首页|基于BP神经网络确立森林健康快速评价指标

基于BP神经网络确立森林健康快速评价指标

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
拟定森林健康快速评价(RAFH)指标,通过对训练样本的模式识别来构建一个BP神经网络,观察其能否收敛,并以测试样本为新的输入项进行模拟,采用误差百分比法、线性回归检验法和Nash-Sutcliffe效率法对模拟值与期望值的吻合程度进行检验,以此验证拟定指标的合理性.结果表明:在隐含层神经元n≥16时,网络能较好地收敛,说明该网络输入项--林分层次结构、病虫害程度和土壤厚度3个指标的训练样本值与目标输出项--森林健康精准评价(PAFH)结果的非线性相关程度高;模拟值与期望值的相对误差均值为-6.140 9%,回归方程斜率为0.968 3,截距为0.049 0,Nash-Sutcliffe效率为0.905 4,均表明二者之间吻合较好.因此,林分层次结构、病虫害程度和土壤厚度可以作为森林健康快速评价(RAFH)的指标.
Establishing Indices for Rapid Assessment of Forest Health Based on BP Neural Networks

甘敬、朱建刚、张国祯、余新晓

展开 >

北京林业大学,北京,100083

北京市园林绿化局,北京,100029

森林健康快速评价 指标 BP神经网络 合理性检验

北京市科委科研项目国家科技支撑计划

D07060010000912006BAD03A0201

2007

林业科学
中国林学会

林业科学

CSTPCDCSCD北大核心
影响因子：1.272
ISSN：1001-7488
年,卷(期)：2007.43(12)
  • 38
  • 12