基于BP 人工神经网络的兴安落叶松天然林全林分生长模型的研究.pdfVIP

第! 卷# 第$ 期# # # # # # # # # # # # # 植# # # 物# # # 研# # # 究 !%% 年# 月 ’()* !# +(* $# # # # # # # # # # # # ,-../01+ 23 ,204+154. 6/7/4658 9:; ，# !%% 基于,J 人工神经网络的兴安落叶松天然林全林分生长模型的研究 ! 金星姬# 贾炜玮 # 李凤日 （东北林业大学林学院，哈尔滨# ?%%% ） 摘# 要# 以大兴安岭地区兴安落叶松天然林为研究对象，基于 块固定标准地数据，采用940B .4, 中)(KBLDKC(DM 型函数（)(KLDK ）和线性函数（NOPQ)DR ）为神经元的作用函数，依据全林分生长模型 的概念，以年龄（! ）、地位级指数（#$ ）和林分密度指数（%$ ）作为输入变量，以林分每公顷蓄积量 （ ）作为输出变量，构建和训练了全林分生长的,J 人工神经网络模型，并与常规建模方法进行了对 比研究。结果表明， ,J 人工神经网络模型的拟合精度高达AA* S ，检验精度为A* AS ，说明与其它 建模方法相比人工神经网络建模具有较高的拟合精度和适应性，对林分生长具有更好的预测能力。 关键词# ,J 人工神经网络；兴安落叶松；天然林；全林分生长模型 中图分类号： T 7@* !# # 文献标志码：4# # 文章编号：?@$ I ?%! （!%% ）%$ I %$@% I % !#$% ’()* +,#-’ .#*%$ /#, 0(’1,($ 2(1,3() 4(,5 6#,%7’7 8(7%* #) 89 :00 ! U1+ VDRKBUD# U14 WQDBWQD # .1 3QRKB6D （+(PXYQ:LX 3(PQLXP; -RDZQPLDX; ，8:P[DR# ?%%% ） :;7’,(5’# ,:LQM (R NQPC:RQRX L:CN)Q N)(XL ，XYQ FY()Q LX:RM KP(FXY C(MQ) (\ ,J 4++ F:L MQZQ)B (NQM \(P R:XOP:) M:YOPD:R ):PHY（’()*+ ,-.-/*0** 6ONP* ）\(PQLXL DR :PQ: (\ XYQ =:]DRK ’:R 9(ORX:DRL ，OB LDRK )(KBLDKC(DM \ORHXD(R （)(KLDK ）:RM )DRQ:PDX; \ORHXD(R （NOPQ)DR ）(\ 940.4, :L XYQ RQOP:) \ORHXD(RL* 4HH(PMDRK X( XYQ H(RHQNX (\ FY()Q LX:RM KP(FXY C(MQ) ，XYQ 4KQ （! ），7DXQ 5):LL 1RMQ] （#$ ）:RM 7X:RM =QRLDX; 1RMQ] （%$ ）FQPQ H(RLDMQPQM :L DRNOX Z:PD:[)QL :RM XYQ 7X:RM ’()OCQ （ ）F:L :L XYQ (OXNOX Z:PD:[)Q DR XYQ C(MQ)* 4 H(CN:P:XDZQ LXOM; [QXFQQR ,J 4++ C(MQ) :RM XYQ H(CC(R CQXY(M F:L :)L( H(RMOHXQM * 0YQ PQLO)X (\ XYQ C(MQ) NQP\(PC:RHQ :R:);LDL F:L LY(FQM XY:X XYQ ,J 4++ C(MQ) DR XYDL N:B NQP Y:M YDKY \DXXDRK :HHOP:H; （AA * S