基于智能決策的氣候因子對木材特性影響預測的研究.pdf

1、學校代碼：10225學號：S13221學位論文基于智能決策的氣候因子對木材特性影響預測的研究g口zt卓鈥干除指導教師姓名：岳琪教授東北林業(yè)大學申請學位級別：碩士學科專業(yè)：林業(yè)信息工程論文提交日期：2013420論文答辯日期：201369授予學位單位：東北林業(yè)大學授予學位日期：●答辯委員會主席：論文評閱人：春必櫛素大學摘要摘要木材特性是決定林木生產加工的重要因素。木材特性受多種條件影響，包括遺傳因素、立地條件、氣候因子等，其中以氣候因子的

2、影響最為顯著。因此，在我國氣候環(huán)境問題嚴重、森林資源銳減的今天，掌握氣候因子對木材特性的作用規(guī)律，對于木材的培育和生產加工有著重要的意義，對實現林業(yè)的優(yōu)質、高效、高產、可持續(xù)的發(fā)展與利用具有深遠的影響。以往的研究，多是用數據分析、回歸方法研究氣候因子對木材特性的相關性的影響，對優(yōu)化培育措施方面具有一定作用，但不能根據具體木材本身的特性進行研究，更不能通過氣候因子來預測木材的特性。本研究以人工林大青楊為研究對象，在氣候因子對木材特性的影響

3、的基礎上，研究了利用智能決策手段對人工林大青楊的特性的預測問題。具體的過程包括，通過對文獻的研究，選擇了對木材加工利用較為重要的三個特性作為預測對象，即預測模型的輸出，并剔除了對這三個特性明顯無關的氣候因子；通過回歸分析的方法，篩選出相關性較大的氣候因子，即預測模型的輸入。第二，在對RBF神經網絡研究的基礎上，提出了一種改進網絡結構的RBF神經網絡，并運用到預測模型中。第三，在前文確定的主要的氣候因子基礎上，研究了對木材特性影響較大的極

4、端和累積溫度值，修正之前模型的輸入，基于模糊神經網絡建立了預測模型。第四，基于前面模型的不足，提出一種利用遺傳算法改進的RBF神經網絡，自適應的確定模型的參數，建立了氣候因子對木材特性影響的預測模型?；谏鲜鲞^程取得的成果：(1)通過文獻的研究，確定預測模型輸出分別為：生長輪寬度、晚材率和晚材纖維壁厚。利用線性回歸分析，確定各模型的輸入，生長輪寬度預測模型的輸入為：9月日照百分率、11月日照百分率、4月相對濕度、7月相對濕度、8月相對濕

5、度、2月最高地溫；晚材率預測模型的輸入為：8月平均氣溫、6月相對濕度、6月降雨量、8月降雨量、8月日照百分率、11月日照百分率、1月地面溫度、1月最低地溫、3月最高地溫；晚材纖維壁厚預測模型的輸入為：7月平均氣溫、5月相對濕度、9月相對濕度、10月相對濕度、11月相對濕度、5月降雨量、9月降雨量、10月降雨量、8月日照百分率、7月地面溫度、10月地面溫度、8月最低地溫。(2)利用改進網絡結構的RBF神經網絡建立的預測模型，增加了輸入層對

6、輸出層的直接影響，利用MATLAB進行仿真，從結果可知，收斂速度和預測精度都比較理想。從速度看三個模型的收斂速度分別為36步、38步、38步，收斂速度比較快，可實現在線訓練；從預測精度上看，三個模型的平均誤差則分別為2。37％、024％、009％，其中最大誤差分別為287％、029％、012％。由此可知，基于改進網絡結構的RBF神經網絡適用于晚材率、晚材纖維壁厚的預測，對生長輪寬度的預測的誤差較大，有待進一步改善。(3)改進了原晚材率的