高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于人工神经网络的林分直径分布预测

黄家荣 高光芹 孟宪宇 关毓秀

黄家荣, 高光芹, 孟宪宇, 关毓秀. 基于人工神经网络的林分直径分布预测[J]. 北京林业大学学报, 2010, 32(3): 21-26.
引用本文: 黄家荣, 高光芹, 孟宪宇, 关毓秀. 基于人工神经网络的林分直径分布预测[J]. 北京林业大学学报, 2010, 32(3): 21-26.
HUANG Jia-rong, GAO Guang-qin, MENG Xian-yu, GUAN Yu-xiu. Forecasting stand diameter distribution based on artificial neural network.[J]. Journal of Beijing Forestry University, 2010, 32(3): 21-26.
Citation: HUANG Jia-rong, GAO Guang-qin, MENG Xian-yu, GUAN Yu-xiu. Forecasting stand diameter distribution based on artificial neural network.[J]. Journal of Beijing Forestry University, 2010, 32(3): 21-26.

基于人工神经网络的林分直径分布预测

Forecasting stand diameter distribution based on artificial neural network.

  • 摘要: 以马尾松人工林为研究对象,用人工神经网络建模技术构建了林分直径分布预测模型。经训练和优选,得到的理想模型结构为3∶6∶6∶1,训练误差指标为0.000 281,总体拟合准确度为98%。模型对82块训练标准地的累积频率拟合准确度最大为100%,最小为95%,平均为98%;频率拟合准确度最大为96%,最小为75%,平均为87%。模型对18块检验标准地的累积频率预测准确度最大为99%,最小为97%,平均为98%;频率预测准确度最大为96%,最小为76%,平均为88%。所建模型具有很好的拟合效果和很强的预测能力,可用于10~30年生马尾松人工林。研究结果证明,人工神经网络技术可以作为有效的林分直径分布预测技术。
  • [1] 王胤, 姚瑞玲.  马尾松优良种源高效组培育苗技术体系构建 . 北京林业大学学报, 2020, 42(6): 43-51. doi: 10.12171/j.1000-1522.20190396
    [2] 王童, 孙玉军, 乔晶晶.  将乐林场马尾松树轮宽度对气候变化的响应 . 北京林业大学学报, 2019, 41(9): 30-39. doi: 10.13332/j.1000-1522.20190067
    [3] 吴东山, 杨章旗, 黄永利.  马尾松不同半同胞家系产脂力、松脂组分分析与评价 . 北京林业大学学报, 2019, 41(2): 53-61. doi: 10.13332/j.1000-1522.20170377
    [4] 唐继新, 贾宏炎, 曾冀, 蔡道雄, 韦叶桥, 农良书, 雷渊才.  密度对米老排萌生幼龄林生长及直径分布的影响 . 北京林业大学学报, 2018, 40(5): 46-54. doi: 10.13332/j.1000-1522.20170291
    [5] 郭丽玲, 潘萍, 欧阳勋志, 宁金魁, 臧颢, 刘苑秋, 杨阳, 桂亚可.  赣南马尾松天然林不同生长阶段碳密度分布特征 . 北京林业大学学报, 2018, 40(1): 37-45. doi: 10.13332/j.1000-1522.20170186
    [6] 陈勇平, 高甜, 李德山, 郭文静.  马尾松木材空洞开裂残损的雷达检测成像初探 . 北京林业大学学报, 2017, 39(3): 112-118. doi: 10.13332/j.1000-1522.20160313
    [7] 邢海涛, 陆元昌, 刘宪钊, 王晓明, 贾宏炎, 曾冀.  基于近自然改造的马尾松林分竞争强度研究 . 北京林业大学学报, 2016, 38(9): 42-54. doi: 10.13332/j.1000-1522.20160023
    [8] 陈海燕, 刘凯, 余敏, 王娟, 赵磊, 刘盛全.  外源激素IAA和GA3对马尾松应压木形成的影响 . 北京林业大学学报, 2015, 37(5): 134-139. doi: 10.13332/j.1000-1522.20140405
    [9] 高瑞贺, 宋德文, 黄瑞芬, 石娟, 骆有庆, 刘洪高, 陈京元.  松材线虫入侵初期三峡库区马尾松林及土壤性质的变化 . 北京林业大学学报, 2015, 37(1): 84-97. doi: 10.13332/j.cnki.jbfu.2015.01.013
