共查询到20条相似文献，搜索用时 347 毫秒
1.
《中南林业科技大学学报(自然科学版)》2020,(7)
【目的】建立含哑变量的林分蓄积量估测模型，分析哑变量在香格里拉高山松林分蓄积量模型中的意义与作用。【方法】以香格里拉为研究区，基于2008—2009年3幅TM遥感影像与2008年抽样控制样地数据，对香格里拉高山松林分神经网络模型与考虑龄组构造的哑变量神经网络模型两种类型建立蓄积量遥感估测模型，并进行精度评价。对比模型的估测值与实测值，计算模型残差，检验各龄组残差均值与0之间的差异性；同时对模型的预测值结果进行组间均值的差异性检验，以此作为确定龄组分类形式构建哑变量的标准与依据。【结果】2个模型的独立样本检验结果表明，引入哑变量的神经网络估测模型比神经网络模型拟合效果要好，其决定系数要高于神经网络模型，决定系数从0.516提高到0.783。模型预估精度从神经网络模型的66.3%提高至哑变量模型的74.8%，估算误差优于神经网络模型。【结论】根据模型的残差差异性结果得出，哑变量模型可以在一定程度上解决在估测幼龄林、中龄林蓄积量低值高估的问题；可见引入哑变量估测森林蓄积量的方法是相对有效的。 相似文献
2.
以落叶松木材为研究对象,实验在东北林业大学干燥实验室进行,采用MATLAB中log-sigmoid型函数(logsig)和线性函数(purelin)为神经元的作用函数,用落叶松木材的干燥温度、湿度、循环风速及平衡含水率作为输入变量,以木材含水率作为输出变量,构建了4∶S∶1的木材干燥的BP人工神经网络模型。用120组数据对网络模型进行训练及检验,得最适宜的网络结构为4∶10∶1,均方误差函数mse=0.001 7,总体拟合精度为96.86%。该模型能够运用到相同条件下的其他树种的木材干燥。 相似文献
3.
基于BP神经网络的马尾松树高曲线模型 总被引：1，自引：0，他引：1
基于福建省南平市2013年森林资源清查实测的121对马尾松平均木数据,应用BP神经网络建模技术建立树高预测模型。经反复训练和优选,得到最优模型结构为1∶5∶1,决定系数为0.855,均方误差为2.603 2。结合传统5个树高曲线方程,利用38对平均木检验数据分别对模型进行验证。结果表明:BP神经网络模型拟合和预测效果都优于传统方程,可以作为有效的树高预测技术。 相似文献
4.
《林业与环境科学》2021,(3)
文章以湖南省188个栎类次生林样地为研究对象,利用Kolmoglov-Smirnov检验法对6种分布密度函数在直径分布拟合中的适用性进行检验。以林分变量为自变量,采用参数预测法构建Weibull函数3个参数的逐步回归参数模型和以林分类型为哑变量的哑变量参数模型,并对比两类模型的直径分布预测精度。结果表明,Weibull函数更适合于栎类直径分布的拟合(接受率为91.7%);与逐步回归参数模型相比,参数b、c的哑变量模型的R~2分别提高了0.104和0.134,且应用于直径分布预测时的精度显著提高(P=0.025)。研究基于林分类型哑变量构建参数模型,并用于栎类次生林的直径分布预测,预测精度较高。 相似文献
5.
[目的]以库布其沙漠沙柳为研究对象,建立基于BP神经网络的沙柳生物量模型,探究不同建模因子下的沙柳生物量估算模型变化,以期探究沙柳生物量估算模型的最优形式。[方法]选取6种沙柳生长因子,并根据与生物量相关性大小加入输入变量,从而组成6组不同输入变量,输入变量包含因子数量逐步增加（1～6种）。对比BP神经网络沙柳生物量模型不同输入变量所拟合模型的性能,确定最佳输入变量,并在最优输入变量的基础上,确定BP神经网络隐层数量,经过反复训练,建立基于BP神经网络的沙柳生物量估算模型。[结果]基于BP神经网络的沙柳生物量模型最优结构,即输入层节点数(Nin)∶隐层节点数（Nh）∶输出层节点数(Nout)为：4∶9∶1。其中训练数据R2=0.97,RMSE=0.67,MAE=0.50;测试数据R2=0.96,RMSE=1.10,MAE=0.77。[结论]基于BP神经网络的沙柳生物量,随着输入变量中输入因子的数量不断增加,发现其R2、RMSE、MAE所表现出的模型性能逐渐... 相似文献
6.
