【摘要】：森林資源是人類賴以生存的發(fā)展的物質(zhì)基礎(chǔ),它不僅能夠?yàn)榘l(fā)展和生產(chǎn)提供各種各樣的物質(zhì)原材料,同時(shí)對(duì)整個(gè)生態(tài)環(huán)境的穩(wěn)定和健康發(fā)展發(fā)揮著巨大的作用,準(zhǔn)確測(cè)算林木生長數(shù)據(jù)具有重要意義。目前在實(shí)際調(diào)查中,胸徑、樹高等林業(yè)數(shù)據(jù)一般是利用傳統(tǒng)的測(cè)量儀器(如皮尺、卡尺等)進(jìn)行測(cè)量和采集的,然后通過人工方式進(jìn)行記錄。然而這種方式存在以下問題:(1)需要采集的參數(shù)種類多樣,經(jīng)常會(huì)導(dǎo)致誤測(cè)或漏測(cè);(2)林業(yè)中需要測(cè)量的樹木非常多,巨大的工作量需要耗費(fèi)大量的時(shí)間和精力。因此,利用先進(jìn)技術(shù)對(duì)樹木生長進(jìn)行有效預(yù)測(cè),對(duì)森林科學(xué)經(jīng)營管理具有重要意義。BP人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、高速尋找最優(yōu)解等優(yōu)點(diǎn),近年來,BP神經(jīng)網(wǎng)絡(luò)在林業(yè)中得到了逐步應(yīng)用。針對(duì)目前林業(yè)數(shù)據(jù)采集和統(tǒng)計(jì)領(lǐng)域存在的問題,以及在林地評(píng)估領(lǐng)域的不足之處,本文以景寧縣2004、2009和2014年國家一類清查的喬木人工林為研究對(duì)象,基于49塊喬木林樣地?cái)?shù)據(jù),設(shè)計(jì)了一種基于多因子融合的BP神經(jīng)網(wǎng)絡(luò)樹木生長模型。利用皮爾遜相關(guān)系數(shù)根據(jù)相關(guān)因子與待預(yù)測(cè)因子之間的相關(guān)性選擇出若干種相關(guān)性較高的影響因子作為樹木生長模型的預(yù)測(cè)依據(jù),然后構(gòu)建多輸入、三輸出的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),并利用遺傳算法(Genetic Algorithm,GA)對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,從而提高BP神經(jīng)網(wǎng)絡(luò)的精度。最后利用選擇的數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò),即為樹木生長模型,通過輸入若干種林木影響因子預(yù)測(cè)樹木的平均樹高、平均胸徑和活立木蓄積量,并與其他模型進(jìn)行了對(duì)比研究。實(shí)驗(yàn)結(jié)果表明,在100組測(cè)試數(shù)據(jù)中,平均胸徑的總體相對(duì)誤差為5.89%,平均樹高的總體誤差為2.77%,活立木蓄積量的總體誤差為3.74%,模型總體誤差低于其他模型,說明本文設(shè)計(jì)的生長模型對(duì)林分生長具有更好的預(yù)測(cè)能力,能夠滿足實(shí)際應(yīng)用的需求。
【學(xué)位授予單位】：浙江農(nóng)林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：S758
【圖文】：

2.1 研究區(qū)域概況本文選取了浙江省麗水市景寧地區(qū)的人工林為研究對(duì)象，研究林位于浙江省西南部、屬浙南中山區(qū)。景寧縣地理坐標(biāo) 27°28′42″～28°10′52″N，119°13′40″～119°58′19″E，縣域面積 1950km2，轄 2 街道、4 鎮(zhèn)、15 鄉(xiāng)，屬亞熱帶季風(fēng)氣候，溫和濕潤，雨量充沛，年均溫度 17.5°C，年均降水量 1626mm[33-35]。研究區(qū)域?qū)儆诘蜕角鹆陞^(qū)，海拔高度位于 80-400m，全縣植被類型主要為針葉林、馬尾松、杉木、闊葉林、針闊混交林、毛竹林、經(jīng)濟(jì)特產(chǎn)林等。該地區(qū)的地形復(fù)雜，地勢(shì)呈現(xiàn)出由西南向東北方向漸傾的趨勢(shì)，地貌基本以深切割山地為主。研究區(qū)屬亞熱帶季風(fēng)氣候區(qū)，常年雨水充足，四季分。由于景寧地區(qū)的地形比較復(fù)雜，海拔差距大，因此具有較強(qiáng)的垂直氣候差異[36]。由于具有良好的氣候環(huán)境因此動(dòng)植物資源非常豐富，孕育了大量的森林資源，在眾多植物中，不但有優(yōu)良的用材樹種，還有許多重要的觀賞樹種和藥用植物。其中該地區(qū)具有伯樂樹、鵝掌楸、南方紅豆杉、香果樹、銀杏、厚樸等 30 多種國家自然保護(hù)植物[37]。因此將該地區(qū)的的人工林作為研究對(duì)象，具有較強(qiáng)的代表性。研究區(qū)域如圖 2.1 所示。

