隨著我國(guó)生態(tài)文明建設(shè)的深入和“國(guó)土綠化行動(dòng)”的開展,造林已經(jīng)成為我國(guó)林業(yè)發(fā)展的首要任務(wù)。造林設(shè)計(jì)的核心是為造林工程中的造林地編制造林模式（又稱造林作業(yè)法）。但是,當(dāng)前我國(guó)基層林業(yè)生產(chǎn)單位造林設(shè)計(jì)專家、技術(shù)人員嚴(yán)重不足,且多依靠生產(chǎn)經(jīng)驗(yàn)進(jìn)行造林,缺乏科學(xué)地經(jīng)營(yíng)管理。這種狀況使我國(guó)林業(yè)長(zhǎng)期處于集約化程度低、粗放培育與經(jīng)營(yíng)、管理水平落后的狀態(tài),經(jīng)營(yíng)管理粗放。本研究通過(guò)機(jī)器學(xué)習(xí)方法對(duì)人工林造林地立地質(zhì)量進(jìn)行評(píng)價(jià),在此基礎(chǔ)上,通過(guò)智能選擇算法為造林工程挑選造林地,研究造林模式設(shè)計(jì)技術(shù)并建立信息系統(tǒng)輔助造林模式設(shè)計(jì)。本文對(duì)造林模式設(shè)計(jì)過(guò)程中的立地質(zhì)量評(píng)價(jià)、造林地智能選擇、造林模式設(shè)計(jì)等關(guān)鍵技術(shù)進(jìn)行了研究,設(shè)計(jì)并實(shí)現(xiàn)了造林模式輔助設(shè)計(jì)系統(tǒng),為造林模式設(shè)計(jì)提供服務(wù),具有一定的實(shí)用價(jià)值。論文的主要研究?jī)?nèi)容如下:1.研究了基于機(jī)器學(xué)習(xí)的立地質(zhì)量評(píng)價(jià)方法。通過(guò)對(duì)立地因子的量化,使用數(shù)量化理論I方法、基于遺傳算法的徑向基神經(jīng)網(wǎng)絡(luò)方法對(duì)造林地的優(yōu)勢(shì)木高進(jìn)行預(yù)測(cè),使用杉木基準(zhǔn)年齡求得地位指數(shù),對(duì)造林地立地質(zhì)量進(jìn)行評(píng)價(jià)。使用數(shù)量化理論I方法評(píng)價(jià)地位指數(shù)時(shí),立地因子類目中得分值較高的因子是海拔、土壤厚度和地貌,與優(yōu)勢(shì)... 

【文章來(lái)源】：北京林業(yè)大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：122 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖３－１人工神經(jīng)元結(jié)構(gòu)??Ｆｉｇ．?３－１?Ａｒｔｉｆｉｃｉａｌ?ｎｅｕｒｏｎ?ｓｔｒｕｃｔｕｒｅ??

與人腦神經(jīng)系統(tǒng)類似，人工神經(jīng)網(wǎng)絡(luò)也需要由大量神經(jīng)元相互連接構(gòu)成。通??過(guò)權(quán)重控制神經(jīng)元之間連接信號(hào)，每個(gè)神經(jīng)元內(nèi)部則通過(guò)激勵(lì)函數(shù)來(lái)產(chǎn)生輸出，現(xiàn)有??的神經(jīng)元模型大多數(shù)采用ＭＰ模型（ＭｃＣｕｌｌｏｃｈ?ａｎｄ?Ｐｉｔｔｓ，?１９４３），模型結(jié)構(gòu)如圖３－１??所示。??在圖３－１中，丨ｘ，，ｘ２，．．．，ｘ？丨表示神經(jīng)元接收的輸入信號(hào)，每一個(gè)信號(hào)都由人工神??經(jīng)網(wǎng)絡(luò)中的其他神經(jīng)元傳遞而來(lái)。祌經(jīng)元和神經(jīng)元之間通過(guò)權(quán)重控制連接信號(hào)，每個(gè)??輸入信號(hào)都有一個(gè)權(quán)重＜ｙ，所有權(quán)重的集合為｛ｒｙｐｆｙ２，．．．，％｝。輸入信號(hào)和信號(hào)權(quán)重決??定了神經(jīng)元的激活狀態(tài)，如公式３－９所示。??？ｒ，?＼??Ａ：ｎ??圖３－１人工神經(jīng)元結(jié)構(gòu)??Ｆｉｇ．?３－１?Ａｒｔｉｆｉｃｉａｌ?ｎｅｕｒｏｎ?ｓｔｒｕｃｔｕｒｅ??ｎｅｔ?＝?ＹｕＸ＾?（３．９）??設(shè)０為閾值，用來(lái)判斷神經(jīng)元是否處于激活狀態(tài)。當(dāng)?shù)r經(jīng)元的輸入信號(hào)和權(quán)重的??乘積之和大于閾值０時(shí)，表示神經(jīng)元被激活；否則，神經(jīng)元未被激活。假設(shè)／表示激??活函數(shù)

