收藏本站
收藏 | 论文排版

基于神经网络的人工林落叶松木材材质预测研究

陈广胜  
【摘要】:本文以人工林落叶松(Larix ssp.)木材为研究对象,以建立木材材质早期预测模型为目标,通过分析人工林落叶松木材的解剖性质(包括:管胞长度、管胞弦向直径、管胞长宽比、管胞壁厚、璧腔比、胞壁率和微纤丝角)和物理性质(包括:生长轮宽度、晚材率、生长速率和木材密度),研究人工林落叶松木材各项材质指标的变异规律,建立人工林落叶松木材材质变异规律模型和木材材质预测模型。 首先,采用计算机视觉分析系统测量人工林落叶松木材解剖性质,采用x-射线微密度测试系统测量木材物理性质,研究人工林落叶松木材材质的变异规律,界定人工林落叶松木材的幼龄期与成熟期的界限,评定人工林落叶松木材幼龄材与成熟材材质的差异。 其次,针对目前广泛采用的预测方法,选取人工林落叶松木材管胞长宽比和生长轮密度两项指标作为基础数据,采用回归分析方法、时间序列方法和神经网络方法分析建立木材材质预测模型的可行性,比较预测模型的预测相对误差和预测精度,并进行模型检验。初步得出如下结论:神经网络预测方法建立的木材材质神经网络预测模型,预测误差小,预测精度高,为相对最优模型。 第三,利用神经网络良好的非线性映射能力,自学习适应能力和并行信息处理能力,及其用于未知不确定非线性系统建模的优势,针对不同材性指标时间序列数据的特点,确定各模型网络结构、传递函数、网络训练函数,建立人工林落叶松木材解剖性质和物力性质的神经网络预测模型,并利用测试集数据,检验预测模型精度,各材性指标的预测模型相对误差最大值为4.55%,最小为-4.73%,在全部的25项指标中有22项相对误差在-2%~2%之间,说明预测精度较高。通过比较分析预测值与实测值的差异,相对误差较小,预测效果良好,预测结果可以满足实际预测要求。 总之,采用神经网络方法建立人工林落叶松木材材质预测模型可行,预测误差小,预测精度高,预测模型科学,为人工林的集约经营和定向培育提供了基础理论依据。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 朱本城;于志明;韩勇;;黑龙江省朗乡地区人工速生原料林建设及木材材质的改良与应用[J];林业科技;2007年02期
2 陈广胜;葛利;;木材材质预测方法比较分析[J];东北林业大学学报;2008年06期
3 冯世昌;槐树[J];新农业;1984年04期
4 孙小平,孙小军;论木材材质改进与营林措施[J];林业科技情报;2001年03期
5 林品一;;要充分发挥现有林的防护作用[J];内蒙古林业;1981年07期
6 郭明辉;地理位置对人工红松林木材材质变异的影响[J];东北林业大学学报;2001年01期
7 张燕;佟达;宋魁彦;;人工林班克松木材材质径向变异规律研究[J];森林工程;2011年06期
8 李坚,王金满,吴玉章,崔永志;火炬松木材材质早期预测[J];东北林业大学学报;1999年05期
9 郭明辉;抚育间伐对人工林红松木材材质的影响[J];东北林业大学学报;2002年01期
10 冯世昌;怎样选择造林树种[J];新农业;1983年07期
11 管珣;赵茂程;;基于人工神经网络技术的木材材质检测研究进展[J];内蒙古农业科技;2012年06期
12 闭梅松;邱坚;;云南木竹材材质的研究现状[J];山东林业科技;2007年04期
13 胡新英;阮梓;;Ⅲ.广东省杉木地方类型木材材质的变异[J];广东林业科技;1991年01期
14 王金满,李坚,刘一星;人工林长白落叶松木材材质早期预测模式(Ⅱ)——材质早期预测与木材品质评价[J];东北林业大学学报;1997年02期
15 郭明辉;间伐强度对水曲柳木材材质的影响[J];东北林业大学学报;2001年06期
16 郭明辉,郭丽;抚育间伐对紫椴木材材质的影响[J];东北林业大学学报;2001年05期
17 端木;中国热带珍贵木材资源利用[J];热带林业;1996年02期
18 佟达;张燕;宋魁彦;;天然林五角槭木材材质径向变异规律初探[J];森林工程;2012年01期
19 金春德,吴义强,张美淑,张鹏;赤松木材材质早期预测[J];东北林业大学学报;2005年02期
20 郭明辉;林分结构对人工林红松木材材质的影响[J];东北林业大学学报;2001年03期
中国博士学位论文全文数据库 前1条
1 陈广胜;基于神经网络的人工林落叶松木材材质预测研究[D];东北林业大学;2006年
中国硕士学位论文全文数据库 前1条
1 杨金燕;几种病虫害对杨树木材材质的影响[D];东北林业大学;2002年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978