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

1、森林可持續(xù)經(jīng)營在森林經(jīng)營管理中是一項基礎性工作，特別是天然林的經(jīng)營管理。對森林生長狀況及時掌握，并預測其變化趨勢，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)林場標準地數(shù)據(jù)資料構建林分生長相關模型，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，由林分生長模型構建櫟樹天然林生長動態(tài)模擬系統(tǒng)，為準確反應林分生長過程中各因子的變化過程及變化趨勢，實現(xiàn)對櫟樹天然林生長的動態(tài)變化和監(jiān)

2、測提供支持。
　　人工神經(jīng)網(wǎng)絡(Artificial Neural Network-ANN)技術作為現(xiàn)代人工智能手段之一，具有很強的自組織、自學習、自適應及容錯性等特點。在模型構建過程中，它不需要假設前提條件，不需要考慮模型的結構，不需考慮各因子所占的權重，可以對非線性以及復雜的問題進行建模預測。本文以人工神經(jīng)網(wǎng)絡作為研究方法，基于BP神經(jīng)網(wǎng)絡技術構建林分生長的相關模型，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習樣本，以優(yōu)勢木平均高作為輸出學習樣本，構建優(yōu)勢木高BP神經(jīng)網(wǎng)絡模型。因櫟樹的基準年齡為30年，由地位指數(shù)的定義構建地位指數(shù)模型。經(jīng)過對模型進行反復訓練，建立網(wǎng)絡結構為1∶3∶1的地位指數(shù)模型，其擬合精度達到98.36％，對薄山林場的地位指數(shù)模擬預測達到了比較好的效果。
　　(2)以林分平均胸徑為輸入學習樣本，以林分的株數(shù)密度為輸出學習樣本，構建株數(shù)密度BP網(wǎng)絡模型。取櫟樹的標準胸徑為10cm，根據(jù)密度

4、指數(shù)的定義構建密度指數(shù)模型。對所建模型分析對比，網(wǎng)絡結構為1∶1∶1時，模型最佳，其擬合精度達到95.68％。
　　(3)以林分年齡、地位指數(shù)和單株地積為輸入學習樣本，以林分平均胸徑、平均高及每公頃蓄積量為輸出學習樣本，構建櫟樹天然林全林分生長BP神經(jīng)網(wǎng)絡模型。網(wǎng)絡模型隱含層神經(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)絡模型結構為3∶3∶3。對所建模型性能進行分析，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％;模型的預測檢驗精度為97.12％。
　　(4)利用Matlab的圖形用戶界面提供的人機交互工具和方法，構建天然林生長動態(tài)模擬系統(tǒng)界面，在界面上添加控件，通過對控件屬性設置及其編碼，調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)境中運行系統(tǒng)，輸入林分生長的影響因子，得到林