基于神經(jīng)網(wǎng)絡(luò)的杉木人工林全林分模型.pdf

1、在森林經(jīng)營(yíng)過(guò)程中，及時(shí)掌握森林資源的現(xiàn)狀，預(yù)測(cè)其發(fā)展趨勢(shì)對(duì)森林資源的宏觀經(jīng)營(yíng)決策和管理十分重要。本文以杉木人工林為研究對(duì)象，根據(jù)順昌縣各林場(chǎng)的實(shí)際情況，采用BP人工神經(jīng)網(wǎng)絡(luò)方法，在matlab軟件環(huán)境下，建立了基于神經(jīng)網(wǎng)絡(luò)的杉木人工林全林分模型。該模型不僅可以為掌握杉木人工林生長(zhǎng)動(dòng)態(tài)、科學(xué)經(jīng)營(yíng)提論理論依據(jù)，而且對(duì)林分生長(zhǎng)模型的研究和應(yīng)用具有重大意義。 全文介紹了全林分模型的發(fā)展現(xiàn)狀和神經(jīng)網(wǎng)路的一般學(xué)習(xí)和訓(xùn)練策略，分析了神經(jīng)網(wǎng)絡(luò)的

2、優(yōu)點(diǎn)和不足，對(duì)BP神經(jīng)網(wǎng)路的理論和建模方法進(jìn)行了較為全面和深入的探討，并詳細(xì)講解了本文采用的BP網(wǎng)絡(luò)的性能分析方法。在此基礎(chǔ)上，提出了一種用BP神經(jīng)網(wǎng)絡(luò)建立全林分模型的全新方法。然后以年齡、地位指數(shù)、株數(shù)密度地位指數(shù)為輸入矩陣，以平均高、平均胸徑和蓄積量為輸出矩陣，構(gòu)建了多輸入多輸出的全林分生長(zhǎng)神經(jīng)網(wǎng)絡(luò)模型，這是對(duì)以往單輸出全林分生長(zhǎng)模型研究的一個(gè)突破。為了提高模型的辨識(shí)精度和泛化能力，建模前先采用歸一化方法簡(jiǎn)化原始輸入數(shù)據(jù)，模型模擬完

3、畢后，再對(duì)輸出數(shù)據(jù)反歸一處理，結(jié)果表明這種處理使網(wǎng)絡(luò)更加穩(wěn)定且誤差小、收斂速度快。通過(guò)以260塊臨時(shí)標(biāo)準(zhǔn)地資料為訓(xùn)練樣本，對(duì)網(wǎng)絡(luò)進(jìn)行多次訓(xùn)練，確定了3：13：3的BP神經(jīng)網(wǎng)絡(luò)模型，此時(shí)均方誤差mse為0．0096，總體擬合精度達(dá)到95％，三個(gè)輸出量的擬合精度都在93％以上。為檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)能力，以92塊臨時(shí)標(biāo)準(zhǔn)資料為檢驗(yàn)樣本對(duì)模型進(jìn)行檢驗(yàn)，得到總體預(yù)估精度為94％，三個(gè)輸出量的預(yù)估精度都超過(guò)了93％，這些數(shù)據(jù)表明模型能很好的預(yù)測(cè)杉木人工