排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
杉木人工林胸径生长神经网络建模研究 总被引:6,自引:0,他引:6
【目的】探索神经网络技术对杉木人工林胸径生长的模拟和预测能力,以寻求最优模型。【方法】以江西大岗山杉木人工林为研究对象,依据林木生长理论,用林龄(A)、立地指数(SI)和初植密度(N)3个因子构建平均胸径生长BP模型;通过定量和定性分析相结合的方法对模型选优,并将最佳模型与拓展的Richards模型比较;最后将优化模型应用于未参与建模的样地。【结果】最佳BP模型为Levenberg-Marquardt算法3∶5∶1结构模型(LM351),R2=0.984,MSE=0.196;拓展的Richards模型R2=0.964,MSE=0.433。LM351模型经校正后,适合预测福建邵武杉木人工林胸径生长规律(R2=0.995)。【结论】LM351神经网络模型在精度上优于传统Richards模型,适于林龄6~28年、立地指数12~17 m、初植密度1 667~9 967株/hm2的杉木林分平均胸径的模拟和预测。 相似文献
2.
3.
4.
5.
6.
基于对神经元模型、网络拓扑结构和学习算法3要素的描述,系统地剖析了一个BP3-2 -1结构的模型模拟非线性函数的一般过程.基于杉木人工林密度实验数据,以初始密度、立地指数和林龄为输入,林分平均胸径为输出,利用MATLAB (R2010b)神经网络工具箱创建、训练BP模型,模型的均方误差Emin=0.01,实测值和预测值之间的相关系数R=0.977. 相似文献
7.
1