人工林落叶松木材生长轮密度时间序列分析

采用时间序列分析法，分析了人工林落叶松木材生长轮密度的变异规律，并选择建模方法和模型参数估计，建立了变异规律模型和预测模型，经过残差分析表明：短期预测值与实测值非常吻合；长期预测值与实测值存在差异，但实测值仍在可信区间内。     

基于神经网络的木材生长轮密度预测模型

应用神经网络方法，进行木材材性指标生长轮密度的预测。建立了木材生长轮密度的神经网络模型．拟合了木材生长轮密度的变异规律，对木材生长轮密度进行了预测，并与时间序列方法对比，说明了神经网络用于木材生长轮密度预测的优势。     

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.     

木材材质预测方法比较分析

分析了木材材质预测研究中常用的三种建模方法:回归分析方法、时间序列方法和神经网络方法的特点,以木材生长轮密度预测为例,给出了三种预测方法的建模过程与结果,并进一步对多个材性指标建模比较分析,认为:神经网络方法是木材材质预测的最优选择。