基于BP神经网络的杉木和马尾松树高曲线模型研究 总被引：1，自引：0，他引：1
《中南林业调查规划》2017,(4)
基于湖南省森林资源连续清查的杉木和马尾松实测数据,运用BP神经网络模型建立树高曲线模型,经过训练和优选,确定了最优模型结构为4∶6∶1。通过对比分析8个传统标准树高模型与神经网络模型的拟合效果。结果表明:BP神经网络模型的拟合效果和预测效果均优于传统树高曲线模型,可作为树高生长预测的一种有效技术手段。 相似文献
7.
8.
以马尾松人工林132株优势木树干解析数据为训练样本,用145块标准地优势木平均高数据为检验样本,把林分年龄和地位指数或优势木平均高作为输入变量,将优势木平均高或地位指数作为输出变量,通过构建人工神经网络逆模型的途径,分别建立了多形地位指数曲线式和计算式模型。结果表明,多形地位指数曲线式的总体拟合精度为99.64％,总体预测精度达96％以上,比传统技术构建的多形地位指数模型能较真实地模拟各地位级的多形曲线;多形地位指数计算式的总体拟合精度为98.81％,用于计算地位指数,省去用迭代法计算地位指数的工作量。基于BP神经网络模型多形地位指数模型,对马尾松人工林地位指数测定提供指导作用,可为森林立地质量评价提供理论依据。 相似文献
9.
基于RS和GIS的径向基神经网络模型对森林蓄积量的估测 总被引：1，自引：0，他引：1
以塞罕坝机械林场的华北落叶松林为研究对象,利用SPOT5影像,基于RS和GIS确定蓄积量主要影响因子,即海拔、坡向、郁闭度、SP1、SP3、SP1/2、SP1-2/1+2、SP2~*3/1,选取径向基神经网络模型中的广义回归神经网络模型对其蓄积量进行估测.结果表明:对林分蓄积量估测的最高精度为98.70%,最低精度为68.56%,预估检验的所有样地的平均精度为87.24%.利用径向基GRNN模型建立森林蓄积量估测模型对蓄积量进行估测时,效率高,计算方法比较简洁,易于操作. 相似文献
10.
《中南林业科技大学学报(自然科学版)》2015,(9)
以福建杉木Cunninghamia lanceolata人工林为研究对象,基于15块样地的33株标准木的解析数据,探讨了树冠平均表面积、最大表面积、平均体积、最大体积4个复合指标的预测模型。结果表明:4个树冠复合指标与胸径、树高、冠长、冠幅之间呈显著相关,相应的增加变量可提高模型的拟合精度,但当模型变量增加到2个以上时,模型精度提高不大。模型检验结果表明,以冠幅和冠长为变量的树冠表面积模型为最优;树冠体积以冠幅、冠长和树高为变量的模型为最优。模型的预估精度P均大于70.3%,说明模型可以较好地预估杉木人工林的树冠表面积和体积。 相似文献
11.
《西部林业科学》2015,(3)
为更有效地经营管理云南松天然次生林,在云南省云南松主要分布区的昆明市、楚雄州设置55块云南松天然次生林标准地,从中随机抽取33块作为建模数据,剩余22块作为模型校验数据,采用逐步回归剔除法和BP神经网络建模法,建立林分生长模型。结果表明,使用逐步回归剔除法建立的平均胸径生长模型、平均树高生长模型、蓄积量生长模型总体拟合精度在89.22%~95.52%之间,校验精度在81.09%~94.15%之间;使用BP神经网络建立的各林分生长模型总体拟合精度在90.01%~98.62%之间,校验精度在92.63%~95.68%之间。可见BP神经网络所建立的林分生长模型精度较高,可为同类森林的经营管理提供参考。 相似文献
12.
《绿色科技》2020,(17)
指出了林分调查时,树木年龄确定一直是一个难点,为更精确确定树木年龄,可采用神经网络模型构建法,建立年龄与胸径、树高的回归模型。以陕西省黄龙山林区白皮松天然次生林为研究对象,基于解析木数据,构建了双输入单输出、单输入单输出的神经网络模型,并用未参与建模的标准木数据作为检测样本检测了模型的适应能力。结果表明:①两种模型的拟合精度分别为99.03%、98%,均方根误差分别为0.29011、0.43722,神经网络具有很好的拟合非线性生长模型的能力;②两种模型的检测精度分别为80.19%、79.70%,所建神经网络模型具有较好的适应性。所建神经网络模型能为黄龙山林区白皮松古树年龄确定提供科学依据。 相似文献
13.
《林业资源管理》2019,(6)
基于样地调查数据选用理查德方程和Schumacher为基础模型,采用非线性度量误差方法求解模型,在最优基础模型中引入哑变量,建立可兼用于采脂与未采脂林分的湿地松人工林生长模型。结果表明:两类基础模型的拟合效果均较好,模型决定系数均超过了0.9,其中Schumacher模型为最优基础模型。在该模型引入哑变量后,拟合出的断面积与蓄积量模型决定系数提升为0.9927与0.9972,模型精度提升为96.1%与97.2%。对哑变量模型做配对t检验,其p值均大于0.05,表明模型可用于估测采脂与未采脂不同经营措施湿地松林分断面积与林分蓄积量,可作为湿地松林分蓄积量测算与林分经营的依据。 相似文献
14.
