ANN在林分密度控制圖及森林資產(chǎn)評估中的應(yīng)用.pdf

1、杉木我國南方最主要的速生經(jīng)濟用材樹種,在福建地區(qū)尤其是閩北種植已成規(guī)模。近年來,杉木人工林的經(jīng)營管理越來越受林業(yè)工作者的關(guān)注。林分密度控制圖是根據(jù)林分密度效應(yīng)法則理論,以林分密度效應(yīng)規(guī)律為基礎(chǔ),建立株數(shù)密度與林分各測樹因子之間的數(shù)量關(guān)系的數(shù)學模型來編制的一種森林經(jīng)營圖。林分密度控制圖是森林經(jīng)營的重要工具,合理適用的林分密度控制圖能正確指導(dǎo)人工林的定量間伐和收獲預(yù)估,也可以為造林涉及、資源清查、評定更新等級以及劃分經(jīng)營類型等方面提供參考數(shù)

2、據(jù)。
　　 人工神經(jīng)網(wǎng)絡(luò)(ANN)是現(xiàn)代智能算法之一,它的突出特點是不需要考慮數(shù)學模型的內(nèi)部結(jié)構(gòu),不需要假設(shè)前提條件,不需要人為地確定因子權(quán)重等。神經(jīng)網(wǎng)絡(luò)在非線性建模方面具有突出的優(yōu)勢,它不僅能夠?qū)θ我夥蔷€性映射進行任意逼近而且能夠根據(jù)已有數(shù)據(jù)的輸入輸出,學習得到輸入輸出之間的函數(shù)關(guān)系,從而能夠做到,給定一個輸入,就能根據(jù)這個函數(shù)關(guān)系給出它的輸出。與傳統(tǒng)的建模方法相比,具有精確度更高、速度更快尤其是不依賴已有的數(shù)學模型等優(yōu)點。由

3、于林學上的許多模型都是非線性的,因此神經(jīng)網(wǎng)絡(luò)在林學上的應(yīng)用備受關(guān)注,應(yīng)用的領(lǐng)域越來越廣泛。
　　 本文將把ANN應(yīng)用于建立等樹高線模型和等直徑線模型,并將這些模型與傳統(tǒng)的等樹高線和等直徑線模型進行精確度比較,目前這類研究進行的很少。在建模的過程中可以發(fā)現(xiàn),ANN的精確度比傳統(tǒng)的模型高,所做出的資產(chǎn)評估也符合實際情況,這對今后的林分密度控制圖的編制有重要的指導(dǎo)意義。
　　 在模型參數(shù)的求解過程中將用到免疫進化算法。免疫進化