关键词： 水位预测   深度学习   TCN   Informer   Autoformer  

摘要： 淮河流域横跨豫、皖、苏三省,大多是平原地带,因此该区域耕地面积广泛,每年的粮产量在我国举足轻重;而且作为我国南北分界线的一部分,它的重要性不言而喻。但依据历史经验,淮河水域洪涝灾害频发,环境承载力欠佳,水位预测作为洪涝灾害的重要预防措施之一,能够有效推进淮河流域水利安全建设。水位预测作为学术界长期关注的问题之一,其理论及方法的发展不断迭代升级。灰色系统理论、多层递阶模型等传统预测方法在数据挖掘和人工智能的发展背景下被逐渐更新、取代,根据众多学者的研究表明,基于数据驱动的大数据分析方法能有效提高预测的精度。本文梳理以往学者预测水位所使用的方法,并查阅影响水位的因素,整理形成较好的数据集和较优的模型进行水位预测。首先,为探究如何提高水位预测结果的精确度,使用两种数据集来进行预测,其一是用单一变量(水位)预测单一变量(水位),其二是用多变量(水位、降雨量、流量)来预测单一变量(水位)。其次,在数据处理上,使用插补法以及生成对抗神经网络(GAN)进行填补,当数据量越大时,使用GAN填补效果越好。再次,在单步预测方法的选择上,使用奇异谱分析(SSA)来进行数据分解,再对数据分解后的残差项使用完全集成经验模态分解(CEEMDAN)进行二次分解,再将分解结果分别放到长短期记忆(LSTM)、梯度提升回归(GBR)、极端梯度提升(XGBoost)、轻量梯度提升器(Light GBM)预测模型以及长短期记忆(LSTM)和时序卷积网络(TCN)的组合模型来对淮河水位进行预测,最后使用网格搜索法对机器学习模型进行调参,使用遗传算法(GA)或者梯度下降法(GD)来求解神经网络模型参数的最优解。最后,尝试多步水位预测,未雨绸缪,预知风险,帮助合理规划。研究结果表明,在多变量输入单变量输出数据集(水位、流量、降雨量—水位)下使用SSA-CEEMDAN-LSTM-TCN模型的单步预测效果最好,说明更多有效的影响因素加入预测使得模型预测效果更佳。多步预测中Autoformer对水位预测时,预测时间越长效果越好。

关键词： 飞蛾火焰优化算法   基于梯度的优化器   基于堆的优化器   核极限学习机   地震预测  

摘要： 演化算法是一系列受生物群体行为启发而设计的全局优化算法。相比于传统的梯度优化等算法,演化算法实现简单,具有较高的灵活性和鲁棒性,因此已经成为了现代优化算法不可或缺的一部分。近年来,研究人员提出了许多新颖的演化算法,其中包括飞蛾火焰优化算法(moth-flame optimization,MFO)、基于梯度的优化器(gradient-based optimizer,GBO)和基于堆的优化器(heap-based optimizer,HBO)。这些算法都借助群体智能的优势,使得在处理较为复杂问题时可以得到满意的结果。但是随着演化算法的应用范围不断扩大及其与其他学科不断交叉结合,这些算法在处理实际问题时暴露出容易陷入局部最优和收敛速度较慢等问题。本文在MFO、GBO和HBO的基础上,分别对其进行改进,并对改进后的算法进行多方面的性能分析。改进算法还在地震预测领域得到应用。研究内容包括:(1)在MFO的基础上,提出了一种双自适应权重MFO改进算法(weight moth-flame optimization,WEMFO)。WEMFO在算法的不同阶段自适应地调整搜索策略,使算法在全局搜索和局部搜索之间的转换更加灵活可靠。WEMFO与近年来提出的演化算法在30个基准函数上进行了比较实验,并且分析了WEMFO算法的可扩展性。(2)在GBO的基础上,引入高斯骨干机制(gaussian bare-bones mechanism,GBB)、反向学习机制(opposition-based learning,OBL)和飞蛾螺旋更新机制,提出了一种改进GBO算法(gaussian opposite moth-flame gradient-based optimizer,GOMGBO)。其中GBB应用了差分进化算法的思想,在高斯变异的同时采用分支选择结构,使得高斯变异后的向量不局限于局部最优解。OBL的实质是在处理问题时同时考虑事物的对立面。飞蛾螺旋更新机制模拟了飞蛾的夜间飞行模式,是MFO的算法核心,保证了GOMGBO在不陷入局部最优的情况下找到全局最优解。GOMGBO在30个基准函数上与许多著名的基础演化算法及改进的演化算法进行了比较实验。(3)在HBO的基础上,引入Rosenbrock旋转方向法(modified rosenbrock’s rotational direction method,MRM)、灰狼更新机制(grey wolf mechanism,GWM)和正交学习策略(orthogonal learning,OL),提出了一种新的改进HBO算法(graywolf orthogonal heap-based optimizer,MGOHBO)。在30个基准函数上,将MGOHBO与11个著名的原始和改进元启发式算法进行了比较。(4)将改进后的演化算法应用在地震预测领域。使用WEMFO,GOMGBO和MGOHBO三个算法分别优化核极限学习机模型(kernel based extreme learning machine,KELM)的两个参数,再将三个算法所求参数求均值,形成新的用于地震预测的混合KELM模型。