浙江省毛竹竹秆材积模型 总被引：1，自引：0，他引：1
【目的】在精准测定毛竹样竹竹秆材积的基础上,研建浙江省毛竹竹秆材积模型,准确估计毛竹竹秆材积,为毛竹林经营管理提供依据。【方法】在浙江临安、庆元、武义、常山、宁海、安吉、诸暨、余姚、黄岩和泰顺10个县(区、市)调查216株毛竹样竹,采用可测量不规则形状物体体积的排水法测定竹秆材积。首先,基于异速生长方程和寺崎渡方程,以胸径(D)和胸高节长(L)为自变量,选择1个一元模型(M_1)和4个二元模型(M_2～M_5),利用全部样本建立5个毛竹竹秆材积模型;然后,采用似然函数法分析模型误差结构,确定应当采用对数回归或非线性回归模型进行模型拟合,通过For Stat2.2软件进行回归拟合,得到参数估计值;最后,根据参数估计值t检验值、4个模型评价检验指标(包括调整确定系数R_a~2、估计值标准差SEE、平均偏差ME和平均系统误差MSE)的比较分析,选择模型参数稳定、预估精度高、最适宜的浙江省毛竹竹秆材积模型。【结果】采用似然函数法对竹秆材积模型误差结构进行分析,求得5个基础模型赤池信息量准则(AICc),计算ΔAICc大于2,模型误差项为乘积型,应采用对数回归拟合材积模型。5个竹秆材积模型参数稳定(t检验值的绝对值均大于2),各模型调整确定系数(R_a~2)均在0.95以上,估计值标准差(SEE)和平均系统误差(MSE)均接近于0,模型拟合效果较好,模型M_2拟合预估效果最佳。分径阶进行模型拟合效果与预估精度的评价检验,5个模型在不同径阶的预估精度均较好,中等径阶时的预估精度和拟合优度最佳,而在最小径阶(4.0～5.9 cm)与最大径阶(14.0～15.9 cm)相对差一些。校正后的对数模型预估精度并无显著提高。【结论】排水法是准确测量毛竹竹秆材积的有效手段;似然函数法是进行模型误差结构分析比较与模型拟合方式选择的较好方法;引入竹高和胸高节长变量后,模型拟合优度和预估精度指标优于一元模型;考虑实践中胸高节长较竹高更易准确测量,且模型M_5相较M_2具有更高的拟合优度和预估精度,预估毛竹竹秆材积的最优模型为基于胸径-胸高节长的模型M_5,即V=0.191 2D~(2.114 9)e~(-6.841 1/L)。 相似文献
15.
哑变量在云杉地上生物量模型中的应用研究 总被引：1，自引：1，他引：0
《林业资源管理》2015,(6):71-76
基于150株样木的生物量数据,采用常规回归方法和哑变量模型方法,构建了黑龙江、吉林两省云杉地上总生物量与各分项生物量的一元、二元以及三元模型。结果表明:2种方法建立的模型中,地上总生物量模型预估精度最高,在96%以上;树叶生物量最低,仍达87%以上;其他生物量预估精度均在91%以上;总相对误差均控制在±5%的范围内。通过对一元、二元和三元模型对比分析,发现随着解释变量增加,2种方法生物量模型的预估精度和确定系数都有所提高。引入地域哑变量后,一元、二元和三元模型的预估精度和确定系数都比常规模型有所提高,估计值的标准误差和总相对误差有一定下降,哑变量可以提高模型的拟合优度和预测效果。 相似文献
16.
