我国进口俄罗斯木材趋势分析

对我国进口俄罗斯木材的历史数据进行分析,并根据灰色预测GM（1,1）模型理论,建立我国进口俄罗斯原木、锯材、板材预测模型,以此预测2015年我国对俄罗斯原木、锯材、板材的进口数量以及未来几年我国进口俄罗斯木材的总体趋势,从而为我国木材流通领域的宏观调控提供依据,保证整个社会经济的协调发展。     

落叶松木材干燥的BP神经网络模型研究

以落叶松木材为研究对象,实验在东北林业大学干燥实验室进行,采用MATLAB中log-sigmoid型函数(logsig)和线性函数(purelin)为神经元的作用函数,用落叶松木材的干燥温度、湿度、循环风速及平衡含水率作为输入变量,以木材含水率作为输出变量,构建了4∶S∶1的木材干燥的BP人工神经网络模型。用120组数据对网络模型进行训练及检验,得最适宜的网络结构为4∶10∶1,均方误差函数mse=0.001 7,总体拟合精度为96.86%。该模型能够运用到相同条件下的其他树种的木材干燥。     

中国的木材进口引起国际关注

2004年5月国际林业研究中心(CIFOR)讯：中国的木材进口引起了国际关注。1998年由于森林的过度采伐造成的洪水灾害，导致了4000多人伤生，从此，中国实施了大范围的采伐禁令。该禁令对中国的森林来说似乎是福音，但也存在对这种采伐禁令的担心，那就是     

基于BP神经网络木材纹理分类的研究

应用 BP 神经网络对常见的10种木材纹理进行了分类研究,获得了比较满意的效果。首先,应用灰度共生矩阵提取了木材的纹理特征参数;其次,在此特征参数体系下,应用 BP 神经网络对木材纹理进行了分类研究,识别率达89%。     

如何检验好海运进口俄罗斯原木

俄罗斯是世界上森林资源最丰富的国家，也是世界上主要的木材生产国和出口国之一。我国自上世纪70年代就开始从俄罗斯进口原木并逐年增多，俄罗斯原木在我国进口木材中的比例逐年大幅提高。     

基于BP神经网络的太白山生态旅游量预测研究

生态旅游需求预测受到许多不可预知因素的干扰,而且不稳定因素也很多,传统方法难以得到有效的预测结果。文章把BP神经网络应用在旅游需求预测中,通过介绍BP神经网络的原理和计算步骤,结合实例确定神经网络的结构,从而建立BP神经网络,最后预测了太白山自然保护区2011—2020年旅游人数,将利用该模型得到预测数据与实际数据做对比,表明该模型预测效果良好,并能保证网络良好的泛化能力。     

2003年全国进口木材情况评析

2003年我国进口原木、锯材、胶合板、纤维板、枕木实际材积(混合立方米)计3 298.22万 m~3,比去年同期3 151.17万 m~3,增加147.05万 m~3,增幅为4.67%。随着国际货运价格的大幅上升,2004年春节后进口木材的报价已出现较大的升幅。     

日本市场进口的俄罗斯木材

2007年10月,到货的俄罗斯原木仅为14．16万m^3,低于9月份的18．44万m^3,骤减26．4％,与去年同期相比骤减60．0％。     

基于BP神经网络的臭氧需求量预测方法的设计

指出了煤燃烧产生废气中含有大量的污染物,利用臭氧进行尾气处理是优势比较明显的技术,但臭氧的需求量现阶段采用公式计算,定量供给,会导致反应不完全或者臭氧的浪费。设计了一种方法,利用相关影响因素,采用BP神经网络预测的优势,进行臭氧需求量的控制,可提高臭氧的利用率,降低企业成本。     

我国进口俄罗斯木材发展概况

本文论述了俄罗斯进口材在我国近期的概况及发展趋势 ,并就其价格、进口成本及过货量做了论述     

中国木材进口影响因素分析

分析了中国木材进口的主要影响因素, 并运用计量经济学的回归方法进行了实证分析。结果表明, 影响木材进口额的最主要因素是木材市场需求, 最后总结了应对木材供需缺口的措施。     

韩国木材进口及消费浅析

研究表明,韩国是世界重要的木材消费大国和贸易大国,1997年,韩国工业材原木进口量为947万m3,仅次于日本,居世界第2位;单板进口量为40.7万m3,居世界第4位;胶合板进口量为97万m3,居世界第5位。研究韩国木材进口及消费趋势,对于我国开发韩国市场,建立中韩木材产业合作关系意义深远。     

基于人工神经网络的马尾松毛虫发生量预测模型的研究

运用人工神经网络的原理和方法,根据相关系数法和逐步回归法分别选取与马尾松毛虫有虫面积、虫口密度、虫株率相关关系密切的气象因子作为样本的输入特征,分别建立马尾松毛虫有虫面积、虫口密度、虫株率与气象因子的BP网络模型。结果表明:所建立的各BP模型,具有令人满意的拟合精度和预测精度。当隐含层神经元个数为15个,预报因子数为8个时,2组预留有虫面积的2a平均预测误差为3.15%;虫口密度BP模型的隐层神经元个数为8个,预报因子数为6个时,预留样本的平均预测误差为5.91%;虫株率BP模型的隐层神经元个数为4个,预报因子数为5个时,预留样本的平均预测误差为10.65%。     

基于过程神经网络的木材生长轮密度预测

提出一种基于过程神经网络的木材生长轮密度长期预测方法.本方法利用输入输出均为时变函数的过程神经网络输出为时变函数的特点,将原始数据拟合为输入函数并表示为一组正交基的展开形式后,使用混合遗传算法训练过程神经网络,得到过程神经网络的输出函数,以此实现木材生长轮密度的一次多步长期预测,通过与传统时间序列预测方法比较,预测精度得到显著提高,并为时间序列长期预测问题提供新方法.     

黑龙江省木材进口贸易发展现状、问题及对策

俄罗斯木材是中国进口木材的重要组成部分.黑龙江省在中国俄罗斯木材进口中占据不可替代的位置.本文在总结了黑龙江省木材进口贸易发展概况及特点的基础上,分析了其发展中存在的主要问题;基于可持续发展的视角,提出了推动黑龙江省木材进口贸易可持续发展的对策和建议.     

人工神经网络在林分出材率预测中的应用

应用人工神经网络的原理和方法,结合主要林分因子建立林分出材率预测的多层神经网络模型。检验结果表明:所建立的预测模型,平均预测精度达到96.45%,可以对林分出材率作出准确有效的预测。     

基于 BP 神经网络对供应商选择与评价的研究

基于当前经济全球化、竞争日益激烈、用户需求个性化的新环境的严峻挑战，企业应该如何依据供应链管理的思维与技巧选择与评价供应商，具有举足轻重的现实意义。通过对供应商选择与评价的实例，在神经网络训练成功的前提下对企业供应商进行了选择，BP神经网络模型的建立、仿真及评价得到了实际的应用，详细说明了基于BP神经网络对供应商选择与评价的可行性。