基于聚類和時序分析的林分生長模型研究.pdf

1、我國森林資源管理尤其是森林資源調(diào)查和監(jiān)測工作起步較早，具有豐富的森林資源監(jiān)測數(shù)據(jù)，積累了大量的管理信息和管理資料。隨之而來的是森林資源信息管理系統(tǒng)的建立，大量信息被儲存并提供查詢，激增的數(shù)據(jù)背后隱藏著許多重要的信息，簡單的查詢和統(tǒng)計已經(jīng)無法滿足林業(yè)的需求，需要出現(xiàn)一種挖掘數(shù)據(jù)背后隱藏的知識的手段。數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的但又是潛在的有用信息和知識的過程。數(shù)據(jù)挖掘是一

2、個新興的邊緣學(xué)科，它匯集了來自機器學(xué)習(xí)、模式識別、數(shù)據(jù)庫、數(shù)據(jù)倉庫、統(tǒng)計學(xué)、人工智能以及管理信息系統(tǒng)等各學(xué)科的成果。 聚類分析是數(shù)據(jù)挖掘中的一個重要研究領(lǐng)域，是一種數(shù)據(jù)劃分或分組處理的重要手段和方法。早期的聚類算法是計算模型中各點的距離，需要多遍掃描數(shù)據(jù)，才能識別分組。可伸縮期望最大化算法（Sealable Expectation Maximization，簡稱SEM算法）與之不同，它根據(jù)群體的密度來創(chuàng)建聚類，最多只需掃描一次源

3、數(shù)據(jù)，并且在計算過程的任何一點都可以提供合理的結(jié)果。它最大的好處是只需有限量的內(nèi)存。在算法處理記錄時，它會創(chuàng)建一些聚類，并隨著處理數(shù)據(jù)的增多調(diào)整這些聚類的中心，從而找到一組最能描述相似事例的特征。整個過程執(zhí)行的速度快，而且不會耗費所有可用的內(nèi)存，避免機器癱瘓。 時間序列也是數(shù)據(jù)挖掘中的一個重要研究領(lǐng)域，是指同一種現(xiàn)象在不同時間上的相繼觀察值排列而成的一組數(shù)字序列。時間序列預(yù)測方法則是通過時間序列的歷史數(shù)據(jù)揭示現(xiàn)象隨時間變化的規(guī)律

4、，將這種規(guī)律延伸到未來，從而對該現(xiàn)象的未來做出預(yù)測。傳統(tǒng)的時間序列分析方法在林業(yè)中的應(yīng)用，主要是確定性的時間序列分析方法，包括指數(shù)平滑法、移動平均法、時間序列的分解等等。Box和Jenkins提出了以隨機理論為基礎(chǔ)的時間序列分析方法，使時間序列分析理論上升到了一個新的高度，預(yù)測的精度大大提高。時間序列分析的基本模型有：ARMA模型和ARIMA模型。 林分生長模型是一種間接估測方法。它根據(jù)對不同樹種在不同生長環(huán)境條件下的不同發(fā)育階

5、段的生長情況調(diào)查，用一定的數(shù)學(xué)方法處理，以圖、表、公式或計算機程序等形式間接預(yù)估林分的生長與收獲。林分生長模型用來預(yù)測林分自然狀態(tài)下的生長，也用來預(yù)測經(jīng)營措施對林木生長影響，為制定優(yōu)化經(jīng)營方案以及定向培育奠定基礎(chǔ)。它的應(yīng)用為森林經(jīng)營基礎(chǔ)理論的新發(fā)展以及現(xiàn)代森林經(jīng)營技術(shù)的利用提供必要條件和基本手段。傳統(tǒng)方法將生長模型劃分為全林分模型、徑階分布模型和單木模型，這些模型又大多是基于單形曲線的，其易造成研究區(qū)內(nèi)不同林分生長速率是相同的，且傳統(tǒng)方

6、法建模，常常只注重因變量和其它各因子的表面關(guān)系，因此易出現(xiàn)因子問的“相互預(yù)報”，方程組間的“循環(huán)估計”等問題，精度不是很高。一個好的生長模型應(yīng)盡可能少的基于假設(shè)，不應(yīng)有過多的自變量，在模型中應(yīng)只包含一個因變量（預(yù)測值），一個自變量（年齡），以避免出現(xiàn)因子間相互預(yù)測的問題。所以本文采用多形曲線法構(gòu)建多形生長模型。 在多形曲線法構(gòu)建生長模型過程中，樣本的分類很重要。由于林分所處地理位置不同，隨著年齡增長林分生長趨勢發(fā)生很大變化，因此

7、本文利用了SEM聚類對地理因子分類，并用時間序列算法構(gòu)建樹高生長導(dǎo)向曲線。實驗證明利用地理因子分類比直接用樹高和年齡因子分類構(gòu)建樹高生長導(dǎo)向曲線實用性更好，且多形導(dǎo)向曲線法的構(gòu)建立有助于林分生長模型走向更精細，更準確。 林分多形生長模型可以解決林分生長模型形式多樣的問題，用一個模型描述同一生物不同生境下的生長曲線。多形林分生長模型構(gòu)建中只選擇年齡單因子做自變量，按照每個林分立地質(zhì)量不同，每個林分都有一條生長曲線。研究表明多形生長

8、模型能夠更精確描述樣本數(shù)據(jù)能有效減小系統(tǒng)誤差。從研究結(jié)果可以設(shè)想用一個多形生長模型來擬合一個省甚至更大范圍的某一樹種的生長，此生長模型可用于這一樹種的生長預(yù)估及計算機仿真。 隨著Internet技術(shù)的快速發(fā)展，面向Web的信息系統(tǒng)表現(xiàn)出巨大優(yōu)勢。目前很多林業(yè)部門和企業(yè)正在建立或積極籌備集成多功能、面向Internet的森林資源信息管理系統(tǒng)。森林資源信息管理系統(tǒng)是我國林業(yè)信息化建設(shè)的基礎(chǔ)部分，基于struts2、spring、hi

9、bernate開發(fā)的信息系統(tǒng)具有開發(fā)維護簡單、可擴展性強（基于JAVA語言，可擴展到無線應(yīng)用，方便林業(yè)調(diào)查記錄）、部署方便的特點，可避免盲目開發(fā)，降低開發(fā)維護成本，具有一定的研究價值。 本文的創(chuàng)新點主要表現(xiàn)在：將數(shù)據(jù)挖掘的方法引入林業(yè)應(yīng)用，從而為林業(yè)的經(jīng)營決策提供一條新的思路；建立多形林分生長模型時，只含一個因變量和一個自變量，從而避免因子間相互預(yù)測的問題；在聚類時，使用SEM算法，執(zhí)行速度更快，效果更優(yōu)；聚類完成后，采用的是時