基于气象因子的随机森林算法在塔河地区林火预测中的应用 总被引：7，自引：0，他引：7
《林业科学》2016,(1)
[目的]应用逻辑斯蒂回归模型和随机森林算法建立大兴安岭塔河地区林火发生的预测模型并对比模型预测精度,判断随机森林算法在该地区林火预测中的适应性,为该地区林火管理工作提供技术支持。[方法]利用1974—2008年大兴安岭塔河地区森林火灾发生数据,分别运用二项逻辑斯蒂回归模型和随机森林算法,对塔河地区林火发生与气象因子之间的关系进行实证分析。为减少训练样本分布对试验结果的影响,将全样本数据随机分成60%的训练样本和40%的测试样本,并且进行5次重复,建立5个中间模型(样本组)。选择在5个中间模型中的3个及以上的显著变量(因子)对全样本数据进行分析并分别比较2种模型算法在5个中间模型和全样本模型中的预测准确率。此外,还设计了变量交互试验进一步验证相同变量下2种模型的预测精度。[结果]日最小相对湿度、细小可燃物湿度码和干旱码3个因子在二项逻辑斯蒂回归模型和随机森林算法中均与林火发生呈显著相关。模型拟合的预测结果显示:在对5个中间模型的预测中,随机森林算法对训练样本(60%)和测试样本(40%)的预测准确率分别高于二项逻辑斯蒂回归模型8%和10%左右;在全样本模型的预测中,随机森林算法拟合的准确率为85.0%,而二项逻辑斯蒂回归模型拟合的准确率为76.2%,二者相差10%左右,与之前5个中间模型的预测结果一致;在变量交互试验中,随机森林算法拟合的准确率为86.0%,而二项逻辑斯蒂回归模型拟合的准确率为72.8%,随机森林算法的预测准确率提高了18.1%左右。[结论]日最小相对湿度、细小可燃物湿度码和干旱码是影响林火发生的主要气象因子。在基于气象因子的塔河地区林火发生预测模型研究中,随机森林算法的预测准确率高于传统二项逻辑斯蒂回归模型10%左右,具有一定的预测优势和应用价值,可为大兴安岭塔河地区林火预测和决策提供参考。 相似文献
17.
运用灰色系统理论,以1975-2017年青田县的森林资源主要指标为原始数据序列,建立青田县森林资源变化的非等间距灰色预测模型。利用模型求得1975-2017年现有森林资源主要指标原始数据的拟合值,结果显示,除1985、1998年的活立木蓄积拟合误差为13.69%、10.28%外,其他相对误差均小于10%,拟合精度较高。模型的预测精度检验结果显示,小概率误差均为1,除森林面积的方差比值为0.42,预测精度为二级合格外,林地面积、活立木蓄积的方差比值均小于0.35,预测精度均为一级(好),符合林业生产实践对数据精度的要求。 相似文献
18.
19.
以云南省澜沧县2016年森林资源二类调查的994个思茅松人工纯林小班数据为研究对象,选用4种生长方程和1种线性回归方程拟合思茅松人工林林木生长过程,利用SPSS19.0和EXCEL2016对5种预选生长模型进行拟合,基于相关指数最大、残差平方和最小的原理,确定了林分平均树高、平均胸径和单位蓄积的最佳生长模型,模型预估精度高达95%以上,对数据T检验结果,其残差均在95%的置信区间。根据拟合的林分平均树高、平均胸径和单位蓄积生长模型及相关公式编制了澜沧县思茅松人工林经验收获表。 相似文献
20.
浙江省毛竹竹秆生物量模型 总被引：1，自引：0，他引：1
《林业科学》2019,(11)
【目的】通过样地实测获取毛竹竹秆生物量数据,研建基于不同变量的生物量模型并作比较分析,确定适宜的预测变量及模型,以精准估计毛竹竹秆生物量,为浙江省毛竹林立地质量评价和高效培育提供依据。【方法】从浙江省东、南、西、北、中不同区域选择10个县市采伐216株样竹,并进行样竹测量。引入胸径(D)、竹龄(A)和胸高竹节长(L)变量,利用全部样本信息,基于3个不同异速生长方程拟合竹秆生物量模型。采用似然估计法判定误差结构,确定模型拟合方法。通过3个模型的拟合优度及预估精度的比较分析,确定适用于浙江省的毛竹竹秆生物量模型。【结果】竹秆含水率逐年下降,Ⅴ度竹的平均含水率较Ⅰ度竹低24%;竹秆生物量占地上部分生物量比重逐年增加,且Ⅴ度竹占比超过80%;利用似然估计法分析确定生物量模型误差结构为乘积型,应采用对数转换的线性回归进行模型拟合;经检验,基于胸径的一元模型(M_1)W=0.104 6D~(2. 257 8)确定系数(R_a~2)仅为0.774 2,而基于胸径-竹龄的二元模型(M_2)W=0.052 0D~(2. 205 2) A~(0. 445 7)和胸径-竹龄-胸高竹节长的三元模型(M_3)W=0.026 5D~(2. 143 9) A~(0. 449 5) L~(0. 262 9)确定系数均达到0.89,且模型M_3的估计值标准差(SEE)和平均系统误差(MSE)均为最小;3个对数回归模型在不同径阶范围的预估精度均较高,预估偏差接近于0,其中模型M_3在不同径阶的预估效果均为最佳。【结论】由于模型校正后预估精度有所下降,故本研究在进行对数模型反对数转换时不作校正。二元和三元模型比一元模型具有更高的拟合优度和预估精度,确定基于胸径-竹龄-胸高竹节长的模型M_3为最佳模型,即W=0.026 5D~(2. 143 9) A~(0. 449 5) L~(0. 262 9)。 相似文献