关键词： 信用风险   中小企业   机器学习  

摘要： 中小企业作为我国国民经济发展的重要力量,不仅缓解了城镇就业压力、拉动了周边经济增长,同时也是科技创新的主力军。然而中小企业因自身规模小、融资渠道单一、变现能力弱等原因,即使受到多条政策的扶持,依然面临较大的融资缺口。融资难问题出现的主要原因是由于信息不对称导致难以准确评估信用风险的大小,又加之传统信用风险度量方法的效率低成本高、受评估人员专业水平影响大,为尽量减少可能发生的损失,金融机构在向中小企业发放信贷时愈发谨慎,致使中小企业发展受限。因此,为有效缓解中小企业的融资问题,本文针对中小企业特点构建基于机器学习的信用风险模型,实现对信用风险更高效可靠的自动化评估。本文从研究背景与意义出发,对现有的文献进行梳理后,首先对中小企业和信用风险做出了概念上的界定,接着进一步分析了中小企业信用风险的现状、成因及特征,并同大型企业的信用风险情况进行比较。其次,在介绍并对比了传统与现代信用风险度量方法的优劣势后,引入了灵活性更强、自动化程度更高的机器学习算法,作为本文信用风险模型构建的理论基础。最终选择了逻辑回归、决策树两种单一学习器算法和XGBoost、随机森林两种集成学习算法来拟合本文的模型;基于以往的研究结论和常用做法,选取了2010年至2020年中小企业板上市公司的100条ST或*ST数据作为高信用风险组样本,同时在平衡了年份、所处行业和总资产规模后按1:1的比例选取了100条非ST数据作为低信用风险组样本,并在训练时按照1:3的比例随机对总样本进行训练组和测试组的划分;依据AIC最小原则从46个公司财务指标中选取13个作为基础模型训练阶段的特征向量,在此基础上增加5个非财务指标作为综合模型训练阶段的特征向量,并将AUC值和AP值作为评估指标,进行模型性能的横向和纵向对比。再有,将智博传媒公司作为案例,以其近三年的真实经营数据应用到本文的信用风险模型当中,同时按照传统专家制度法对其进行信用风险分析,对比两者在结论上的一致性和方法上的优劣性。最后,本文根据研究结果就信用风险的度量和控制问题,分别向中小企业和金融机构提出建议。经过本文研究发现,集成学习器比单一学习器在AUC值和AP值上分别最高提升了14.90%和10.90%,说明了集成多个单一学习器进行评估的效果更佳;综合阶段的模型比基础阶段模型在AUC值和AP值上分别最高提升了6.90%和8.10%,结果表明在模型中引入非财务数据可以有效提升其性能。最终,四种算法在测试集上都有较好的评估效果,其中综合阶段的集成学习模型性能更强,XGBoost模型的AUC值和AP值分别可以达到0.925和0.796,随机森林模型的AUC值和AP值分别可以达到0.928和0.814。此外,为验证本文模型对非上市企业的适用性,将其应用在了智博传媒公司的具体案例中,综合模型结果得出了其近三年低信用风险的结论,这与传统信用风险方法分析的结果一致,进一步证明了本文所构建的中小企业信用风险模型是切实可行的,且具有现实使用意义。同时,基于机器学习的信用风险模型法比传统风险度量法在使用时,具有效率更高、自动化程度更高的特点,通过与企业内部系统对接等方式,可以通过内部数据快速掌握企业的信用风险,但当情况较为复杂模型法难以给出确切的结论时,辅以传统风险度量法加以分析,将会使得评估结果更加真实可靠,也可实现两种方法的优势互补。

