基于神经网络的马尾松人工林密度指数模型

  目的  通过对马尾松Pinus massoniana人工林密度指数模型的研究，为制定木材产量及质量的提升决策提供参考。  方法  以河南省薄山林场马尾松人工林为研究对象，采用147块标准地数据，以林分平均胸径为输入向量，以林分密度为输出向量，建立了林分密度指数人工神经网络（ANN）模型，并与Reineke的林分密度指数模型进行比较。  结果  ① 薄山林场马尾松人工林最大密度线斜率b为-1.516 3，马尾松标准平均胸径为14 cm，Reineke的林分密度指数模型精度为92.11%，t检验结果显著；②构建了网络结构为1:2:1的林分密度指数ANN模型，模型拟合精度为92.57%，均方误差为0.001 469 7。③无论采用Reineke林分密度指数还是人工神经网络技术，在拟合株数密度随林分平均胸径的变化趋势时，幼龄林组拟合效果都不理想，这与幼龄林组数据数量偏少有关。  结论  所建模型可为薄山林场马尾松抚育经营决策提供依据。     

中国森林火灾发生规律及预测模型研究

量化分析森林火灾发生规律能为预测和防治森林火灾提供科学依据。文中采用四参数Weibull分布描述了我国森林火灾发生次数和火场面积分布规律，运用Spearman相关系数分析承灾主体因子、灾害管理因子、孕灾环境因子与森林火灾发生次数、面积间关系，基于全国森林火灾数据分别建立灰色系统理论模型、BP人工神经网络模型和时间序列ARIMA模型，并采用Markov随机过程改进已建立模型。结果表明，我国森林火灾发生次数分布呈左偏正态分布，火场面积呈倒J型分布，火灾次数和火场面积分布模型拟合决定系数分别为0.63和0.66；承灾主体、孕灾环境和灾害管理对森林火灾次数和火场面积影响程度依次减小，人工林面积、累年年平均气温、年降雨量平均差值、年最低气温平均日数与森林火灾发生具有明显相关性，影响森林火灾的因子与森林火灾发生次数、火场面积间存在指数型关系；不同模型对森林火灾发生次数和火场面积拟合优度次序为BP模型、GM（1，1）-Markov模型、BP-Markov模型、GM（1，1）模型、ARIMA模型、ARIMA-Markov模型，采用Markov过程能显著改进GM（1，1）预测模型对火灾随机性的预测效果，可以更好地反映森林火灾发生规律。     

西藏林区森林火险等级中短期预报方法

利用2009/2010、2010/2011和2011/2012西藏林区防火期（11月—翌年4月）气象观测资料和T639数值预报资料,基于人工神经网络BP算法,建立了西藏林区森林火险等级1~7天预报模型,历史拟合率超过85%;通过对2012/2013防火期间的森林火险等级试报检验结果表明,前3天的平均绝对误差不超过0.5级,7天的平均绝对误差不超过0.6级;与直接利用数值预报模式气象要素预报结果相比,有效地纠正了数值模式要素预报的系统偏差,表明模型预报效果良好。该模型的建立提高了对西藏高原森林火险等级的预报准确性,为森林火险防御和消防调度提供了参考。     

基于人工神经网络模型的木材干燥应变模拟预测

【目的】研究常规干燥过程中干燥基准、预处理条件、含水率对木材干燥应力的影响,探讨干燥应力沿髓心至树皮方向的分布情况,以实现干燥应变的模拟预测。【方法】整合分析采用图像解析法测算得到的弹性应变和机械吸附蠕变相关数据,基于人工神经网络模型,以干燥温度、含水率、相对湿度、距髓心距离为输入变量对弹性应变进行模拟预测,以预处理温度、干燥温度、含水率、相对湿度、距髓心距离为输入变量对机械吸附蠕变进行模拟预测。通过网络训练和验证,得到合理的人工神经网络预测模型,并对模型进行测试,探讨分析所建立模型的预测能力。【结果】弹性应变预测模型中,各数据集均呈现出较好的相关性,训练集、验证集和测试集的相关系数(R)分别为0.988、0.983和0.978,所有数据集的决定系数(R~2)均高于0.95,验证集达到最优时的均方差(MSE)为1.21×10~(-6)。机械吸附蠕变预测模型中,利用含水率为28%和12%的数据集进行模型训练和验证,训练集和验证集的相关系数(R)分别为0.981、0.977,验证集达到最优时的均方差(MSE)为1.26×10~(-6);利用含水率20%的数据集进行模型测试,测试集的相关系数(R)为0.969,所有数据集的决定系数(R~2)均高于0.94,网络模型能够解释94%以上的试验数据,表现出较好的预测能力。【结论】所建立模型的预测值和试验值吻合较好,预测成功率较高,能够为人工神经网络在干燥应力、应变方面的应用提供可行性依据。     