3.1 遺傳算法遺傳算法（Genetic Algorithm,GA）是一種模擬生物自然選擇和遺傳學(xué)的進(jìn)化算法，其基本原理是模仿生物界的“物競天擇、適者生存”的演化法則[64-65]。遺傳算法的核心思想是將待求解的問題參數(shù)編碼為生物細(xì)胞內(nèi)的染色體，然后通過迭代的方法對(duì)編碼的“染色體”進(jìn)行選擇、交叉和變異，以此來對(duì)種群內(nèi)的染色體信息進(jìn)行交換，最終得到符合應(yīng)用要求的染色體信息[66]。遺傳算法中的染色體對(duì)應(yīng)的不是真正意義上的染色體，而是代數(shù)上的矩陣，通常一個(gè)染色體即由二維矩陣中的一維數(shù)據(jù)構(gòu)成，一維數(shù)據(jù)上的數(shù)據(jù)對(duì)應(yīng)了基因的取值，染色體也可被稱為基因型個(gè)體，一定數(shù)量的染色體即可構(gòu)成一個(gè)群體。群體數(shù)量的多少稱為群體的規(guī)模。為與生物上的遺傳相類似，遺傳算法增加了適應(yīng)度的概念，個(gè)體對(duì)于環(huán)境的適應(yīng)能力可以用適應(yīng)度的值進(jìn)行表示[67]。遺傳算法的實(shí)現(xiàn)大致分為編碼、初始化種群、適應(yīng)度計(jì)算、選擇、交叉和變異等步驟組成，具體的實(shí)現(xiàn)步驟如下所示，其中遺傳算法的實(shí)現(xiàn)步驟圖如圖 3.1 所示。

一種多因子融合的 BP 神經(jīng)網(wǎng)絡(luò)樹木生長模型研究神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)由Rumelhartt 和McClelland為首出，BP 神經(jīng)網(wǎng)絡(luò)已被廣泛的應(yīng)用于對(duì)結(jié)果的預(yù)測(cè)領(lǐng)前饋神經(jīng)網(wǎng)絡(luò)最核心的部分[71-72]，因此目前的 80%以P 神經(jīng)網(wǎng)絡(luò)或是 BP 神經(jīng)網(wǎng)絡(luò)的優(yōu)化模型[71-72]。BP 神映射能力，是一種具有較好柔性的網(wǎng)絡(luò)結(jié)構(gòu)，并且其的神經(jīng)元個(gè)數(shù)都可根據(jù)情況自行設(shè)定，具有較強(qiáng)的靈對(duì)結(jié)果的預(yù)測(cè)領(lǐng)域之中，并取得了良好的成效。經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)網(wǎng)絡(luò)由輸入層、隱層和輸出層三部分組成，其中隱層層之間通過訓(xùn)練函數(shù)來進(jìn)行數(shù)值的計(jì)算以及信號(hào)的傳非線性的，但輸出層的訓(xùn)練函數(shù)可由輸入層與輸出層[73]。其網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖如圖 3.2 所示。

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 胡悅;;金融市場(chǎng)中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測(cè)法[J];金融經(jīng)濟(jì);2017年18期

2 鮑偉強(qiáng);陳娟;熊濤;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究[J];電工技術(shù);2019年11期

3 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會(huì)述評(píng)[J];國際學(xué)術(shù)動(dòng)態(tài);1996年01期

4 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識(shí)別[J];通訊世界;2018年12期

5 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

6 俞頌華;;卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用綜述[J];信息通信;2019年02期

7 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡(luò)的通用理論建造基石[J];世界科學(xué);2019年04期

8 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設(shè)計(jì)研究[J];數(shù)字技術(shù)與應(yīng)用;2018年04期

9 張庭略;;基于硬件的神經(jīng)網(wǎng)絡(luò)加速[J];通訊世界;2018年08期

10 蘇秀婷;;耦合神經(jīng)網(wǎng)絡(luò)的同步[J];紹興文理學(xué)院學(xué)報(bào)(自然科學(xué));2016年03期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 孫軍田;張U

本文編號(hào)：2792054