基于BP人工神经网络的兴安落叶松天然林全林分生长模型的研究

doi:10.7525/j.issn.1673-5102.2008.03.025

植物研究 ›› 2008, Vol. 28 ›› Issue (3): 370-374.doi: 10.7525/j.issn.1673-5102.2008.03.025

基于BP人工神经网络的兴安落叶松天然林全林分生长模型的研究

金星姬;贾炜玮^*;李凤日

(东北林业大学林学院，哈尔滨　150040)

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-05-20 发布日期:2008-05-20
通讯作者: 贾炜玮
基金资助:

Whole Stand Growth Model for Natural Dahurian Larch Forests Based on BP ANN

JIN Xing-Ji;JIA Wei-Wei*;LI Feng-Ri

(Northeast Forestry University，Harbin　150040)

Received:1900-01-01 Revised:1900-01-01 Online:2008-05-20 Published:2008-05-20
Contact: JIA Wei-Wei
Supported by:

摘要/Abstract

摘要： 以大兴安岭地区兴安落叶松天然林为研究对象，基于688块固定标准地数据，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，依据全林分生长模型的概念，以年龄（A）、地位级指数（SCI）和林分密度指数（SDI）作为输入变量，以林分每公顷蓄积量（M）作为输出变量，构建和训练了全林分生长的BP人工神经网络模型，并与常规建模方法进行了对比研究。结果表明，BP人工神经网络模型的拟合精度高达99.6%，检验精度为98.9%，说明与其它建模方法相比人工神经网络建模具有较高的拟合精度和适应性，对林分生长具有更好的预测能力。

关键词: BP人工神经网络, 兴安落叶松, 天然林, 全林分生长模型

Abstract: Based on 688 permanent sample plots，the whole stand growth model of BP ANN was developed for natural dahurian larch(Larix gemelinii Rupr.) forests in area of the Daxing’an Mountains, using log-sigmoid function (logsig) and linearity function (purelin) of MATLAB as the neural functions. According to the concept of whole stand growth model，the Age(A)，Site Class Index (SCI) and Stand Density Index (SDI) were considered as input variables and the Stand Volume(M) was as the output variable in the model. A comparative study between BP ANN model and the common method was also conducted. The result of the model performance analysis was showed that the BP ANN model in this paper had high fitting accuracy (99.6%) and precision (98.9%), it is better than the common methods in fitting and adaptability and it was suitable to predicting stand growth.

Key words: BP ANN, Dahurian Larch(Larix gemelinii Rupr.), natural forest, whole stand growth model

中图分类号:

S758.5⁺2

金星姬;贾炜玮*;李凤日. 基于BP人工神经网络的兴安落叶松天然林全林分生长模型的研究[J]. 植物研究, 2008, 28(3): 370-374.

JIN Xing-Ji;JIA Wei-Wei*;LI Feng-Ri. Whole Stand Growth Model for Natural Dahurian Larch Forests Based on BP ANN[J]. Bulletin of Botanical Research, 2008, 28(3): 370-374.

[1]	杨扬, 张喜亭, 肖路, 杨艳波, 王可, 杜红居, 张建宇, 王文杰. 火灾恢复年限对大兴安岭森林乔灌草多样性及优势种影响[J]. 植物研究, 2019, 39(4): 514-520.
[2]	马鹏宇, 张红光, 昝鹏, 顾伟平, 温璐宁, 张子嘉, 翁海龙, 孙涛, 毛子军. 长期氮添加对东北地区兴安落叶松人工林土壤酶的影响[J]. 植物研究, 2019, 39(4): 598-603.
[3]	曹凤艳, 毛子军, 曲来叶. 火烧迹地木炭对兴安落叶松种子萌发的影响[J]. 植物研究, 2017, 37(1): 104-108.
[4]	代忠迪；姜立春. 大兴安岭不同生态区域兴安落叶松树高曲线的研究[J]. 植物研究, 2015, 35(4): 583-589.
[5]	王秀伟;毛子军*. 兴安落叶松树干CO₂各通量成分对树干呼吸的贡献及其主要影响因子[J]. 植物研究, 2014, 34(4): 452-457.
[6]	孟庆焕;祖元刚;郭晓瑞;段喜华;*. 外源NO对增补UV-B辐射下兴安落叶松幼苗叶片光合色素和叶绿素荧光特性的影响[J]. 植物研究, 2013, 33(2): 181-185.
[7]	郑广宇;王文杰*;王晓春;于景华;刘丹;邱岭;祖元刚. 帽儿山地区兴安落叶松人工林树木年轮气候学研究[J]. 植物研究, 2012, 32(2): 191-197.
[8]	刘红润;李凤日*. 红松天然林种内和种间竞争关系的研究[J]. 植物研究, 2010, 30(4): 479-484.
[9]	李雪峰;张含国*;贯春雨;张瑶. 利用正交设计优化兴安落叶松RAPD-PCR反应体系[J]. 植物研究, 2009, 29(1): 80-85.
[10]	王秀伟;毛子军*. 7个光响应曲线模型对不同植物种的实用性[J]. 植物研究, 2009, 29(1): 43-48.
[11]	赵晓敏;沈海龙*;杨　玲;刘春苹. 兴安落叶松胚性愈伤组织诱导影响因子的研究[J]. 植物研究, 2007, 27(5): 538-543.
[12]	赵溪竹;姜海凤;毛子军*. 长白落叶松、日本落叶松和兴安落叶松幼苗光合作用特性比较研究[J]. 植物研究, 2007, 27(3): 361-366.
[13]	姜丽芬, 石福臣, 祖元刚, 王文杰, 小池孝良. 不同年龄兴安落叶松树干呼吸及其与环境因子关系的研究[J]. 植物研究, 2003, 23(3): 296-301.
[14]	石福臣, 陆兆华, 李立芹. 中国东北落叶松属植物rbcL 基因的序列分析及系统演化[J]. 植物研究, 2001, 21(3): 371-374.
[15]	马克明, 祖元刚. 兴安落叶松分枝格局的分形特征[J]. 植物研究, 2000, 20(2): 235-241.

基于BP人工神经网络的兴安落叶松天然林全林分生长模型的研究

Whole Stand Growth Model for Natural Dahurian Larch Forests Based on BP ANN

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价