毛白杨农田防护林带直径分布预测

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。     

基于人工神经网络的林分直径分布预测

以马尾松人工林为研究对象,用人工神经网络建模技术构建了林分直径分布预测模型。经训练和优选,得到的理想模型结构为3∶6∶6∶1,训练误差指标为0.000281,总体拟合准确度为98%。模型对82块训练标准地的累积频率拟合准确度最大为100%,最小为95%,平均为98%;频率拟合准确度最大为96%,最小为75%,平均为87%。模型对18块检验标准地的累积频率预测准确度最大为99%,最小为97%,平均为98%;频率预测准确度最大为96%,最小为76%,平均为88%。所建模型具有很好的拟合效果和很强的预测能力,可用于10～30年生马尾松人工林。研究结果证明,人工神经网络技术可以作为有效的林分直径分布预测技术。     

福建马尾松人工林可变密度收获表的编制

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。     

杉木人工林直径分布BP模型的研究

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.     

闽北山地马尾松人工林林分直径结构规律研究

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。     

基于单木生长神经网络模型的林分生长预测

以马尾松Piuns massoniana人工林间伐试验林为研究对象，用单木生长神经网络模型与林分表法的转移概率矩阵模型构建了林分直径分布的动态转移模型，再与径阶材积向量或材种材积向量构成林分生长与收获预测模型。预测检验结果显示，高、中、低密度的林分断面积预测精度依次为94％、95％、97％，蓄积量预测精度依次为92％、94％、96％，表明不计枯损（或采伐）的转移概率矩阵模型对低密度林分的预测比对高密度林分的预测效果好。     

不同优势度胖大海林分林木直径分布特征

以越南同奈天然文化自然保护区天然次生林为研究对象,采用偏度、峰度和变动系数3个指标研究了3个不同优势度等级的胖大海林分的林木直径分布特征,运用Weibull分布、指数分布和Distance分布对其直径分布进行拟合,并利用χ2检验法来检验3种概率密度函数的拟合效果.结果表明:不同优势度等级的胖大海林分平均胸径结构呈现差异.优势度三级林分中林木平均胸径为35.7 cm,在13.1~86.5 cm之间变动,径阶分布范围较大,林分直径分布曲线为左偏,中小径阶林木占多数,林木直径主要分布在22~46 cm径阶,株数累积百分比高达80.10%.优势度二级林分和一级林分平均胸径结构相似,平均胸径依次为22.31、20.63 cm,在7~70 cm之间变动,径阶分布范围不大,林分直径分布曲线为左偏递减状态,小径阶林木占多数,中大径阶林木株数较少,林木直径主要分布在10~22 cm径阶,株数累积百分比高达67.63%.利用3种概率分布函数拟合并经χ2检验,指数分布函数模拟不同优势度等级的胖大海林分的直径分布的效果最佳,可用于天然次生林的直径分布和生长预测,为不同优势度等级的胖大海林分的科学经营、可持续利用与保护工作提供理论依据.     

尤溪县马尾松人工林标准表制定的研究

在尤溪县马尾松人工林郁闭度0.8以上的林分设置标准地,调查测定林分平均胸径、平均高、优势高、单位面积上的蓄积量、胸高断面积和株数等因子。以林分优势高为辅助变量,林分蓄积量为因变量,采用免疫进化算法建立标准林分蓄积量模型;再以林分形高为因变量,林分优势高为辅助变量,通过多方程的拟合对比,建立合适的林分形高模型,据以编制了尤溪县马尾松人工林标准表,为森林资源清查中林分疏密度和蓄积量的确定提供了科学依据。     

基于BP神经网络的马尾松人工林胸径-树高模型预测

  目的  马尾松Pinus massoniana是中国南方主要用材树种，建立高效的马尾松人工林胸径-树高预测模型，可为马尾松人工林经营提供理论指导。  方法  以贵州省黔中地区马尾松人工林为研究对象，基于82块样地(25 m×25 m)的4 284株马尾松单木数据，选取6个常用的广义非线性模型进行拟合，从中筛选出拟合效果最好的模型。使用相同的数据确定最佳隐层节点数量后，经过反复训练建立基于BP神经网络的马尾松胸径-树高预测模型。  结果  在6个广义非线性模型中，拟合效果最佳为Korf模型(R2=0.650)；马尾松适宜的隐藏层节点数为2，适宜的模型结构(输入层节点数∶隐藏层节点数∶输出层节点数)为1∶2∶1，模型预测精度达0.717。  结论  广义非线性模型能较好地拟合马尾松人工林胸径-树高关系，但与BP神经网络模型相比，BP神经网络不需要依赖经验模型，也不用模型筛选，而且BP神经网络模型具有较高的决定系数和较低的均方根误差，拟合精度优于广义非线性模型。图5表5参35     

广州城市森林林分结构及林下植物多样性研究

以广州市城市森林为研究对象,在天然次生林、改造人工林和未改造人工林设置大样地进行调查,比较分析3种森林类型的林分结构特征和林下植物多样性。结果表明,天然次生林乔木层主要树种为华润楠、罗浮柿、木荷、红花荷、马尾松、鼠刺等,改造人工林主要有马尾松、杉木等造林树种与其他引进树种,未改造人工林主要有湿地松;天然次生林大径木和特大径木株数比例较高,改造人工林中小径木较多,未改造人工林径阶-株数曲线表现为双峰状正态分布;天然次生林树高分布在10~14 m的植株较多,改造人工林树高近似于正态分布,未改造人工林树高结构呈现为接近该林分平均高的植株数最多的非对称性山状曲线;天然次生林林下植物多样性最高,改造人工林次之,未改造人工林最小。     

