基于BP神经网络的天然云冷杉针阔混交林标准树高-胸径模型

摘要：

[目的]以吉林省汪清林业局金沟岭林场12块天然云冷杉针阔混交林样地为对象,基于12 953对实测树高-胸径数据,结合林分优势高分树种(组)建立基于BP神经网络的标准树高模型.[方法]在确定隐层节点数后经过反复训练得到各树种(组)的适宜模型结构,使用相同的建模数据(8块样地)求解两个传统的树高方程,再利用未参与建模的4块样地分别验证模型.[结果]表明:落叶松、云杉的适宜模型结构(输入层节点数:隐藏层节点数:输出层节点数)为2:5:1;红松、中阔(白桦、大青杨、榆树和杂木)的适宜模型结构为2:4:1;冷杉的适宜模型结构为2:8:1;慢阔(色木、水曲柳、黄檗、紫椴和枫桦)的适宜模型结构为2:7:1.[结论]与传统方法相比,BP模型不依赖现存函数,不需要筛选模型形式,而且BP模型各树种R2高于传统模型,平均绝对误差、均方根误差均小于传统模型,其拟合精度和预测效果均优于传统方程,可以有效地预测树高.

关键词：BP神经网络、天然云冷杉针阔混交林、标准树高-胸径模型

所属期刊栏目：30

分类号：S711(林业基础科学)

资助基金：十二五国家科技支撑计划课题"东北过伐林森林可持续经营技术研究与示范"2012BAD22B02

在线出版日期：2017-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：368-375