基于BP神经网络的森林碳汇量估测方法研究

文介绍了BP神经网络理论,以森林面积、森林覆盖率、森林蓄积量、受害森林面积、基本完成投资额、病虫害面积等6个影响森林碳汇量为主要因素,构建了基于BP神经网络的森林碳汇量估测模型;并应用我国第六次森林资源清查数据对BP神经网络模型进行训练和仿真。其分析和仿真结果显示:利用BP神经网络模型来模拟和仿真森林碳汇量精度较高,误差较小,具有有较高可靠性,从而为森林资源管理模拟仿真提供一种新方法。     

基于BP神经网络的沙柳地上生物量预测模型

[目的]以库布其沙漠沙柳为研究对象,建立基于BP神经网络的沙柳生物量模型,探究不同建模因子下的沙柳生物量估算模型变化,以期探究沙柳生物量估算模型的最优形式。[方法]选取6种沙柳生长因子,并根据与生物量相关性大小加入输入变量,从而组成6组不同输入变量,输入变量包含因子数量逐步增加（1～6种）。对比BP神经网络沙柳生物量模型不同输入变量所拟合模型的性能,确定最佳输入变量,并在最优输入变量的基础上,确定BP神经网络隐层数量,经过反复训练,建立基于BP神经网络的沙柳生物量估算模型。[结果]基于BP神经网络的沙柳生物量模型最优结构,即输入层节点数(N_in)∶隐层节点数（N_h）∶输出层节点数(N_out)为：4∶9∶1。其中训练数据R²=0.97,RMSE=0.67,MAE=0.50;测试数据R²=0.96,RMSE=1.10,MAE=0.77。[结论]基于BP神经网络的沙柳生物量,随着输入变量中输入因子的数量不断增加,发现其R²、RMSE、MAE所表现出的模型性能逐渐...     

用泛化改进的BP神经网络估测森林蓄积量

介绍主成分变换和经规则化调整法进行泛化改进的BP神经网络在森林蓄积量建模估测中的应用,比较普通BP神经网络与泛化改进的BP神经网络对蓄积量预报的差异,分析直接用中心标准化的观测值建立仿真模型和进行主成分变换后再建立模型的效率问题.结果表明:泛化改进的BP神经网络比普通BP神经网络具有更高的预报精度,利用主成分得分作为仿真模型的变量比直接用观测值作变量具有更快的速度,并保证了预报精度.     

基于BP神经网络的东洞庭湖区域森林生态系统健康预警研究

利用定量和定性分析相结合的方法构建了东洞庭湖区域森林生态系统健康预警指标体系,通过样本训练、新样本模拟仿真,建立了BP神经网络预警模型,并利用该模型对东洞庭湖区域森林生态系统健康进行预警预测。结果表明:1)BP神经网络预警模型,拟合效果较好,用于森林生态健康预警是可行的;2)东洞庭湖区域森林生态系统整体处于蓝色和黄色警戒内,健康状况中等,需采取必要的健康经营方法。     

利用神经网络预测木材径向导热系数

利用神经网络所具有的输入-输出之间的高度非线性映射关系,给出一种利用BP神经网络模型预测木材径向导热系数的方法.为了提高网络模型的泛化能力,采用规则化调整的方法.仿真结果表明:利用文中所提出的神经网络模型能够较准确、快速地预测木材径向导热系数的变化,其精度高于推导出的木材径向导热系数的理论公式.     

3种模型在GF-2影像的生物量估测中的比较

为了研究高分二号(GF-2)影像生物量估测的模型效果,以攸县黄丰桥林场为研究区,在研究区内采用随机抽样的方法,结合国家森林资源连续清查样地,获取了共47个样地的生物量数据。对GF-2影像进行预处理,结合相关研究,提取8个单波段信息、24个多波段组合信息、4个植被指数以及海拔、坡度、坡向等39个因子作为建模的自变量,采用主成分分析、偏最小二乘和BP神经网络3种方法建立生物量估测模型。结果表明:主成分回归模型的实测值和预测值的决定系数R~2为0.44,模型的估测精度为65.83%;偏最小二乘回归模型的R~2为0.50,模型的估测精度为67.66%;BP神经网络模型的R~2为0.79,模型的估测精度为78.62%。比较可知,BP神经网络模型效果最好。     

智能足球机器人运动控制系统的研究

在建立四轮全向足球机器人运动学模型的基础上,对PID控制算法进行了改进,提出了积分分离算法和分段控制算法,以及与BP神经网络控制相结合的一种新型算法。在该方法中,分析了BP神经网络PID控制的控制原理,分别采用传统PID控制和BP神经网络PID控制进行了simulink仿真,验证了BP神经网络PID自整定控制的有效性。     

