白桦人工林生长的人工神经网络模型研究

【摘要】： 以白桦人工林为研究对象,以东北林业大学帽儿山实验林场的白桦人工林标准地资料数据作为训练样本和检验样本,在MATLAB系统环境下,应用BP人工神经网络建模技术,对全林分生长模型和单木生长模型进行了系统的研究。 在对白桦人工林全林分生长神经网络模型的研究中,以林分年龄A、地位级指数SI和林分密度指数SDI构成输入矩阵,以林分每公顷蓄积量M构成输出矩阵,构建结构为3:S:1的多输入单输出的BP神经网络模型。用300块白桦人工林标准地的资料数据作为训练样本,对所建模型进行反复的训练比较试验,得适宜的模型结构为3:3:1。模型训练结果表明,均方误差函数mse=0.0011203。对模型进行拟合精度分析,结果表明,白桦人工林全林分生长模型的总体拟合精度为94.17%,拟合理论值与实际值吻合很好。用196块标准地的数据作为检验样本对模型进行了检验,总体拟合精度为93.97%,并在三维空间中绘制出了林分蓄积量的实际值和理论值的对照图,说明本文所建的全林分生长的神经网络模型预测的理论值能够较好地跟踪实测值,模型的预测能力很强。 在单木生长模型的研究中,采用MATLAB中log-sigmoid型函数(logsig)和线性函数(purelin)为神经元的作用函数,用林分内单木相对直径、林分密度指数、林分地位指数和树木年龄作为输入变量,以单木胸径生长量作为输出变量,构建了4:S:1的单木生长的BP人工神经网络模型。用200组单木生长数据对网络模型进行训练和检验,得最适宜的网络结构为4:3:1,均方误差函数mse=0.00160179,总体拟合精度为96.86%。 用BP神经网络建模技术所建的白桦人工林的全林分生长模型和单木生长模型,在充分跟踪了样本数据的同时,又保持了树木生长方程的规律性,可供同类条件的林分在进行经营设计时进行分析、计算、模拟、预测等使用。