改进单纯形法拟合多形地位指数曲线模型的研究

本文采用改进单纯形法拟合了福建省中心产区杉木人工林8参数Richards多形地位指数曲线模型．精度验证的结果表明，所拟合的模型符合精度要求．对不同地位指数优势高生长特性进行了分析，结果表明：地位指数越高，则林分优势高速生期来得越早，生长潜力也越大．     

用Richards函数拟合柳杉林多形地位指数曲线

该文从生物学和数学两方面论述了采用Ｒｉｃｈａｒｄｓ方程拟合柳杉高生长曲线的适合性．以曲线的拐点年龄为基础分析了柳杉高生长在其指数级间和指数级内的多形性特征．通过图表分析和数值运算确定以６参数Ｒｉｃｈａｒｄｓ方程作为拟合柳杉林多形地位指数曲线的基本模型，并采用Ｍａｒｑｕａｒｄｓ迭代法求出各参数值，然后将模型展开得到柳杉林多形地位指数表．经检验所建立的柳杉林多形指数模型具有较高的精度     

基于CS和BP的鸡舍环境与产蛋性能关系模型研究

为了分析层叠式密闭蛋鸡舍多环境因子对蛋鸡产蛋性能的影响,提出基于布谷鸟搜索算法和BP神经网络的鸡舍环境因子与产蛋性能关系回归模型。选取主要环境影响因子参数(温度、湿度、二氧化碳、风速、光照、氨气)作为输入量,鸡的产蛋量作为输出量,构建BP神经网络基本模型。针对BP神经网络容易陷入局部最小值的缺陷,对算法提出改进,采用布谷鸟搜索算法结合BP神经网络,建立鸡舍小气候环境因子与产蛋性能关系回归模型。通过具体试验对CS-BPNN性能进行测试。试验结果表明,相对于GA-BPNN、PSO-BPNN等对比模型,CS-BPNN提高了拟合精度,能够更加准确地反映鸡舍环境因子与产蛋性能的关系。     

浙江省杉木实生林多形地位指数曲线模型

利用在浙江省各地收集的65株20年生以上杉木实生林详测标准地优势木解析木资料,建立了优势高生长Richards模型。用参数预估法编制了浙江省杉木实生林多形地位指数表。检验结果表明,各指数级曲线平均拟合精度为0.41,预报精度为0.55。与浙江省杉木实生林单形地位指数表相比,精度明显提高。     

山东省107-杨树地位指数表的编制

地位指数表是评价立地质量的重要指标之一。本文应用采集的解析木资料,选用6个导向曲线模型对标准地内平均优势木的树干解析资料进行拟合。由拟合结果确定Richards函数为最佳导向曲线模型。在分析杨树高生长在各指数级间的多形特征的基础上,建立了多形地位指数模型,并编制了多形地位指数表。经检验表明,编制的多形地位指数表具有较好的精度。     

两种模型对土壤水分特征曲线拟合的比较分析

土壤水分特征曲线可以表示出土壤水的能量和数量之间的关系。以鹫峰国家森林公园土壤为例,用Van-Genuchten模型和土壤水分特征曲线单一参数模型拟合土壤水分特征曲线,结果表明:Van-Genuchten模型拟合的精度高,参数的物理意义明确,但工作量大;单一参数模型拟合精度比Van-Genuchten模型拟合精度约低一个数量级,但也能较准确地拟合土壤水分特征曲线,并且其参数可反映空间变异性,以及工作量小。两个模型均可用于拟合鹫峰国家森林公园土壤水分特征曲线,可根据不同情况选用。     

安远县杉木、马尾松地位指数表的编制

本文利用解析木资料,选用Chapman—Richards模型及Marquardt迭代法,分别拟合安远县杉木、马尾松多形地位指数曲线,编制成地位指数表,编表精度较高,可用于有林地立地评价,并为预测林地产量、指导森林经营提供依据。     

基于广义代数差分法的长白落叶松人工林地位指数模型

【目的】森林立地质量评价是森林经营的基础工作,是估计林分生长量和收获量、评价森林生产潜力及确定合理经营措施的重要依据。本文基于60株优势木和亚优势木解析木数据,采用广义代数差分法(GADA)构建了更加灵活的异形地位指数模型,为黑龙江省长白落叶松人工林立地质量的精准评价提供了依据。【方法】选择修正Weibull、Korf和Richards生长方程为基础方程,使用GADA法推导出6个差分地位指数模型,基于1994—2017年在黑龙江省调查的解析木数据,利用非线性最小二乘法进行拟合。结合拟合样本和检验样本计算R2、均方根误差(RMSE)、模拟效率和平均绝对误差等4项指标检验模型的拟合效果与预测能力,初步筛选出较优模型。通过分析比较它们的残差图、地位指数曲线簇进一步筛选出最优模型。将最优模型和使用代数差分法(ADA)推导的模型绘制地位指数曲线簇,并对地位指数为12～22 m曲线的参数、年生长量达到最大值的时间(拐点)和数值进行分析比较。【结果】基于Richards方程h=a(1-e~(-bt))~c,设定自由参数为a=e~(X_0),c=c_2/X_0,X_0=1/2[lnh_1+(lnh_1~2-4c_2ln(1-e~(-bt_1)))~(1/2)]的差分地位指数模型被选为最优模型。其参数的拟合结果为b=0.046 8,c_2=4.675 4,R~2为0.987 4,RMSE为0.749 1,平均绝对误差为0.904 0,模拟效率为97.04%。相比于使用ADA法推导的模型,采用GADA法推导的最优模型能更好地预测优势木树高生长过程。【结论】在推导地位指数模型时,根据GADA法,指定多个参数为自由参数所推导出的差分模型不仅具有良好的拟合效果,也能同时符合多条水平渐近线与曲线多形性的性质,而ADA法只能满足其中一个条件。最优模型的拟合结果表明,随着地位指数的提升,优势木树高生长曲线的渐近最大值(参数)逐渐增大,连年生长量达到最大值(拐点)的时间越早。这说明立地条件越好长白落叶松人工林优势木树高年生长量和最大值越大,且年生长量更早达到最大值。     

福建省火炬松人工林多形地位指数曲线的研究

根据福建省火炬松人工林林分优势木的树干解析数据 ,以 Richards函数为数学模型 ,用改进单纯形法拟合优势高生长曲线 ,推导出适合福建省火炬松人工林的多形地位指数曲线综合模型 .精度检验结果认为该模型可应用于林业生产实践     

马尾松人工林地位指数BP模型研究

用BP人工神经网络和Richards方程2种方法建立了马尾松人工林地位指数模型,其中Richards方程的参数由改进的单纯形法求解.研究结果表明,用人工神经网络建立模型拟合精度为94.52%,检验精度为92.15%,所建模型无系统偏差,与Richards方程相比,具有较好的拟合效果,人工神经网络更适合建立非线性模型.