关键词： 估值模型   机器学习   法拍房   模型对比  

摘要： 2021年1-4月,全国法拍房交易数量38774套,成交总价近750亿元,占全部二手房交易总价的近5%,法拍房产交易数量和交易总价占比与日攀升,法拍房市场在房产交易市场中的重要性水平不断提升,因此法拍房产的估值问题也应得到重视。但是学术界对于法拍房的估值问题研究仍然不足,传统估值模型存在主观性强、操作复杂、无法实现批量估值等缺陷,而机器学习方法可以很好的弥补上述不足,实现客观准确地估值,因而本文将就这一问题开展论述。本文将针对国内房地产市场中的细分市场-法拍房市场进行研究,对比不同模型在算法和运行结果上的不同,为法拍房购买方提前做好房价评估,防范由于信息不对称带来的欺诈风险提供解决方案。文章总体思路是,首先论述研究背景与研究意义,分别从宏观环境、产业环境以及领域研究背景三个层次说明本文的选题原因。其次,是对于模型搭建的理论基础和相关概念进行界定,对相关理论知识的论述解释了估值模型利用特征指标搭建的原因,对概念的界定明确了估值、估值模型以及法拍房的含义。接着,本文根据近年来的研究热点选取了其中最常用的六种房产估值机器学习模型与传统估值模型进行对比研究,得出机器学习模型的优势以及通过分析各机器学习模型在理论层面的优化,得出各模型的适用面,进一步加深了本文的研究意义和合理性。经过理论研究后,是对模型的实证研究,包括了从数据获取,到数据清洗,到模型搭建,最后模型结果展示和评价的全过程。最后一部分是对全文的研究结论和发现做了总结并客观阐述文章中的不足之处以及在未来研究中期待做的改进。相对于领域内的其他研究,本文的创新之处在于对数据项的定量分析做出了有益补充,弥补了之前研究只是进行定性分析的不足。同时,在研究对象上扩充了房产市场的细分领域,一定程度上弥补了法拍房市场的研究不足,并且运用了地图爬虫的方法,通过获取并调用百度地图专用接口批量获取地理位置,并以此为基础二次爬虫获取了周边基础设施的数据信息,以形成“一房一估值”的估值模型。本文以北京法拍房市场数据为研究样本,通过模型对比研究,得出机器学习模型相对于传统模型的优势,并发现线性回归模型的拟合精度不高,准确性较差,基于集成学习的模型在准确率上表现更好。同时,相对于随机森林,XGBoost和Light GBM的模型运行速率更高,更适用于大数据时代对处理海量的数据集的要求。

关键词： 机器学习   WebGIS   耕地质量   农业   预测系统  

摘要： 我国是世界上最大的农业生产国,广阔的耕地资源与历史悠久的农耕文化,使得我国在农业实力上居于世界前列。目前我国的耕地资源总体呈现数量多、质量差的局面,各地方农业部门积极开展的耕地质量等级评价,明确了耕地质量提升与保护工作的下一步重点。本文以安徽省庐江县为研究区域,通过机器学习算法中的决策树(DT)模型与随机森林(RF)模型,构建安徽省耕地质量等级预测模型,将两种模型准确度进行对比,确定一种精度更高的预测模型;设计并开发了安徽省耕地质量等级查询与预测系统,并通过与Web GIS技术结合将模型内嵌,以GIS矢量图的形式,直观地展示安徽省耕地质量等级分布情况,实现区域定位与图斑查看、耕地质量相关信息查询与分析、耕地质量等级的预测等功能,以期为农业部门提供决策参考。主要工作与研究成果如下:(一)针对安徽省耕地质量影响因子选取问题,以耕地质量等级国家标准为基础,深度考虑耕地质量影响程度及重要性,利用特征选择方法进行特征影响因子选择。选取了耕地利用现状、土壤类型、耕层质地、质地构型、地形部位、灌溉能力、排水能力、土壤常规养分(有机质含量、有效磷含量、速效钾含量)含量及土壤酸碱度(p H值)等共计11个指标作为本研究的影响因子。(二)耕地质量特征影响因子指标数据多维度、多类型、多量纲,采用主成分分分析法(PCA)、数据量化处理(Quantization)、数据标准化处理(Normalization)等一系列方法进行处理后,数据集对机器学习算法模型具有较强适用性。(三)建立基于决策树(DT)与随机森林(RF)的耕地质量等级预测模型,采用拟合优度(R)和均方根误差(RMSE)等评价指标评价模型精度。评价结果显示,基于决策树(DT)、随机森林算法(RF)的耕地质量等级预测模型,均具有较稳定的预测性能。其中RF表现性能最佳,对耕地质量等级预测的拟合优度R达到98.81%,RMSE为0.27,模型稳定性较高。(四)设计、开发了安徽省耕地质量等级查询与预测系统,对系统进行回检测试。系统包含耕地质量等级、土壤养分、土壤类型查询与可视化,耕地质量等级预测模拟等功能,回检测试结果表明,模型对庐江县2020-2021年抽取的部分耕地质量等级评价数据具有较强适应性,测试结果与真实结果对比差值在0.1以内,模拟结果具有参考意义。

