基于人工神經(jīng)網(wǎng)絡(luò)的油松人工林建模研究.pdf

1、全林分生長模型具有高度復(fù)雜和非線性。利用傳統(tǒng)數(shù)學(xué)方法建立的反映林分生長過程的模型精確度有限。人工神經(jīng)網(wǎng)絡(luò)具有良好的非線性映射和高度的并行處理信息能力。因此，本論文采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)對油松人工林全林分生長研究，選擇不同林分生長因子建立預(yù)測模型。研究結(jié)果表明：
　　(1)通過對二類調(diào)查數(shù)據(jù)的篩選和處理，將數(shù)據(jù)分成訓(xùn)練樣本和檢驗(yàn)樣本，通過MATLAB工具箱建立以小班平均年齡、郁閉度、地位級為輸入，以小班平均樹高、平均胸徑、每公頃蓄積量

2、為輸出的3:i:3的油松人工林全林分生長模型，其中i為4-21的18個(gè)值。分別分析了以平均樹高、平均胸徑、每公頃蓄積量為輸出的生長模型，確定出了適合各自的模型結(jié)構(gòu)：平均樹高生長模型結(jié)構(gòu)為3:17:3，平均胸徑生長模型結(jié)構(gòu)為3:21:3，每公頃蓄積量生長模型結(jié)構(gòu)為3:19:3。比較分析了以三輸出為整體的模型，確定出了3:17:3的模型結(jié)構(gòu)。擬合出了四種模型結(jié)構(gòu)的網(wǎng)絡(luò)權(quán)值和閾值，并寫出了四種模型的數(shù)學(xué)表達(dá)式：AH=logsig(∑LW2a1

3、+b2)，a1=tansig(IW1p+b1);AD=logsig(∑LW2a1+b2)，a1=tansig(IW1p+b1);M=logsig(∑LW2a1+b2)，a1=tansig(IW1p+b1);HDM=logsig(∑LW2a1+b2)，a1=tansig(IW1p+b1)。
　　(2)以模型對訓(xùn)練樣本的擬合精度、均方誤差和對檢驗(yàn)樣本的平均絕對百分誤差、相關(guān)系數(shù)、最大絕對誤差為指標(biāo)對所建的四種生長模型進(jìn)行對比分析顯示每