基于神经网络森林经营辅助决策的知识获取

《基于神经网络森林经营辅助决策的知识获取》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、摘要在基于知谈的系统中，尤其是在专家系统中，知识的获取是一个十分困难的问题，它一直被公谈梵是一个“瓶颈”。本论文系统造介绍了人工神经网络知识获毂技术斡有关理论和成用技术，提出了一种在森林经营决策中的应用方法，并在MATLAB软件环境下，对文章提出的应用方法和理论进行了验证，初步实现了基于神经网络的自学习知识获取过程。本文利用知识获取技术，根据森林资源连续瀵查的固定样地调查资料，建立地类、林种预测帮森栋来来收获量颈{吉的神经网络里模型(包括龄组结构预测帮林分采伐量预测)，并对所建立的模型进行适应性检验。检验结集表明用人工神经网络的方法对地类、林种的动态变化鞠林分收获薰进行预测是可以满足林

2、业生产经营的精度要求，霹该神经网络获取的知识是可行的。利用所获取的知识分别对福建建阳地区各地类、林种未来几年的动态变化趋势以及福建杉木林分发展趋势和森林采伐壁进行预测、分析，从中找出控制发展的关键所在，捧遗秘学酶决策，这对维护生态平衡、合理发震林监生产有重大麴现实意义。本文用人工神经网络来实现知识的自动获取，无需由知识工程嫦来整理、总结、消化领域专家的知识，只需熙领域专家解决闻题的实铡或范例来训练神经瓣络，使得在弱样的输入条件下入工神经网络能够获得与专家给出的解答尽可能相同的输出。关键字：人工神经网络、森林经营决策、知识获取、预测模型ABSTRACTIntheknowledge—bas

3、edsystem，especiallyintheexpertsystem，theacquisitionofknowledgeisaverydifficultissue，andithasbeenrecognizedasa“bottleneck”．InthiSpaper．Isystematicallyintroducedthetheoryandapplicationtechnologyofknowledgeacquisitionbasedonartificialneuralnetworktechnologyandproposedanapplicationmethodinforestmana

4、gementdecision—making．Then，intheMATLABsoftwareenvironment，theapplicationandtheoryproposedinthearticlewasverifiedandtheself-learningknowledgeacquiSitionprocessbasedontheneuralnetworkwasachieved．Byusingknowledgeacquisitiontechniques，accordingtotheforestresourcesfortheinventorydata，Iestablishedthen

5、euralnetworkforecastmodelofthecategoryofforestlandtypesandtheforestfutureharvest(includingtheagegroupstructurepredictionandthepredictionofforestharvest)．A1SO，Itestedthemodel．Testresultsshowedthatusingtheartificialneuralnetworkmethodtoforecastthedynamicchangeofforestlandtypesandtheforestharvestca

6、nmeettheaccuracyrequirementsofforestryproductionandoperation．ThattheknowledgeacquisitionbasedonartificialneuralnetworkiSfeasible．Accordingtotheknowledgeacquired，IpredictedandanalyzedthedynamicchangetrendsofforestlandtypesinJianyangofFujianandthedevelopmenttrendsofChinesefirandtheforestharvestinF

7、ujian．Tofindthekeytothedevelopmentandmakeascientificdecision，whichiSofgreatpracticalsignificancetothemaintenanceofecologicalbalanceandrationaldevelopmentofforestryproduction．InthiSpaper，usingartificialneuralnetworktoachievet