关键词： 船型设计   阻力预报   小样本   机器学习   集成学习   迁移学习   生成式神经网络  

摘要： 能源问题的日益严峻以及节能减排等相关政策的出台,促使绿色船舶技术受到青睐,同时也推动船型设计领域的创新发展。借助计算机技术,基于母型船或系列船型资料的传统船型设计方法得到了长足的发展。目前,船型设计效率受船舶性能预报速度和精度的影响较大,船型设计仍遵循传统流程,设计创新有待提高。近年来,随着人工智能技术的兴起与发展,运用机器学习解决工程问题正逐渐成为研究热点。船舶阻力与船型密切相关,是船型设计优先考虑的要素之一。因此,本文基于机器学习技术,围绕船型设计,依次开展了小样本下船舶阻力预报、船首线型优化和船型设计方法研究。主要研究内容和成果如下:本文第二部分从阻力影响因素和机器学习模型构建流程两个方面分析了影响船舶阻力预报的因素。基于船舶阻力分析,采用傅汝德阻力分类法作为船舶阻力划分方法,得到了船舶阻力影响因素。针对小样本下机器学习模型可靠性差、预报结果精度低的问题,提出了小样本下机器学习模型评估方法。与一般方法相比,采用小样本下模型评估方法得到的阻力预报结果具有较高的精度,提高了模型的可靠性。本文第三部分提出了小样本下机器学习船舶阻力预报船型表达方式。针对单艘船舶不同吃水下阻力预报和运用多艘船舶预报指定船舶阻力两种情况,采用了船型参数和型值点两种船型表达方式进行船舶阻力预报,并对比了两种船型表达方式下的阻力预报结果。针对船型参数选取问题,研究了船型参数无量纲化形式对预报结果的影响,分析了船型参数选取的合理性。研究表明,采用无量纲化的船型参数作为小样本下阻力预报模型的输入可以得到较好的预报结果。本文第四部分提出了阻力预报机器学习模型构建方法。基于相同类型船舶数据,针对基础机器学习模型预报精度低的问题,采用集成学习阻力预报模型提高了阻力预报精度;针对船舶阻力预报数据样本少的问题,采用迁移学习构建了基于不同类型船舶阻力预报模型或已有经验公式的阻力预报模型,实现了船舶阻力准确预报。本文第五部分提出了基于集成学习神经网络的船首线型优化方法。研究基于径向基函数曲面变形技术和CFD(Computational Fluid Dynamics)数值仿真技术获取不同船首线型参数下的船舶阻力,采用集成学习构建反映船首线型参数与阻力关系的网络模型,通过进化策略优化方法得到具有最佳阻力表现的船首线型,并用CFD数值仿真技术验证了优化结果的准确性。研究表明,优化后的船舶总阻力降低了2.924%。本文第六部分提出了基于生成式神经网络的船型设计新方法。运用母型船数据,构建了条件变分自编码器生成式神经网络模型,生成了给定阻力条件下的船型参数,并运用基于集成学习的阻力预报模型和CFD数值仿真技术验证了设计方法的可靠性。基于生成式神经网络的船型设计新方法突破了传统的船型设计思路,降低了船型设计对计算资源的依赖。本文运用机器学习开展了小样本下船舶阻力预报和船型设计方法研究,可为机器学习在船舶领域的应用提供重要的指导。

