基于神經(jīng)網(wǎng)絡(luò)的杉木人工林全林分模型.pdf

1、在森林經(jīng)營過程中，及時掌握森林資源的現(xiàn)狀，預(yù)測其發(fā)展趨勢對森林資源的宏觀經(jīng)營決策和管理十分重要。本文以杉木人工林為研究對象，根據(jù)順昌縣各林場的實際情況，采用BP人工神經(jīng)網(wǎng)絡(luò)方法，在matlab軟件環(huán)境下，建立了基于神經(jīng)網(wǎng)絡(luò)的杉木人工林全林分模型。該模型不僅可以為掌握杉木人工林生長動態(tài)、科學(xué)經(jīng)營提論理論依據(jù)，而且對林分生長模型的研究和應(yīng)用具有重大意義。 全文介紹了全林分模型的發(fā)展現(xiàn)狀和神經(jīng)網(wǎng)路的一般學(xué)習(xí)和訓(xùn)練策略，分析了神經(jīng)網(wǎng)絡(luò)的

2、優(yōu)點和不足，對BP神經(jīng)網(wǎng)路的理論和建模方法進(jìn)行了較為全面和深入的探討，并詳細(xì)講解了本文采用的BP網(wǎng)絡(luò)的性能分析方法。在此基礎(chǔ)上，提出了一種用BP神經(jīng)網(wǎng)絡(luò)建立全林分模型的全新方法。然后以年齡、地位指數(shù)、株數(shù)密度地位指數(shù)為輸入矩陣，以平均高、平均胸徑和蓄積量為輸出矩陣，構(gòu)建了多輸入多輸出的全林分生長神經(jīng)網(wǎng)絡(luò)模型，這是對以往單輸出全林分生長模型研究的一個突破。為了提高模型的辨識精度和泛化能力，建模前先采用歸一化方法簡化原始輸入數(shù)據(jù)，模型模擬完

3、畢后，再對輸出數(shù)據(jù)反歸一處理，結(jié)果表明這種處理使網(wǎng)絡(luò)更加穩(wěn)定且誤差小、收斂速度快。通過以260塊臨時標(biāo)準(zhǔn)地資料為訓(xùn)練樣本，對網(wǎng)絡(luò)進(jìn)行多次訓(xùn)練，確定了3：13：3的BP神經(jīng)網(wǎng)絡(luò)模型，此時均方誤差mse為0．0096，總體擬合精度達(dá)到95％，三個輸出量的擬合精度都在93％以上。為檢驗?zāi)Ｐ偷念A(yù)測能力，以92塊臨時標(biāo)準(zhǔn)資料為檢驗樣本對模型進(jìn)行檢驗，得到總體預(yù)估精度為94％，三個輸出量的預(yù)估精度都超過了93％，這些數(shù)據(jù)表明模型能很好的預(yù)測杉木人工