首页|基于BP神经网络的马尾松人工林胸径-树高模型预测

基于BP神经网络的马尾松人工林胸径-树高模型预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
[目的]马尾松Pinus massoniana是中国南方主要用材树种,建立高效的马尾松人工林胸径-树高预测模型,可为马尾松人工林经营提供理论指导.[方法]以贵州省黔中地区马尾松人工林为研究对象,基于82块样地(25 m×25 m)的4284株马尾松单木数据,选取6个常用的广义非线性模型进行拟合,从中筛选出拟合效果最好的模型.使用相同的数据确定最佳隐层节点数量后,经过反复训练建立基于BP神经网络的马尾松胸径-树高预测模型.[结果]在6个广义非线性模型中,拟合效果最佳为Korf模型(R2=0.650);马尾松适宜的隐藏层节点数为2,适宜的模型结构(输入层节点数:隐藏层节点数:输出层节点数)为1:2:1,模型预测精度达0.717.[结论]广义非线性模型能较好地拟合马尾松人工林胸径-树高关系,但与BP神经网络模型相比,BP神经网络不需要依赖经验模型,也不用模型筛选,而且BP神经网络模型具有较高的决定系数和较低的均方根误差,拟合精度优于广义非线性模型.
Diameter-height model for Pinus massoniana plantations based on BP neural network

卯光宪、谭伟、柴宗政、赵杨、杨深钧

展开 >

贵州大学 林学院,贵州 贵阳 550025

贵州大学 林业信息工程研究中心,贵州 贵阳 550025

森林经理学 胸径 树高 马尾松 BP神经网络

贵州省林业厅资助项目贵州省科技支撑计划项目贵州省科技计划项目"十三五"国家重点研发计划项目

黔林资复〔2012〕331 号黔科合支撑〔2017〕2520-1 号黔科合基础〔2019〕1076 号2017YFD0601201

2020

10.11833/j.issn.2095-0756.20190486

浙江农林大学学报
浙江农林大学

浙江农林大学学报

CSTPCDCSCD北大核心
影响因子：0.929
ISSN：2095-0756
年,卷(期)：2020.37(4)
  • 10
  • 12