基于元胞自动机模型的土地利用情景模拟与驱动力分析

土地利用格局的形成过程比其最终形成的结果更为重要。本文以哈尔滨市双城区为例，利用不同时期的土地利用数据，在土地利用变化关键驱动因素分析的基础上，选取了对土地利用变化影响较大的距离变量、邻近土地利用类型数量、单元自然属性、社会经济因素等4方面14个驱动力因子，建立了基于元胞自动机(CA)与人工神经网络(ANN)相结合的土地利用空间格局模拟模型。在此基础上，对研究区自然禀赋、社会经济快速发展、基本农田保护及土地利用规划等不同情景驱动机制下的土地利用空间格局进行了时空模拟，以此解析土地利用变化过程与驱动力因素的响应关系。模拟结果显示：自然禀赋情景下，各地类变化趋势与现在保持一致；在社会经济快速发展情景下，建设用地面积增加明显，主要由旱地和其他用地转入；在基本农田保护情景下，耕地面积比较稳定，各地类变化趋势较为缓和；在土地利用规划情景下，各地类变化较为合理，兼顾耕地保护和经济发展。研究结果显示，该方法对哈尔滨市双城区土地利用格局变化的驱动机制具有较好的解释作用。     

人工神经网络在水资源规划领域中的应用

本文从水资源现状及发展前景出发,介绍了如今被越来越重视的智能规划方法——人工神经网络,以及其在水文领域被广泛应用的BP算法.防治洪水灾害是水资源规划的一项重要内容,结合BP神经网络进行水文预报使得预报更为简便易于操作,预报精度较传统水文模型也有一定提高.因此加强人工神经网络的深入研究,并耦合其他方法,使其更为灵活广泛地应用于水文预报领域十分重要.     

近红外光谱结合ANN法快速测定水稻叶片氮含量

应用近红外(NlR)光谱和误差反传人工神经网络(BP-ANN)方法建立了水稻叶片氮素含量的定量分析模型.首先对近红外光谱进行Savitzky-Golay求导处理,然后通过相关系数法选择波长范围,采用偏最小二来回归PLS降维并输入BP-ANN建立校正模型,用验证样品对校正模型进行验证.结果表明:BP-ANN最佳模型的预测...     

人工神经网络在柚皮总黄酮提取中的应用

为获得柚皮总黄酮提取的优化工艺,以乙醇体积分数、溶剂用量、提取温度和提取时间作为影响因素,进行了柚皮总黄酮提取的单因素试验和正交试验。以获得的20个单因素试验结果和9个正交试验结果作为训练样本,设计和训练了4-5-1结构的三层BP人工神经网络。运用训练好的网络对设计的625种工艺组合进行预测,获得了3组总黄酮得率较高的提取工艺。结果表明,通过人工神经网络获得的提取工艺总黄酮得率比正交试验提高了5.7%。     

模式识别和主成分分析在多环芳烃室温磷光分析中的应用

本研究应用主成分分析和人工神经网络两种模式识别方法对多环芳烃混合物固体基质室温磷光重叠光谱进行分析,考察了主成分分析和人工神经网络对多环芳烃混合物SS-RTP的处理效果,结果显示应用人工神经网络对于苯并喹琳、苊、菲啶、咔唑和芴等多环芳烃任意组合混合物能够很好地区分开来,这表明RBF神经网络在复杂多环芳烃混合物定性分析中具有很好的应用性和可行性.