共查询到17条相似文献,搜索用时 652 毫秒
1.
马尾松人工林直径分布神经网络模型研究 总被引:8,自引:1,他引:7
该文首先以相对直径为输入变量,以累积频率为输出变量,构建了1∶S∶1的林分直径分布BP神经网络模型. 用1块具有代表性、26年生、全林伐倒测定每木胸径、树高生长过程的马尾松人工林标准地直径分布数据,作为马尾松人工林的期望分布,对所建模型进行训练、用定性与定量相结合的方法,选出既符合林分直径分布规律,又具有较高拟合准确度的网络模型结构为1∶2∶1,网络对象名为FRdnet2 该模型的总体累积频率拟合准确度达99.5%,径阶累积频率拟合准确度最低93%、最高99.9%、平均99%,径阶频率拟合准确度最低82%、最高99%、平均95%. 神经网络建模技术的拟合准确度好,可作为有效的林分直径分布模拟技术. 相似文献
2.
以河南省博爱县毛白杨农田防护林带为研究对象,在调查、计算林带径阶分布数据和有关林分特征数的基础上,应用人工神经网络建模技术,以断面积平均直径、直径变动系数和径阶相对直径等为输入变量,以径阶株数累积频率为输出变量,建立了结构为3∶11∶1的毛白杨农田防护林带直径分布神经网络预测模型,模型总体拟合准确度为98.18%。模型的拟合准确度分析结果表明,累积频率拟合准确度最大99.93%,最小88.48%,平均98.20%。模型的预测准确度分析结果显示,累积频率预测准确度最大99.70%,最小94.36%,平均97.56%。模型的平均准确度在95%以上,能满足林业上的应用要求,模型研究取得了较好的拟合、预测效果。 相似文献
3.
杉木人工林直径分布BP模型的研究 总被引:5,自引:1,他引:5
以相对直径作为输入向量,以株数累积频率作为输出向量,建立直径分布的BP神经网络模型;用杉木人工林直径分布的实际数据训练,选出的最佳模型,拟合精度为99.03%,检验精度为97.64%,所选模型没有系统偏差.与Weibull分布模型相比,具有较好的拟合效果.研究结果进一步表明,人工神经网络是一种有效的林分直径分布模拟技术. 相似文献
4.
5.
以福建闽北山地马尾松人工林2块样地资料为依据,应用正态分布,对数正态分布,Weibull分布,β分布,Γ分布拟合及闽北马尾松人工林直径分布的适用性进行分析、比较,选出最适合于拟合及预测该林分直径结构的分布,并用卡方统计量对5种分布进行检验,结果表明:β分布描述闽北马尾松人工林的直径分布效果最好。 相似文献
6.
福建马尾松人工林可变密度收获表的编制 总被引:1,自引:0,他引:1
以林龄,地位指数,林分密度指数为自变量因子,由扩展的Richards生长函数结合林分直径分布规律,建立直径的生长模型,运用改进单纯形法最优拟合该生长模型,以此作为基础推算其它因子,编制出福建省马尾松人工林可变密度收获表,为福建省马尾松人工林的节理论依据。 相似文献
7.
林分保留密度的人工神经网络模型研究 总被引:1,自引:0,他引:1
《北京林业大学学报》2005,(Z2)
为探索人工神经网络在林分保留密度研究中的应用效果,以马尾松人工林为对象,481块标准地资料为基础数据,用MATLAB的正切“S”形函数tansig为神经元的作用函数,以年龄和密度的标准化、归一化数据为训练样本,构建和训练林分保留密度的人工神经网络模型,并与幂函数进行对比研究.结果表明,密度与年龄的关系用幂函数(y=axb)描述,拟合精度为91.29%;用人工神经网络描述,拟合精度为94.27%.可见,人工神经网络能比常规方法更好地模拟林分密度随年龄的变化规律,特别能有效地模拟经营活动下的复杂过程. 相似文献
8.
基于BP神经网络连栽桉树人工林生长量预测 总被引:3,自引:0,他引:3
以广西国有东门林场雷卡分场的3个连栽代次的尾巨桉(Eucalyptus urophylla×E.grandis)人工林为研究对象,以林分的林龄和林分密度作为输入变量,分别以林分的平均胸径和树高为输出变量,构建了6个2∶n∶1的BP人工神经网络模型。用林分前5 a的数据对网络进行训练,第6、7年数据进行测试,经过大量训练选取最优模型后,得出以2∶2∶1的结构训练的模型最优,林分平均胸径的3个BP网络模型平均预测精度分别为99.09%、98.35%和96.37%,平均树高的3个BP网络模型平均精度分别为96.22%、96.48%和96.6%。回归分析证明模型的拟合效果良好。模型可用来分析、模拟和预测相似条件下桉树人工林林分随林龄增长整个生长阶段的生长量变化情况。 相似文献
9.