    [10] 林卓, 吴承祯, 洪伟, 洪滔.  基于BP神经网络和支持向量机的杉木人工林收获模型研究 . 北京林业大学学报, 2015, 37(1): 42-54. doi: 10.13332/j.cnki.jbfu.2015.01.008
    [11] 王轶夫, 孙玉军, 郭孝玉.  基于BP神经网络的马尾松立木生物量模型研究 . 北京林业大学学报, 2013, 35(2): 17-21.
    [12] 曾伟生, 唐守正.  东北落叶松和南方马尾松地下生物量模型研建 . 北京林业大学学报, 2011, 33(2): 1-6.
    [13] 王立春, 任琴, 许志春, 李海林, 李镇宇.  茉莉酸甲酯对马尾松松针萜烯类挥发物及马尾松毛虫生长发育的影响 . 北京林业大学学报, 2008, 30(1): 79-84.
    [14] 旷远文, 周国逸, 温达志.  珠江三角洲马尾松年轮中S的环境指示意义 . 北京林业大学学报, 2008, 30(2): 1-7.
    [15] 刘文飞, 樊后保, .  马尾松阔叶树混交林生态系统的氮素循环特征 . 北京林业大学学报, 2008, 30(6): 52-58.
    [16] 李春艳, 华德尊, 陈丹娃, 王萍, 任佳.  人工神经网络在城市湿地生态环境质量评价中的应用 . 北京林业大学学报, 2008, 30(增刊1): 282-286.
    [17] 胡淑萍, 余新晓, 王小平, 秦永胜, 陈俊崎.  人工神经网络在流域植被类型优化中的应用 . 北京林业大学学报, 2008, 30(supp.2): 1-5.
    [18] 程堂仁, 乔海莉, 陈佳, 王莉, 范丙友, 李莉, 石娟, 曲红, 刘美芹, 李在留, 段旭良, 孙青, 雷庆哲, 金莹, 胡海英, 孙月琴, 熊丹, 欧阳杰, 周章义, 王丰俊, 李艳华, 姚娜, 刘丽, 张玲, 胡晓丹, 郝晨, 隋金玲, 贺窑青, 田呈明, 李云, 尹伟伦, 康向阳, 骆有庆, 郭锐, 陈发菊, 冯秀兰, 张艳霞, 阎伟, 陈晓阳, 张德权, 沈昕, 尹伟伦, 张香, 陆海, 周燕, 路端正, 赵亚美, 续九如, 郑彩霞, 张志毅, 骆有庆, 李凤兰, 冯菁, 孙爱东, 武彦文, 王建中, 郑永唐, 骆有庆, 王百田, 孙爱东, 梁华军, 史玲玲, 高述民, 卢存福, 沈繁宜, 阎晓磊, 马钦彦, 安新民, 姜金仲, 郝俊, 胡德夫, 赵蕾, 吴晓成, 王晓东, 王华芳, 胡晓丹, 梁宏伟, 武海卫, 骆有庆, 蒋湘宁, 李忠秋, 谢磊, 王晓楠, 尹伟伦, 王冬梅, 李凯, 吴坚, 刘玉军, 高荣孚, 王建中, 王瑛, 崔彬彬
    , 冯晓峰, 王玉兵, 郭晓萍, 严晓素, 温秀凤3, 王华芳, 赵兵, 骈瑞琪, 于京民2, 冯仲科, 张志翔, 邹坤, 杨伟光, 李镇宇, 呼晓姝, 张兴杰, 林善枝, 王民中, 王玉春, 李凤兰, 丁霞, 刘玉军, 孙建华, 张庆, 陶凤杰, 刘艳, 陈卫平, 沈应柏, 蒋平, 付瑞海, 赵新丽, 马建海, 汪植.  松材线虫入侵对马尾松林植物群落功能的影响 . 北京林业大学学报, 2007, 29(5): 114-120.
    [19] 王岩, 孙宇瑞, 冶民生, 谢响明, 何磊, 蒋佳荔, 李绍才, 张学俭, 罗菊春, 侯旭, 柳新伟, 张文娟, 张金凤, 李云成, 朱妍, 高鹏, 盖颖, 贺庆棠, 王盛萍, 李永慈, 李吉跃, 吕建雄, 申卫军, 何静, 关文彬, 张华丽, 崔保山, 孙海龙, 廖学品, 唐守正, 王文棋, 昌明, 成仿云, 冯仲科, 张志强, 康向阳, 陆佩玲, 吴玉英, 马道坤, 李小飞, 于晓南, 石碧, 杨志荣, 王军辉, 张桂莲, 蒋湘宁, 关毓秀, 吴斌, 静洁, 路婷, 张平冬, 史剑波, 何权, 孙阁, 赵广杰, 陈永国, 王尚德, 蒲俊文, 张满良, 孙晓霞, 马克明, 彭少麟, 汪燕, 赵燕东, 胡文忠, 余新晓, 刘国华, 林威, 汪西林, .  马尾松人工林直径分布神经网络模型研究 . 北京林业大学学报, 2006, 28(1): 28-31.
    [20] 胡建忠, 张丽丽, 杜晓, 刁一伟, 陈玮, 韩烈保, 赵博光, 刘晓丽, 莫秋云, 武三安, 李成茂, 石娟, 张建军, 贾黎明, 郭惠红, 张厚江, 姜笑梅, 李镇宇, 申世杰, 宋菲, 清水晃, 马履一, 邢长山, 梁波, 张峻萍, 徐文铎, 王昌俊, 王安志, 李文彬, 骆有庆, 苏德荣, 李景锐, 金昌杰, 王小平, 沉昕, 赵林果, 曾凡勇, 石碧, 壁谷直记, 李海林, 殷亚方, 崔英颖, 徐梅, 韩瑞东, 蒋艳灵, 苗毅, 关德新, 胡青, 陈卫平2, 韦艳葵, 延廣竜彦, 裴铁璠, 赵永利, 高述民, 徐君, 王瀛坤, 严晓素, 周军, 蒋平, 蒋平, 李凤兰, .  松材线虫入侵对马尾松林主要种群生态位的影响 . 北京林业大学学报, 2005, 27(6): 76-82.
  • 加载中
计量
  • 文章访问数:  1081
  • HTML全文浏览量:  21
  • PDF下载量:  40
  • 被引次数: 0
出版历程
  • 收稿日期:  1900-01-01
  • 修回日期:  1900-01-01
  • 刊出日期:  2010-05-30

