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

编号 zgly0001542905

文献类型 期刊论文

文献题名 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

作者 刘鑫  王海燕  雷相东  解雅麟 

作者单位 北京林业大学林学院  中国林业科学研究院资源信息研究所 

母体文献 林业科学研究 

年卷期 2017年03期

年份 2017 

分类号 S758 

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 

文摘内容 [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R~2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。