基于BP神经网络的华北落叶松小班蓄积预估模型研究与应用

摘要：

林分蓄积是衡量小班林分生产力的重要指标.选择华北落叶松人工林小班数据,对以年龄、公顷株数和立地指数为自变量,小班公顷蓄积为因变量的BP(back propagation)神经网络模型和多元回归模型进行研究.研究结果表明:①BP神经网络参数最优组合:三层网络结构包括输入层3个神经元,隐含层10个神经元和1个神经元,输出层1个神经元,R语言算法选用含有动量的自适应梯度下降法,MATLAB软件算法选择Levevberg-Marquardt法;②多元回归模型中,生长理论方程为基础修正函数“Logistic+幂函数”组合的修正模型V=SI0.9772N0.51030.500 1/[1+44.226 1exp(-0.146 6t)]表现最优,其决定系数R2为0.721 8;③BP模型预测精度最高,其次是多元回归模型和材积表法.基于以上研究,为了提高BP模型的实用性,通过JAVA和R语言编程方式,将构建BP神经网络小班蓄积预估模型存储到收获预估模型的模型库中,在人工林收获预估中实现BP模型的调用,实现从经典的数学模型形式向智能化软件方向发展,提高BP模型在实际生产中的可操作性,为森林经营作业提供决策支持.

关键词：BP神经网络、修正函数、小班蓄积预估模型、模型库、JAVA和R语言编程智能化软件

所属期刊栏目：21

分类号：S758(森林经营学、森林计测学、森林经理学)

资助基金：国家重点研发计划;国家高技术研究发展计划（863计划）

在线出版日期：2019-08-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：82-93