盐城海滨湿地植被地上生物量遥感反演研究

以盐城自然保护区核心区的ETM+遥感影像和同期野外实测生物量为数据源,建立BP神经网络模型反演研究区地上生物量。结果表明:运用BP神经网络模型反演生物量湿重、干重精度分别达到了70%和74%;研究区生物量总量湿重为4.996×108kg,干重为9.370×107kg;在空间上呈现出海陆分异明显,海岸方向变化缓慢;米草、芦苇、碱蓬这3种植物的单位面积生物量呈现由高到低的特征,碱蓬的生物量干重集中在0~1.5kg/m2,湿重集中在0~6kg/m2;米草的生物量干重集中在1~2kg/m2,湿重集中在8kg/m2以上;芦苇的生物量干重集中在0~2kg/m2,湿重集中在2~6kg/m2,生物量与株高、盖度呈正相关,干重与二者相关性更强;生物量与生态位、土壤环境要素呈正相关,尤其与土壤养分相关性最强。     

基于BP神经网络模型思茅松天然林生物量遥感估测

以普洱市思茅松天然林为研究对象,以Landsat8 TM影像和DEM(30 m)数据为信息源,结合2006年森林资源二类调查小班数据和2012至2013年样地实测数据,在ENVI下提取14个自变量备选因子(11个遥感因子、3个地形因子),在MATLAB平台下利用BP神经网络模型建立研究区思茅松天然林生物量估测模型。结果表明,利用优选训练算法Ploak-Ribiere,隐含层节点数为9时效果最佳,得到决定系数R2=0.85,均方误差RMSE=14 t/hm2,预估精度P=74.75%。以像元为单位,分块提取思茅松对应的自变量,利用估测模型得到普洱市思茅松天然林总生物量为62 185 871.9 t,单位面积生物量为51.06 t/hm2。     

3种沙漠植物地上部分形结构与生物量的自相似性

应用自相似原理,分别研究极干旱地区塔克拉玛干腹地和吐鲁番盆地地下水浇灌区柽柳、梭梭和沙拐枣植株的地上分形结构与各自地上部生物量的关系.通过分析3种植物的枝长、冠幅和体积与地上部生物量之间的统计自相似性,发现在统计拟合精度上自相似模型不如BP神经网络模型,但分析植株生长的地域性差异时,缺少像分形维数这样的定量化描述.     

基于CEBERS-WFI遥感数据的森林生物量估测方法研究

以中巴卫星CEBERS-WFI遥感数据为基础,结合东北三省的地理、气象因子及森林资源连续清查固定样地信息,构建BP人工神经网络森林生物量估测模型,对我国东北三省的森林生物量进行估测,并反演了森林生物量的空间分布图像。结果表明,基于CEBERS-WFI遥感数据的BP人工神经网络应用于森林生物量估测简单实用,是一种快捷、有效的估测方法。     

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。     

动态数据驱动的林火蔓延模型适宜性选择

基于BP人工神经网络方法设计林火模型适宜性选择技术框架结构,通过神经网络形成林火模型选择知识,实现林火模型的自动化和智能化选择;以火场环境因子为输入变量,以适宜火场环境模拟的林火蔓延模型作为输出变量,构建林火模型选择神经网络模型;研究输入、输出因子数据的获取与计算方式,实现动态数据驱动的林火模型自动选择机制.以北京市为例,选择有详细火场情况记录的72场林火作为试验样本,其中60条记录作为学习样本集,12条记录作为验证样本,对神经网络进行学习和验证,结果表明:模型选择精度可达到80%以上.     

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。     

基于人工神经网络的树高曲线模型研究

本文利用人工神经网络建模技术,以河南农业大学三区内毛白杨人工林99株的断面积平均直径和树高资料为基础,研建了树高曲线人工神经网络BP模型和幂函数模型。通过两个函数模型的比较表明:人工神经网络建模技术精度高、误差小,具有很强的泛化能力。在用幂函数拟合较差的情况下,人工神经网络也取得很高的精度,其拟合效果具有明显的优势。     

管理风险多维度量模型的建立与检验

分析多维风险度量模型中影响风险的因素间的逻辑关系,构建了可管理风险的多维度量模型,然后应用BP神经网络对该模型进行检验。检验结果表明该模型能够对可管理的风险进行度量。     

Prediction of Forest Stock Volume Based on Neural Network Model

BP and RBF neural network to predict forest stock volume were studied,but the study in evaluating both networks’ application effects was not conducted.In order to find a higher forecast precision,more strong applicative method,the comprehensive analysis and evaluation on the two methods were carried out in the practical application. By the correlation analysis,crown density,shady-slope and sunny-slope,TM1,TM2,TM3,TM5, TM7,NDVI,TM,(4-3),TM4/3 were selected as input variables,and the forest volume of Miyun County as output variables,RBF and BP neural network models for forecasting the forest volume were established.And the neural network training step length,training time,prediction accuracy and the applicability model of the two methods were comprehensively analyzed.The results show that the RBF neural network model is superior to the BP neural network model.     

基于BP神经网络的中国进口俄罗斯木材贸易额预测

采用灰色关联度分析法筛选对中国进口俄罗斯木材贸易额影响较大的5个因子,运用影响因子及木材贸易进口额构建BP神经网络模型,利用GM(1,1)模型预测影响因子值,将其代入训练好的BP网络模型中对中国进口俄罗斯木材贸易额进行预测。预测结果表明,中俄木材贸易仍具有良好的发展前景。