关键词： 癫痫   机器学习   时频分析   边中心网络   分类   预测  

摘要： 癫痫脑电的分类研究,可以帮助临床医生快速识别出癫痫疾病,从而摆脱繁重的工作,提高诊断效率;癫痫脑电的预测研究,可以让患者通过治疗性干预来预防癫痫发作,极大地降低患者受到意外伤害的概率。癫痫脑电的分类和预测研究对提高人口素质和健康水平都有着深远意义。机器学习算法在近十几年来被广泛运用到各个领域,特别是在模式识别和预测研究中取得了巨大的成果。本文采用了多种机器学习算法对癫痫脑电信号进行分类与预测研究,具体工作如下:首先,对癫痫脑电信号进行预处理。采用CHB-MIT数据库、德国波恩大学脑电图数据库和印度新德里神经病学数据库的数据,使用小波变换进行去噪,并运用频谱不对称分析获取患者的最优单通道,通过最优通道数据进行后续研究。其次,采用Inception Net-V3卷积神经网络、SVM、K-NN、逻辑回归四种机器学习算法结合时频分析与边中心网络的特征提取方法对癫痫脑电进行分类。将脑电信号转换为时频图,利用Inception Net-V3卷积神经网络区分出正常脑电和发作期脑电,在CHB-MIT数据库24位患者中最高分类准确率为95.8%,波恩大学脑电图数据库和新德里神经病学数据库的准确率分别为90.2%和96.2%;同时采用边中心网络特征提取方法,利用SVM、K-NN、逻辑回归进行分类,在CHB-MIT数据库中最高分类准确率为96.9%,波恩大学脑电图数据库和新德里神经病学数据库的准确率分别为99.3%和98.6%。结果表明,边中心网络特征提取能够实现更理想的分类效果。最后,采用时频分析与边中心网络的特征提取方法对癫痫发作进行预测研究。分析了癫痫发作前20分钟的数据,以5分钟的数据长度为一个时间段,分为发作前0-5分钟、5-10分钟、10-15分钟和15-20分钟四个时间段,对四个时间段的数据进行预测,发现在发作前0-15分钟的预测准确率高于15-20分钟这一时间段内的预测准确率。结果表明,癫痫发作前15分钟内能够实现较理想的预测效果。本文采用了时频分析与边中心网络两种特征提取方法,对癫痫脑电分类时,边中心网络的特征提取方法能实现更好的分类效果;对癫痫发作预测时,两种特征提取方法差异并不明显,但结果是一致的。研究结果表明,本文方法可用于癫痫的检测和癫痫的发作预测研究,对癫痫的自动检测与预测研究有重要的意义,其中边中心网络的特征提取方法为癫痫检测研究提供了新的思路,对了解大脑的病理症状及临床诊断具有重要意义。

关键词： 生存期预测   肝癌   稀疏组Lasso   XGBoost   贝叶斯优化  

摘要： 肝癌是世界上最常见的恶性肿瘤之一,也是我国高发的消化系统恶性肿瘤,死亡率居第三位,并且发病率呈逐年上升趋势。准确的生存期预测不仅可以让肝癌患者摆脱焦虑,同时也可以给医疗工作者制定合理治疗决策提供帮助。本文结合基因特征与临床特征,对肝癌患者的生存期展开预测研究。主要内容描述如下:本文首先对高维带冗余特征的422个初始数据样本进行特征选择。考虑到基因表达特征与临床特征具有不同的生物学意义,本文对两种类型的特征分别构建专门的特征选择算法。对于维度较低的临床特征,我们使用传统的方差分析法筛选出肝癌相关临床特征。对于基因表达特征,考虑到其内部潜在的组结构,我们采用稀疏组Lasso特征选择方法筛选相关的致病基因。数据预处理和特征选择之后,初始的110个临床特征和20530个基因表达特征分别减少为15个和455个。特征选择之后,本文将对肝癌患者的标签进行预测,判断患者是长、短期生存样本。该步骤使用分类算法来实现,采用了K近邻(KNN)、朴素贝叶斯、决策树、XGBoost等多个算法进行预测研究。为获取最合适的参数,本文使用贝叶斯优化和网格搜索两种方法对模型参数进行调整。最后的实验数值表明:基于贝叶斯优化调参的XGBoost算法的预测效果更好,预测的F1＿score为0.85。与肝癌生存期预测的已有研究相比,本文在特征选取时,将临床特征和基因表达特征联合作为数据特征,在特征选择过程中,充分考虑到了两组特征各自的特点,分别给出合适的特征选择方法。考虑到基因特征间的潜在组特性,文章尝试使用稀疏组Lasso对其进行特征选择,并证实了其有效性。在预测生存期时,我们采用XGBoost算法进行预测,并选用贝叶斯优化方法(BO)对算法的参数进行优化。最后的数值比较可以看出:与其他的分类预测算法和常规的网格搜索调参算法相比,在本文的数据分类预测问题上,BO-XGBoost算法的效果最佳。

