版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、森林可持續(xù)經(jīng)營(yíng)在森林經(jīng)營(yíng)管理中是一項(xiàng)基礎(chǔ)性工作,特別是天然林的經(jīng)營(yíng)管理。對(duì)森林生長(zhǎng)狀況及時(shí)掌握,并預(yù)測(cè)其變化趨勢(shì),這對(duì)森林經(jīng)營(yíng)管理十分重要。本文的研究對(duì)象為駐馬店薄山林場(chǎng)的櫟樹天然林,根據(jù)林場(chǎng)標(biāo)準(zhǔn)地?cái)?shù)據(jù)資料構(gòu)建林分生長(zhǎng)相關(guān)模型,包括:地位指數(shù)模型、密度指數(shù)模型和全林分生長(zhǎng)模型。在Matlab的圖形用戶界面,由林分生長(zhǎng)模型構(gòu)建櫟樹天然林生長(zhǎng)動(dòng)態(tài)模擬系統(tǒng),為準(zhǔn)確反應(yīng)林分生長(zhǎng)過程中各因子的變化過程及變化趨勢(shì),實(shí)現(xiàn)對(duì)櫟樹天然林生長(zhǎng)的動(dòng)態(tài)變化和監(jiān)
2、測(cè)提供支持。
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network-ANN)技術(shù)作為現(xiàn)代人工智能手段之一,具有很強(qiáng)的自組織、自學(xué)習(xí)、自適應(yīng)及容錯(cuò)性等特點(diǎn)。在模型構(gòu)建過程中,它不需要假設(shè)前提條件,不需要考慮模型的結(jié)構(gòu),不需考慮各因子所占的權(quán)重,可以對(duì)非線性以及復(fù)雜的問題進(jìn)行建模預(yù)測(cè)。本文以人工神經(jīng)網(wǎng)絡(luò)作為研究方法,基于BP神經(jīng)網(wǎng)絡(luò)技術(shù)構(gòu)建林分生長(zhǎng)的相關(guān)模型,對(duì)地位指數(shù)、密度指數(shù)和林分生長(zhǎng)方面做了系統(tǒng)的研究。
3、 (1)以林分年齡作為輸入學(xué)習(xí)樣本,以優(yōu)勢(shì)木平均高作為輸出學(xué)習(xí)樣本,構(gòu)建優(yōu)勢(shì)木高BP神經(jīng)網(wǎng)絡(luò)模型。因櫟樹的基準(zhǔn)年齡為30年,由地位指數(shù)的定義構(gòu)建地位指數(shù)模型。經(jīng)過對(duì)模型進(jìn)行反復(fù)訓(xùn)練,建立網(wǎng)絡(luò)結(jié)構(gòu)為1∶3∶1的地位指數(shù)模型,其擬合精度達(dá)到98.36%,對(duì)薄山林場(chǎng)的地位指數(shù)模擬預(yù)測(cè)達(dá)到了比較好的效果。
(2)以林分平均胸徑為輸入學(xué)習(xí)樣本,以林分的株數(shù)密度為輸出學(xué)習(xí)樣本,構(gòu)建株數(shù)密度BP網(wǎng)絡(luò)模型。取櫟樹的標(biāo)準(zhǔn)胸徑為10cm,根據(jù)密度
4、指數(shù)的定義構(gòu)建密度指數(shù)模型。對(duì)所建模型分析對(duì)比,網(wǎng)絡(luò)結(jié)構(gòu)為1∶1∶1時(shí),模型最佳,其擬合精度達(dá)到95.68%。
(3)以林分年齡、地位指數(shù)和單株地積為輸入學(xué)習(xí)樣本,以林分平均胸徑、平均高及每公頃蓄積量為輸出學(xué)習(xí)樣本,構(gòu)建櫟樹天然林全林分生長(zhǎng)BP神經(jīng)網(wǎng)絡(luò)模型。網(wǎng)絡(luò)模型隱含層神經(jīng)元傳遞函數(shù)選擇S型函數(shù),即logsig,輸出層神經(jīng)元傳遞函數(shù)選擇線性函數(shù),即purelin;BP網(wǎng)絡(luò)模型結(jié)構(gòu)為3∶3∶3。對(duì)所建模型性能進(jìn)行分析,可知所建
5、模型的總體擬合精度為97.26%,林分平均胸徑擬合精度為97.43%,平均高擬合精度為96.5%,林分每公頃蓄積量擬合精度為93.32%;模型的預(yù)測(cè)檢驗(yàn)精度為97.12%。
(4)利用Matlab的圖形用戶界面提供的人機(jī)交互工具和方法,構(gòu)建天然林生長(zhǎng)動(dòng)態(tài)模擬系統(tǒng)界面,在界面上添加控件,通過對(duì)控件屬性設(shè)置及其編碼,調(diào)用已建立的地位指數(shù)模型、密度指數(shù)模型和全林分生長(zhǎng)模型。在Matlab環(huán)境中運(yùn)行系統(tǒng),輸入林分生長(zhǎng)的影響因子,得到林
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 興安落葉松天然林全林分生長(zhǎng)人工神經(jīng)網(wǎng)絡(luò)模型的研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)方法的杉木人工林林分生長(zhǎng)模擬研究.pdf
- 白樺人工林生長(zhǎng)的人工神經(jīng)網(wǎng)絡(luò)模型研究.pdf
- 天然林監(jiān)測(cè)預(yù)警系統(tǒng)研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)系統(tǒng)研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的油松人工林建模研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的礦井素質(zhì)評(píng)價(jià)系統(tǒng)研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)系統(tǒng)仿真模型和算法研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的施工招標(biāo)評(píng)標(biāo)系統(tǒng)研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的混合智能系統(tǒng)研究及應(yīng)用.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的電力短期負(fù)荷預(yù)測(cè)系統(tǒng)研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的面向?qū)ο驝APP智能系統(tǒng)研究.pdf
- 天然林轉(zhuǎn)換為人工林后土壤溫室氣體排放的動(dòng)態(tài)變化.pdf
- 53222.基于人工神經(jīng)網(wǎng)絡(luò)的水文模擬研究
- 人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)的動(dòng)態(tài)復(fù)雜性研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的人工魚行為模擬.pdf
- 西南林區(qū)天然林資源動(dòng)態(tài)及恢復(fù)對(duì)策研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)系統(tǒng)的研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的汽配市場(chǎng)需求預(yù)測(cè)系統(tǒng)研究.pdf
- 天然林保護(hù)立法研究.pdf
評(píng)論
0/150
提交評(píng)論