基于神经网络的杉木人工林全林分模型

《基于神经网络的杉木人工林全林分模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、福建农林大学2009届硕士毕业论文摘要在森林经营过程中，及时掌握森林资源的现状，预测其发展趋势对森林资源的宏观经营决策和管理十分重要。本文以杉木人工林为研究对象，根据顺昌县各林场的实际情况，采用BP人工神经网络方法，在matlab软件环境下，建立了基于神经网络的杉木人工林全林分模型。该模型不仅可以为掌握杉木人工林生长动态、科学经营提论理论依据，而且对林分生长模型的研究和应用具有重大意义。全文介绍了全林分模型的发展现状和神经网路的一般学习和训练策略，分析了神经网络的优点和不足，对BP神经网路的理论和建模方法进行了较为全面和深入的探讨，并详细讲解了本文采用的BP网络的性能分析方法。在此基础上，提出

2、了一种用BP神经网络建立全林分模型的全新方法。然后以年龄、地位指数、株数密度地位指数为输入矩阵，以平均高、平均胸径和蓄积量为输出矩阵，构建了多输入多输出的全林分生长神经网络模型，这是对以往单输出全林分生长模型研究的一个突破。为了提高模型的辨识精度和泛化能力，建模前先采用归一化方法简化原始输入数据，模型模拟完毕后，再对输出数据反归一处理，结果表明这种处理使网络更加稳定且误差小、收敛速度快。通过以260块临时标准地资料为训练样本，对网络进行多次训练，确定了3：13：3的BP神经网络模型，此时均方误差mse为0．0096，总体拟合精度达到95％，三个输出量的拟合精度都在93％以上。为检验模型的预测能

3、力，以92块临时标准资料为检验样本对模型进行检验，得到总体预估精度为94％，三个输出量的预估精度都超过了93％，这些数据表明模型能很好的预测杉木人工林的全林分变化趋势。三维空间仿真曲面的直观定性分析和精度、回归定量分析结果说明，该模型既符合林分生长规律，又具有很高的拟合精度和很强的泛化能力，可以作为杉木人工林全林分预测的基础。也表明BP神经网络在全林分模型预测上有一定的优越性，具有良好的应用前景。关键字gBP神经网络、全林分模型、归一化方法、仿真曲面、回归测试ABSTRACTDuringthecourseofforestmanagement，itisimportanttograspthesta

4、tusinquointimeandpredictthedevelopmenttrendofforestresourcesformaco-managementdecision．ThepaperregardedChineseFirplantationastheresearchobject，accordingtothepracticalconditioninShunchangforestfarm，underMATLABenvironment,thepaper,usingbackpropagationneuralnetworkmodelingtechnology，carriedonsystematic

5、researchtoonekindofgrowthmodeloftheChinesefirplantation．ThemodelCanapplytheoreticalbasisformasteringthegrowthdynamicsofChinesefirplantationandscientificmanagement，It’Sofgreatsignificancetotheresearchandapplicationinthewhole—standgrowthmodel．Thefulltextintroducedthedevelopmentofthewholestandmodelandt

6、hegeneralneuralnetworkleamingandtrainingstrategy,analysedthestrengthsandweaknessesofBPneuralnetwork，madeallcomprehensiveandintensivestudyontheoryandmodelingofBPneuralnetwork，andexplainedtheperfomanceanalysisonBPneuralnetworkthepaperusedatlength．Basingonthese，thepaperproposedannewapplicationmethodins

7、ettingupwhole—standgrowthmodelbyBPneuralnetwork．Thenbytheage，thesiteindexandthestanddenistyasinputmatrixandbythestandaveragebreast-heightdiameter,thestandaverageheightandthestockperhectareasoutputmatr