:为获得计算重庆地区参考作物蒸散量（Reference crop evapotranspiration,ET0 ）的最优模型,选用支持向量机 模型（SVM）、高斯指数模型（GEM）、随机森林模型（RF）、极限学习机模型（ELM）和广义回归神经网络模型（GRNN）5 种人工智能模型,以丰都、奉节、沙坪坝、万州、酉阳共 5 个站点 1 9 9 1—20 1 6 年的逐日气象数据为基础,估算 ET0 日 值、月值,并与 Penman-Monteith（P-M）计算结果进行了对比,结果表明:不同模型精度存在差异,在相同气象参数输 入的情况下,人工智能模型计算精度要高于经验模型,在相同参数输入的情况下,GEM 模型误差指标最低而一致性 指标最高,日照时数 n 是影响重庆地区 ET0 变化和影响模型精度的最关键因素,而 GEM 模型为重庆地区 ET0 估算 的最优人工智能模型。
