 1-8 [14] 贾美慧, 李丽娟, 任姣姣, 等. 多胶接缺陷太赫兹检测信号的PSO-BP神经网络识别. 光子学报, 2021, 50(9): 193-202 [15] 孟彩霞, 吴迪, 雷雨. 基于麻雀搜索算法优化的BP神经网络卫星钟差预报. 大地测量与地球动力学, 2022, 42(2): 125-131 [16] 胡建华, 黄宇龙, 张坚, 等. 基于麻雀搜索算法优化双隐含层BP神经网络的张力减径钢管壁厚预测. 塑性工程学报, 2022, 29(8): 145-151 [17] 柳利利, 韩磊, 高阳, 等. 宁夏河东沙区刺槐和丝绵木水分利用策略. 生态学报, 2023, 43(2): 812-825 [18] 周翠鸣, 顾大形, 赵平, 等. 液流径向变化对尾巨桉单株日蒸腾量估算的影响. 应用生态学报, 2017, 28(8): 2445-2451 [19] 韩磊, 何俊, 齐拓野, 等. 宁夏河东沙区侧柏冠层气孔导度对环境因子的响应及其模拟. 生态学杂志, 2018, 37(9): 2862-2868 [20] Granier A. Evaluation of transpiration in a Douglas-fir stand by means of sap flow measurements. Tree Physio-logy, 1987, 3: 309-320 [21] 徐定建. 一种基于主成分分析改进的PSO-BP神经网络赤潮预测模型. 测绘通报, 2021(增刊2): 234-240 [22] Xue J, Shen B. A novel swarm intelligence optimization approach: Sparrow search algorithm. Systems Science & Control Engineering, 2020, 8: 22-34 [23] Mirchandani G, Cao W. On hidden nodes for neural nets. IEEE Transactions on Circuits and Systems, 1989, 36: 661-664 [24] Garson GD. Interpreting neural-network connection weights. AI Expert, 1991, 6: 46-51 [25] 张瑞婷, 杨金艳, 阮宏华. 树干液流对环境变化响应研究的整合分析. 南京林业大学学报:自然科学版, 2022, 46(5): 113-120 [26] 王瑞辉, 马履一, 奚如春, 等. 元宝枫生长旺季树干液流动态及影响因素. 生态学杂志, 2006, 25(3): 231-237 [27] 贾国栋, 陈立欣, 李瀚之, 等. 北方土石山区典型树种耗水特征及环境影响因子. 生态学报, 2018, 38(10): 3441-3452 [28] 李波, 郑思宇, 魏新光, 等. 东北寒区日光温室葡萄液流特征及其主要环境影响因子研究. 农业工程学报, 2019, 35(4): 185-193 [29] 陈琪, 李远航, 王琼琳, 等. 基于Penman-Monteith模型分时段模拟华北落叶松日蒸腾过程. 中国水土保持科学, 2019, 17(5): 54-64 [30] 麦合木提·图如普, 周伟权, 丁想, 等. 吐鲁番盆地杏树树干液流变化特征及其对环境因子的响应. 生态学杂志, 2021, 40(8): 2378-2387 [31] 夏银华, 章新平, 戴军杰, 等. 亚热带季风区樟树蒸腾与气象因子之间的时滞效应. 水土保持学报, 2021, 35(5): 194-203 [32] 张庆玉, 董晓华, 葛亮, 等. 基于人工神经网络的柑橘树日间蒸腾速率精细模拟与预测. 植物生理学报, 2020, 56(3): 489-500 [33] 谢家兴, 高鹏, 孙道宗, 等. 基于长短期记忆的柑橘园蒸散量预测模型. 农业机械学报, 2020, 51(增刊2): 351-356 [34] 韩永贵, 高阳, 韩磊, 等. 基于模糊规则的人工神经网络模拟新疆杨蒸腾耗水. 应用生态学报, 2020, 31(5): 1525-1534 [35] 冯培存, 魏正英, 张育斌, 等. 基于思维进化算法优化BP神经网络的温室甜瓜ET0预测研究. 节水灌溉, 2019(9): 36-39 [36] 白振华, 林威, 王伟, 等. 热镀锌机组圆盘剪工艺参数优化技术的开发. 钢铁, 2022, 57(1): 159-166 [37] Chen GG, Tang BR, Zeng XJ, et al. Short-term wind speed forecasting based on long short-term memory and improved BP neural network. International Journal of Electrical Power and Energy Systems, 2022, 134: 107365 [38] 邢立文, 崔宁博, 董娟. 基于LSTM深度学习模型的华北地区参考作物蒸散量预测研究. 水利水电技术, 2019, 50(4): 64-72 [39] 周欣, 王宜怀, 姚望舒, 等. 基于GA-BP神经网络的非线性模拟量回归. 仪表技术与传感器, 2021(1): 84-88 [40] Jia Y, Su YJ, Zhang R, et al. Optimization of an extreme learning machine model with the sparrow search algorithm to estimate spring maize evapotranspiration with film mulching in the semi-arid regions of China. Computers and Electronics in Agriculture, 2022, 201: 107298 |