基于BP神经网络的马尾松立木生物量模型研究
Single-tree biomass modeling of Pinus massoniana based on BP neural network
-
摘要: 以马尾松为例，探索并验证BP神经网络模型在立木生物量估测上的适用性。通过12种算法的筛选、输入变量和输出变量的确定以及隐层节点数的选择，确定最优的模型拓扑结构，构建单隐层BP神经网络模型；对比单输入变量与多输入变量模型、单输出变量与多输出变量模型，并分析模型的输入变量数和输出变量数对模型估测精度的影响；将优选BP模型与传统相对生长模型进行对比以验证BP模型的可行性。结果表明：1）最优BP模型LM-DH-8-WtWaWr的训练算法为Levenberg-Marquardt算法，输入变量为D、H，输出变量为Wt、Wa、Wr，隐层节点数为8。2）输入变量和输出变量的增加不会降低BP神经网络模型的精度。3）模型LM-DH-8-WtWaWr能够精确地估测马尾松立木生物量，其精度高于传统的相对生长模型。该模型能够一次性地引入多个解释变量，并可以同时估测多个量，从而简化了生物量建模和估测工作，对实际生产具有一定的意义。
-
关键词:
- BP神经网络 /
- 立木生物量模型 /
- Levenberg-Marquardt算法 /
- 马尾松
Abstract: The purpose of this study was to explore and verify the applicability of BP neural network model on the singletree biomass estimation for Pinus massoniana. The optimal model had been built after the topology was determined through screening 12 algorithms and choosing the number of inputs, outputs and hidden nodes. To explain the impact of input variable number on the accuracy, double input BP model was compared with single one. Also，to explain the impact of output variable number on the accuracy, multiple output BP model was compared with single one. And to verify the feasibility, the optimal BP model was compared with allometric equation. The results showed that: 1) the algorithm of optimal model LM-DH-8-WtWaWr was LevenbergMarquardt algorithm，with DBH and height as input variables, total weight, weight of above ground and weight of root as output variables, and the number of hidden nodes was 8 2) Adding input and output variables would not decrease the accuracy of BP neural network model. 3) The optimal BP model LM-DH-8-WtWaWr had a good performance in estimating the biomass of P. massoniana and its accuracy was higher than the relative growth model. The BP model can be used to estimate several quantities at once, which makes the estimation of single-tree biomass more simply. -
-
期刊类型引用(17)
1. 张馨方，王广鹏，张树航，李颖，郭燕. 不同抗螨性板栗差异次生代谢物筛选与分析. 南京林业大学学报(自然科学版). 2024(02): 234-240 . 
百度学术
2. 许建娇，张瀚文，陈焕文，周俊华，王美惠，石鹏，杨青山，项嘉建，宇佳. 长林小蠹对黑松挥发物电生理及行为反应. 森林工程. 2024(03): 101-114+124 . 百度学术
3. 王怡，郝俊平，刘红霞，李捷. 3种杏树叶片挥发性成分的分析. 农业技术与装备. 2022(01): 15-17+20 . 百度学术
4. 叶碧欢，沈建军，李海波，宋其岩，胡传久，尚素微，陈友吾. 舞毒蛾在浙江新发生区为害特点及天敌种类调查. 浙江林业科技. 2022(04): 44-50 . 百度学术
5. 霍强. 舞毒蛾监测与防控技术. 山西林业科技. 2021(02): 49-50 . 百度学术
6. 赵胜国，李国军，陈国发，王艳军，段瑞龙，胡志伟. 舞毒蛾性信息素诱捕器应用技术研究. 中国森林病虫. 2020(03): 31-34 . 百度学术
7. 苏柳，钱文焱，国金昱，张亮. 植物精油防治害虫及作用机理研究进展. 内蒙古林业科技. 2018(01): 61-64 . 百度学术
8. 王亚军，邹传山，王若茜，林连男，张国财. 3种植物次生代谢物质对舞毒蛾的杀虫活性分析. 北京林业大学学报. 2017(11): 75-81 . 本站查看
9. 刘俊，周德明，周国英. 油茶害虫植物源引诱剂筛选及其诱集的昆虫种群动态. 植物保护. 2017(05): 174-179 . 百度学术
10. 康云凤，高占林，李耀发，安静杰，党志红，袁文龙，潘文亮. 对二点委夜蛾幼虫有引诱作用的植物源物质及其活性成分的分析. 河北农业大学学报. 2015(03): 69-74+80 . 百度学术
11. 王景顺，吴秋芳，路志芳. 植物次生代谢物与林木抗虫性研究进展. 江苏农业科学. 2015(08): 4-7 . 百度学术
12. 周斌，周国英，杨权，董文统，李小敏，周莎，何苑皞. 降香黄檀食叶害虫棕斑澳黄毒蛾的生物学特性及幼虫虫龄判断. 昆虫学报. 2015(11): 1253-1261 . 百度学术
13. 钟锋，韩宙，黄其亮. 我国舞毒蛾防治技术的研究进展. 世界农药. 2015(03): 33-36+53 . 百度学术
14. 李同轩，马万里. 北方园林植物病虫害预报与防治. 农业与技术. 2014(08): 158-159 . 百度学术
15. 丁嘉文，刘强，朱耿平，陈易彤，谢晓，陈艳萍. 红缘天牛对沙枣花中8种化合物的EAG及行为反应. 天津师范大学学报(自然科学版). 2014(02): 71-75 . 百度学术
16. 丁吉同，唐桦，阿地力·沙塔尔，王玉珠. 4种植物源杀虫剂对亚洲型舞毒蛾幼虫的毒性与拒食作用. 南京林业大学学报(自然科学版). 2013(04): 80-84 . 百度学术
17. 李硕. 舞毒蛾防治技术研究进展. 山东林业科技. 2012(04): 104-107 . 百度学术
其他类型引用(22)
计量
- 文章访问数: 1662
- HTML全文浏览量: 204
- PDF下载量: 121
- 被引次数: 39
下载:
