基于人工神經(jīng)網(wǎng)絡(luò)的櫟樹天然林生長動(dòng)態(tài)模擬系統(tǒng)研究.pdf

1、森林可持續(xù)經(jīng)營在森林經(jīng)營管理中是一項(xiàng)基礎(chǔ)性工作，特別是天然林的經(jīng)營管理。對森林生長狀況及時(shí)掌握，并預(yù)測其變化趨勢，這對森林經(jīng)營管理十分重要。本文的研究對象為駐馬店薄山林場的櫟樹天然林，根據(jù)林場標(biāo)準(zhǔn)地?cái)?shù)據(jù)資料構(gòu)建林分生長相關(guān)模型，包括:地位指數(shù)模型、密度指數(shù)模型和全林分生長模型。在Matlab的圖形用戶界面，由林分生長模型構(gòu)建櫟樹天然林生長動(dòng)態(tài)模擬系統(tǒng)，為準(zhǔn)確反應(yīng)林分生長過程中各因子的變化過程及變化趨勢，實(shí)現(xiàn)對櫟樹天然林生長的動(dòng)態(tài)變化和監(jiān)

2、測提供支持。
　　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，可以對非線性以及復(fù)雜的問題進(jìn)行建模預(yù)測。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)建林分生長的相關(guān)模型，對地位指數(shù)、密度指數(shù)和林分生長方面做了系統(tǒng)的研究。
　

3、　(1)以林分年齡作為輸入學(xué)習(xí)樣本，以優(yōu)勢木平均高作為輸出學(xué)習(xí)樣本，構(gòu)建優(yōu)勢木高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％，對薄山林場的地位指數(shù)模擬預(yù)測達(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。對所建模型分析對比，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)建天然林生長動(dòng)態(tài)模擬系統(tǒng)界面，在界面上添加控件，通過對控件屬性設(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)模型和全林分生長模型。在Matlab環(huán)境中運(yùn)行系統(tǒng)，輸入林分生長的影響因子，得到林