关键词： 参考作物蒸散量   FAO-56Penman-Monteith模型   机器学习模型   经验模型   气候变化  

摘要： 参考作物蒸散量(ET)是农业水循环和水量平衡的重要组成部分。准确估算ET对于农业水资源管理、作物需水量估算和灌溉优化调度都具有重要意义。联合国粮农组织(FAO)推荐的FAO-56 Penman-Monteith模型被认为是计算ET的标准模型,能够得准确估算ET。然而,许多地区缺乏该公式所需的完整气象数据,导致其应用受到很大限制。为了探究在有限气象数据输入条件下替代FAO-56 Penman-Monteith模型的ET估算方法,本文利用我国63个具有辐射观测值气象站点1991-2017年的逐日气象数据,以FAO-56 Penman-Monteith模型计算的ET作为标准值,比较了7种不同机器学习模型在7种输入气象变量组合下的ET估算精度。然后,在全国696个气象站点,建立3种基于有限气象要素输入组合的机器学习ET估算模型,并与相应输入的ET经验估算模型进行对比。最后,基于CMIP6的27种GCMs和两种排放情景(SSP245和SSP585)的未来气象数据,分析了我国大陆地区未来696个气象站点的气象要素和ET的空间分布特征。研究得到如下主要结论:(1)气象要素R、T和R与ET有较强的相关性,随着输入气象要素数量的减少,机器学习模型的ET估算精度降低。气象要素输入组合为T+T+U+RH+R时的ET估算精度最佳,其次是T+T+U+RH+R输入组合,仅有T+T+R作为输入变量时的ET估算精度最低。(2)在利用7种机器学习模型(RF,SVM,XGBoost,Light GBM,MLP,MLR,以及***)估算ET时,机器学习模型的估算精度远高于多元线性回归方法,尤其是***、SVM和MLP模型的表现更好。其中,通过Stacking集成方法的***模型比传统单个机器学习模型的平均R增加0.28%-0.87%;RMSE、MAE、NRMSE值分别降低3.29%-12.81%,2.40%-13.57%和3.28%-12.75%。这表明Stacking集成方法在提高机器学习模型的预测性能上具有更大的潜力。(3)机器学习模型要比相应的传统经验模型具有更高的ET估算精度。经验模型中仅有Lobit模型和Abtew模型在部分地区有较好的ET估算性能。在中国大陆4个不同气候区中,亚热带季风气候区(SMZ)和高原山地气候区(MPZ)以及温带季风气候区(TMZ)的估算精度总体高于温带大陆性气候区(TCZ)。机器学习模型估算的ET年平均值与Penman-Monteith模型计算的结果非常接近,而经验模型通常会高估ET值。因此,在缺少完整的气象资料条件下,推荐在不同的地区根据需要使用机器学习模型来估算我国的逐日ET。(4)未来气候情景下,中国大陆地区的最高气温T和最低气温T均呈增加趋势,并且SSP585情景下的增加幅度大于SSP245情景。随着时间的推移,T和T的增加幅度也越来越大。太阳辐射R在MPZ和TCZ区域呈下降趋势;而在SMZ和TMZ区域呈上升趋势。降雨总体呈增加趋势,但增加的幅度在各区域存在明显差异,存在明显东高西低的特点。(5)未来我国4个不同气候区的ET均有明显增加的趋势。从2040s到2090s的ET增量也逐渐增加,在SSP585情景下2090s的ET增量达到最大,尤其是SMZ和TCZ区域的ET增量范围为200-400 mm year。在未来情景下,MPZ和TCZ区域的ET增加幅度大于降雨增加幅度,而SMZ和TMZ区域的ET增加幅度等于或略大于降雨增加幅度,这就会导致中国大陆干旱的地方越干旱,而湿润的地方越湿润。