人工林红松木材生物轮密度动态模型建立与预测

本文根据人工林红松木材生长轮密度变异特点，采用时间序列分析法，建立了人工林红松木材生长轮密度的动态模型，对木材生长轮度进行近期预测，预测结果良好，此研究结果实现了木材生长轮内的材质预测，为人工林红松的定向培育提供理论依据。     

兴安白桦木材生长轮密度时间序列分析

为进一步提高木材的实际应用价值,并为森林资源经营提供理论支持,对兴安白桦木材生长轮密度的径向变异进行研究。采集兴安白桦试样21株,对其生长轮密度的径向变化规律进行时间序列分析,依据最小信息量AIC原则,选择ARIMA(0,1,1)为最优模型;白噪声检验结果表明,残差序列为白噪声序列,模型诊断通过;序列预测值与实测值相对误差在10%之内,模型获得较好的预测效果。     

X射线图像法测定木材生长轮密度

提出X射线图像法测定木材生长轮密度和生长轮宽度的一种新方法,应用自编的软件,对图像进行预处理,获取其灰度值,根据图像的灰度值与穿透物材料密度的线性关系直接测定物体微密度,并与微密度测量仪测定结果进行对比.结果表明:X射线图像法与仪器法相比,平均密度误差为0.45%,相关系数为0.966 4;生长轮宽度误差为0.34%,相关系数为0.996 2,显著度密切相关.图像法测量生长轮密度和生长轮宽度是可行的,对于生长轮界限不明显的木材,图像法更优.     

红松人工林生长轮密度与培育措施关系的研究

红松的生长过程既受本身遗传特性的制约,也受环境条件的影响。木材密度是影响木材性质的重要因子,可作为评价木材品质最可靠的指数。森林培育措施是影响木材生长轮密度的重要因素,为实现林木定向培育,达到速生优质的目标,必须了解各种培育措施对木材生长轮密度的影响规律。因此     

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.     

银杏木材微纤丝角及其与生长轮密度相关模型的建立

通过对银杏木材微纤丝角的径向变化及其与生长轮密度相关性质的研究 ,结果表明 ,银杏木材平均微纤丝角为 1 8.5°,生长轮内早材微纤丝角较大 ,晚材较小 ;生长轮间沿径向呈减小趋势。木材微纤丝角与生长轮年龄、生长轮宽度、生长轮密度之间有较密切关系 ,建立了 5个相关模型 ,为银杏用材林的定向培育和木材加工利用提供依据     

红松人工林生长轮密度变异及影响因素的研究

红松的生长过程既受本身遗传特性的制约,也受环境条件的影响。木材密度是影响木材性质的重要因子,可作为评价木材品质最可靠的指数。木材密度主要受遗传、木材构造以及环境因子等影响。本文从气象因子和立地条件两个最重要的影响因素进行研究,采用多元统计分析方法,深入揭示红松木材生长轮密度与它们之间的关系,建立数学模型,从而找出生长轮密度与它们最为紧密的关系,揭示红松的生长发育规律,为红松人工林优质木材培育模式的确定提供科学依据。1试验材料与方法1.1试验材料及取样方法试材采自东北林业大学帽儿山实验林场老山生态站的人工红松…     

山桂花人工林木材基本密度和纤维长度变异规律的研究

木材材性是林木育种方面的一项重要指标，其大小直接影响到木材制品的质量和利用，通过对山桂花人工林不同部位木材基本密度、管胞长度、生长轮宽度的变异分析，建立山桂花人工林木材材性变异规律的数学模型，圆盘基本密度与生长年轮的回归方程，纤维长度与生长年轮的回归方程以及基本密度、纤维长度的预测曲线方程。与实测值比较接近，预测曲线与实际变异趋势比较一致，其平均相对误差为1．94％、0．41％，相对标推误差为3．41％、2．12％，采用幼龄材基本密度能够有效地预测成熟材的材性。     

基于PLC的木材单板密度射线在线检测系统

木材密度是检测木材强度的重要指标之一,测定木材的密度,尤其是微密度(木材在窄小范围内的密度)不仅可以提示不同生长条件下木材材质变异的规律,为生态木材学、树木年代学等学科提供研究方法,也为速生林的人工扶育措施及最佳轮伐周期的确定提供理论依据。对木单板力学强度进行无损在线检测,     