马尾松人工林与距离有关的单木模型研究 总被引:5,自引:0,他引:5
为使单森竞争指标与林分密度具有兼容性,以更好地实现马尾松人工林的生长预测,就23块马尾松人工林固定样地资料,用Hegyi的简单竞争指数作 龄级和密度级确定竞争木株数,用回归分析方法组建模型,对与距离有关的单木模型进行了研究,精度分析表明,单森生长速率拟合精度80 ̄96%,单木生长状态预测精度平均在97%以上,林分断面积预测精度在95%以上,说明单木模型预测精度高,使用效果好,建议进行广泛的研究和应 相似文献
10.
温佐吾 《北京林业大学学报》2004,26(5):1-5
该文利用贵州省台江县马尾松造林技术试验林 4~ 10年生林分的逐年测定资料 ,以林分平均树高和平均胸径为基准变量、各主要造林技术措施和林分年龄为说明变量 ,对建立马尾松林分生长的数量化回归模型进行初步研究 .结果表明 ,采用数量化回归途径建立马尾松林分生长的预测模型是可行的 ,且所建模型具有较高的预测精度 ,但用于拟合回归模型的数据以采用林龄为 4a以上的测定资料为宜 .通过对回归模型偏相关系数的定量分析 ,可以确定马尾松人工林培育的关键技术措施是立地控制、遗传控制和密度控制 ;同时 ,还可根据各项造林技术措施和林分年龄 ,预测马尾松林分的生长 . 相似文献
11.
红松树高-胸径的非线性混合效应模型研究 总被引:1,自引:0,他引:1
以吉林省汪清林业局的蒙古栎阔叶混交林和云冷杉阔叶混交林24块固定样地中的2598株红松为研究对象,利用Chapman-Richards方程建立了不含随机效应与含随机效应的单木树高-胸径简单模型和广义模型。模型拟合和检验的评价指标主要包括调整决定系数(R2a)、平均相对误差绝对值(RMA)和均方根误差(RMSE)。对于混合效应模型,设计了随机抽取、抽胸径最大的树、抽胸径最小的树和抽平均木4种抽样方案计算随机参数,通过对比4种抽样设计下模型的误差统计量,分析了不同抽样设计下样本数量和预测精度的关系。结果表明:基于混合效应模型的红松单木树高-胸径模型拟合效果(简单模型的R2a在0.753~0.886之间,RMA在11.3%~15.1%之间,RMSE在1.38~2.01m之间;广义模型的R2a在0.754~0.886之间,RMA在11.1%~15.0%之间,RMSE在1.38~2.01m之间)优于不含随机参数的红松单木树高-胸径模型(简单模型的R2a在0.502~0.868之间,RMA在12.2%~17.8%之间,RMSE在1.42~2.65m之间;广义模型的R2a在0.711~0.877之间,RMA在11.6%~17.2%之间,RMSE在1.41~2.10m之间);包含随机效应的简单模型和广义模型拟合效果没有明显的差异,表明基于混合效应模型的单木树高-胸径简单模型可以很好地描述树高-胸径关系在不同森林类型、不同样地间的差异,因此不需要在树高-胸径模型中增加其他自变量;抽取平均木的抽样设计优于其他3种抽样设计,且抽取4株平均木时,预测精度提升最为明显,综合预测精度和调查成本的考虑,在实践中应用包含随机效应的红松树高-胸径模型时,推荐在样地中抽取4株平均木测量其树高来估计随机参数。 相似文献
12.
13.
基于遥感的高山松连清固定样地地上生物量估测模型构建 总被引:2,自引:0,他引:2
14.
15.
16.
17.
基于机载激光雷达的寒温带典型森林高度制图研究 总被引:1,自引:0,他引:1
以内蒙古根河市潮查林场境内的寒温带兴安落叶松原始林及其次生林为研究对象,利用机载激光雷达点云数据与地面调查的66个样地数据,采用不同算法计算样地实测树高(Lorey's高、冠幅面积加权树高和算术平均高)分别与基于双正切角树冠识别算法获取的LiDAR估测高(冠幅面积加权树高、算术平均高)和基于点云提取的百分位高构建树高回归模型(冠幅面积加权树高模型、算术平均树高模型和LiDAR百分位树高模型)。对比不同树高模型的训练精度与估测精度的差异,探讨双正切角树冠识别算法对本研究区的适用性;同时了解冠幅面积加权的样地实测树高与Lorey's高对林分平均高代表性的差异,确定最优解释变量,筛选最优树高模型,计算研究区森林高度空间分布图,为后续生物量和碳储量研究提供参考数据。结果表明:样地冠幅面积加权树高的模型训练精度和估测精度与Lorey's高的结果一致性较好,略低于Lorey's高的估测结果。LiDAR百分位树高模型中的50%分位高与样地实测树高相关性显著且回归模型拟合效果较好,其中,以Lorey's高为样地实测树高时模型的R2=0.869、RMSE=1.366m;以冠幅面积加权树高为样地实测树高时模型的R2=0.839、RMSE=1.392m;Lorey's高的50%分位高模型的估测精度最高,各独立验证样本点估测精度均高于85%,平均估测精度为94.73%,最高估测精度可达99.78%,其中混交林平均估测精度(96.72%)高于针叶林的平均估测精度(93.58%)。因此,选择Lorey's高的50%分位高模型计算研究区的森林高度空间分布。 相似文献