基于人工神经网络的林分直径分布预测

摘要: 以马尾松人工林为研究对象,用人工神经网络建模技术构建了林分直径分布预测模型。经训练和优选,得到的理想模型结构为3∶6∶6∶1,训练误差指标为0.000 281,总体拟合准确度为98%。模型对82块训练标准地的累积频率拟合准确度最大为100%,最小为95%,平均为98%;频率拟合准确度最大为96%,最小为75%,平均为87%。模型对18块检验标准地的累积频率预测准确度最大为99%,最小为97%,平均为98%;频率预测准确度最大为96%,最小为76%,平均为88%。所建模型具有很好的拟合效果和很强的预测能力,可用于10~30年生马尾松人工林。研究结果证明,人工神经网络技术可以作为有效的林分直径分布预测技术。

English Abstract

黄家荣, 高光芹, 孟宪宇, 关毓秀. 基于人工神经网络的林分直径分布预测[J]. 北京林业大学学报, 2010, 32(3): 21-26.
引用本文: 黄家荣, 高光芹, 孟宪宇, 关毓秀. 基于人工神经网络的林分直径分布预测[J]. 北京林业大学学报, 2010, 32(3): 21-26.
HUANG Jia-rong, GAO Guang-qin, MENG Xian-yu, GUAN Yu-xiu. Forecasting stand diameter distribution based on artificial neural network.[J]. Journal of Beijing Forestry University, 2010, 32(3): 21-26.
Citation: HUANG Jia-rong, GAO Guang-qin, MENG Xian-yu, GUAN Yu-xiu. Forecasting stand diameter distribution based on artificial neural network.[J]. Journal of Beijing Forestry University, 2010, 32(3): 21-26.

目录

    /

    返回文章
    返回