Elman动态递归神经网络在树木生长预测中的应用

该文充分考虑树木生长所特有的动态性、随机性和非线性,以及Elman动态递归模型的结构特点,获取北京山区油松解析木生长数据,分别建立了Elman型树木胸径生长和树高生长的神经网络动态模型.研究表明,Elman动态递归模型对非线性问题建模具有很好的拟和性和仿真性,其中,用于胸径生长建模时,其拟和精度达到99.45%,仿真精度达到99.42%;用于树高生长建模时,拟和精度达到 97.30%,仿真精度达到97.29%,而且其拟和和仿真曲线均为“S”形,符合树木生长规律.进一步对Elman动态模型和常规BP静态模型比较发现,Elman模型具有更好的拟和性、预测性和稳定性.      

基于ANN的栎类天然次生林林分直径分布研究

利用宝天曼自然保护区栎类天然次生林32块标准地的调查数据,采用人工神经网络建模方法,以相对直径作输入向量,以株数累计频率作输出向量,在MATLAB软件中进行模型训练,建立人工神经网络模型。对主要树种建立的7个模型进行的精度分析表明,该模型能够很好地描述栎类天然次生林主要树种的直径分布。     

干扰对人工诱导的阔叶红松林群落结构及高等植物多样性的影响

干扰对人工诱导阔叶红松林的群落结构及高等植物多样性的影响分析表明:次生林抚育改造 32年,经过2次上层抚育采伐作业（择伐上层保留木）,部分红松已进入主林层,形成优势 种群.林分乔木层具有明显的层次结构,红松在林分各层均有分布.林分各层次之间在蓄积分 配上,第Ⅰ层林木蓄积最大,第Ⅱ层次之,第Ⅲ层最小,第2次上层抚育采伐作业前蓄积比 为5∶3∶2,作业后为4∶4∶2.对林分大径木（20 cm以上）、中径木（14～18 cm）、小径 木（14 cm以下）蓄积比进行统计分析,采伐前为5∶3∶2,采伐后为4∶4∶2.同时,各试验区林木径阶呈连续分布,且中、小径木株数较多,呈现出健全的林相,为目前较理想的异龄复层阔叶红松林.上层抚育时择伐上层林木,其林分乔木层、灌木层和草本层的丰富度、Shannon-Wiener指数、均匀度均高于皆伐上层林木的林分,而与对照区差异较小.人工诱导阔叶红松林在上层抚育时,择伐上层林木比皆伐上层林木在保护高等植物多样性上更具优势.      

基于BP神经网络连栽桉树人工林生长量预测

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。     

人工神经网络优化发酵过程中氨气释放条件

在正交试验的基础上,运用人工神经网络对发酵过程中影响氨气释放的条件进行优化。该模型预测的最佳参数条件为：含水率为60%,C/N为37∶1,pH为7,温度为31.3℃,此时总氨气量的预测值为1 149.3 mg/kg。BP神经网络模型的预测值和实测值相差不大,最大相对误差为6.58%,说明该模型具有较高的预测精度。     

基于BP神经网络的杉木林蓄积量估测研究

以杉木人工林为研究对象,选取与蓄积量预测有关的因子作为样本输入,通过分析神经网络各参数对网络性能的影响得到最佳参数值,构建结构为10∶3∶1的杉木林蓄积量BP神经网络模型,通过模型训练随机抽取46个样本单元数据并预测20个检验样本。结果表明:BP神经网络对于林分蓄积量具有很好的模拟效果,总体拟合精度为88.5%,均方误差MSE=2.95,所构模型合理、稳定,能够快速有效预测杉木林的变化规律。     

毛白杨农田防护林林分密度指数模型

以河南省博爱县毛白杨农田防护林带为研究对象,应用人工神经网络建模技术,以平均胸径为输入变量,以林分密度为输出变量,建立BP人工神经网络模型,用毛白杨的实际数据进行模型训练,选出的最佳模型,拟合准确度为98.18%,并与Reineke的林分密度指数模型比较,结果进一步表明,人工神经网络是一种有效的林分密度指数模拟技术。     

间隔覆盖条件下坡面产流产沙状况的BP神经网络模拟

本文以塿土和黄绵土作为实验材料,尝试使用BP神经网络方法(Back-Propagation neural network)模拟人工降雨条件下,间隔覆盖坡面的产流产沙状况。通过设置不同坡度、降雨强度、面积比,获得各种因素不同水平组合下的实测数据;以实际降雨强度、坡度、面积比、径流起始时间和初始含水率5个因子为输入变量、坡面产流量和产沙量为输出变量,利用BP神经网络模型与多元线性回归模型对数据进行模拟分析,并检验其模拟效果。研究结果表明:训练样本集平均相对误差为18.23%,预测样本集平均相对误差为5.21%;与多元线性回归模型相比,BP神经网络模型拟合精度较高,拟合效果更理想,表现出更强的预测能力。另外,比较不同土质坡面产流量与产沙量模拟效果,塿土优于黄绵土。从本研究的结果看,BP神经网络模型应用于坡面产流产沙模拟预测,省时省力,方便快捷,具有一定的应用潜力,但其实际的模拟预测能力尚需进一步探索。