基于信号分解和改进深度学习模型的ET0预测方法

本发明公开了一种基于信号分解和改进深度学习模型的ET0预测方法，包括以下步骤：步骤1：收集数据；步骤2：对收集的数据进行缺失值处理、异常值检测、归一化操作、插值以及使用Min‑Max标准化将插值后的数据线性映射到0到1之间，得到归一化后的数据；步骤3：根据P‑M模型计算ET0；步骤4：使用CEEMDAN算法对计算得到的ET0进行信号分解，将信号分解为多个IMF，其中，IMF为信号中的不同频率成分，用于提取出不同时间尺度下的数据特征；步骤5：将CEEMDAN算法分解得到的所有IMF与其他气象特征向量组合在一起，形成完整的输入特征，对输入特征使用滑动窗口技术构建样本；解决了在全球气候变化和水资源日益紧张的背景下，无法精确预测ET0的问题。