红松木材密度与气候变化关系的实证分析

运用协整分析对我国东北地区人工林红松木材密度与气候变化的关系进行了研究。结果表明,红松木材密度与气候因素之间存在长期均衡的协整关系和显著的短期动态调整机制。在1973～1997年,2、3月平均日照时间的延长有利于提高早材密度,而7月份的日照时间延长却不利于提高早材密度;2月气温升高,不利于提高整个生长轮密度平均值;误差修正模型和格兰杰检验证实,2月气温短期内对生长轮密度的影响存在2～3年的滞后期。人工林红松的优质培育需要充分考虑气候变化的影响。     

日光温室内作物干物质积累预测新方法研究

介绍了一种有效结合神经网络和作物生长模型预测目光温室内作物干物质积累的方法，该方法既解决了经验模型的解释性和广适性差的缺点，又解决了机理模型难以理解和使用、输入多而输出欠稳定的不足。以有效光照积累和有效积温作为输入参数，以作物的干物质积累作为输出参数建立神经网络，利用大量实测数据对神经网络结构进行训练，建立作物干物质积累与有效光照累积和有效积温之间的关系，从而对干物质积累进行预测。并以目光温室内黄瓜为例，采用此方法对其进行干物质积累的预测，与实际测量结果相比较，误差率不超过10％。     

基于DRNN和ARIMA模型的森林火灾面积时空综合预测方法

森林火灾是一个跨空间发展的动态过程,不易被传统的分析方法和静态神经网络有效处理.提出一种基于动态回归神经网络(DRNN)和自回归集成移动平均(ARIMA)组合模型的森林火灾时空综合预测方法.该方法先用ARIMA对时空数据的时序进行预测,再用DRNN捕获时空数据间隐藏的空间相关,最后用统计回归将时间和空间预测结果组合起来,得到时空综合预测结果.以广东省森林火灾面积预测为例,说明其原理和建模过程,并对预测结果的精度进行验证.结果表明:由于考虑了数据间的空间关系,该时空综合预测模型可以对森林火灾面积进行较准确有效的预测,比单纯应用ARIMA模型预测精度高,是预测森林火灾等跨空间动态变化问题的有效工具.     

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。     

Application of single neuron adaptive PID controller during the process of timber drying

The paper presents a method of using single neuron adaptive PID control for adjusting system or servo system to implement timber drying process control, which combines the thought of parameter adaptive PID control and the character of neural network on exactly describing nonlinear and uncertainty dynamic process organically. The method implements functions of adaptive and self-leaming by adjusting weighting parameters. Adaptive neural network can make some output trail given hoping value to decouple in static state. The simulation result indicates the validity, veracity and robustness of the method used in the timber drying process     

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VLBP神经网络的林火预测研究

以北京市房山区的林火为研究现象,用神经网络方法研究林火发生及蔓延与环境因子间的关系.用GPS采集林火火场中心数据,测量火场面积;用GIS做空间分析,提取火场空间环境因子;将数据在Matlab中用VLBP神经网络进行训练,建立林火风险的预测方程.风险模型由林火发生的风险模型和林火的蔓延风险模型组成,由于该模型采用的方法不依赖于先验统计模型,所采用的神经网络方法对非线性的数学关系有很强的预测能力,因而该方法具有很强的适用性.     

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神经网络的木材表面颜色特征分类的研究

本文针对木材表面颜色自动分类难题,在 RGB 颜色空间提取木材图像的颜色矩作为颜色特征参数,利用 BP 神经网络对特征参数进行分类,通过输入层、输出层和隐含层的设计,传递函数的选择,确定最终网络结构。实验结果表明,分类正确率达到98%,验证了本文提取的特征参数的有效性。     

基于系统收获表和地理信息系统的森林预测图──空间检索和预测(英文)

基于系统收获表和地理信息系统（ＧＩＳ），该文提出能为森林资源管理提供实用有效森林空间信息的一种方法．该方法能结合系统收获表的生长预测功能和地理信息系统的空间信息处理功能，检索、表示和绘制将来的森林预测图，并且明确了森林预测图的制作过程．该研究成果有助于扩大系统收获表的作用，使系统收获表成为森林资源管理的实用工具     

森林生态系统经营的新模式:FORECAST模型

系统地阐述了FORECAST模型的原理,其应用过程包括数据收集与调准、生态系统的构建、设置管理模式或自然干扰情景、模拟情景、分析模型输出结果.目前许多国家已开始运用该模型,模拟了不同管理措施对树木生产力的影响等.该模型不受特定的树种、立地条件的限制,可在很大程度上提高预测的准确度,成为预测森林经营管理的最佳模式.