支持向量機(jī)（ＳＶＭ，Ｓｕｐｐｏｒｔ?Ｖｅｃｔｏｒ?Ｍａｃｈｉｎｅｓ）是機(jī)器學(xué)習(xí)中常用的算法之一??（ＢｏｓｅｒＢ?等，１９９２；?ＳｃｈｏｌｋｏｐｆＢ?等，１９９５；?ＣｏｒｔｅｓＣ?等，１９９５），由線性可分時(shí)的最??優(yōu)分類面發(fā)展而來(lái)。如圖３－３所示，圖中有兩類樣本數(shù)據(jù)，Ｈ表示的是分類線。Ｈ１??和Ｈ２分別是平行于Ｈ，且通過(guò)兩類樣本中距離分類線最近樣本的直線。Ｈ１和Ｈ２的??空間距離稱之為ｍａｒｇｉｎ，表示分類間隔（張學(xué)工，２０００）。其中，最優(yōu)分類線意為將??兩類樣本準(zhǔn)確區(qū)分（沒(méi)有分類錯(cuò)誤的樣本），而且使得Ｈ１和Ｈ２的距離最大。在圖??３－３中，最優(yōu)分類面是／＾＾化＝２／｜｜４最小的，過(guò)兩類樣本中離分類面最近的點(diǎn)且平行??于最優(yōu)分類面的超平面上（ＨＩ，?Ｈ２）的訓(xùn)練樣本就叫做支持向量。??ＳＶＭ的核心思想就是將分類間隔最大化，分類間隔的最大化就是對(duì)推廣能力的??控制（張學(xué)工，２０００）。根據(jù)支持向量機(jī)的原理和最優(yōu)分類面的公式轉(zhuǎn)化為約束如公??式３－２０所示。??１?２?１??ｍｉｎ〇（ｗ）?＝?—｜｜ｗ｜｜?＝—（ｗ＇－ｗ）?（３－２０）??通過(guò)拉格朗日（Ｌａｇｒａｎｇｅ）函數(shù)解決公式３－２０的約束最優(yōu)化問(wèn)題

【參考文獻(xiàn)】：
期刊論文
[1]實(shí)施大規(guī)模國(guó)土綠化行動(dòng) 全國(guó)森林覆蓋率2020年將達(dá)到23.04%[J]. 許云飛.  國(guó)土綠化. 2018(01)
[2]基于BP神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量與化肥用量相關(guān)性研究[J]. 李想,戴維,高紅菊,徐文平,魏小紅.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(S1)
[3]OLI與HSI影像融合的土壤鹽分反演模型[J]. 厲彥玲,趙庚星,常春艷,王卓然,王凌,鄭佳榮.  農(nóng)業(yè)工程學(xué)報(bào). 2017(21)
[4]從攝影測(cè)量到計(jì)算機(jī)視覺(jué)[J]. 龔健雅,季順平.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(11)
[5]Canopy-Kmeans聚類和組合優(yōu)化的鐵礦預(yù)配料智能調(diào)度[J]. 曹躍,王雅琳,何海明,楊卜菘,桂衛(wèi)華.  控制理論與應(yīng)用. 2017(07)
[6]基于BP神經(jīng)網(wǎng)絡(luò)的長(zhǎng)白落葉松人工林林分平均高預(yù)測(cè)[J]. 沈劍波,雷相東,李玉堂,蘭瑩.  南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[7]森林經(jīng)理與森林質(zhì)量精準(zhǔn)提升[J]. 張會(huì)儒,雷相東.  國(guó)土綠化. 2017(08)
[8]基于網(wǎng)絡(luò)爬蟲的森林經(jīng)營(yíng)知識(shí)采集系統(tǒng)研建[J]. 劉建成,吳保國(guó),陳棟.  浙江農(nóng)林大學(xué)學(xué)報(bào). 2017(04)
[9]國(guó)務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》[J].   廣播電視信息. 2017(08)
[10]基于BP神經(jīng)網(wǎng)絡(luò)的天然云冷杉針闊混交林標(biāo)準(zhǔn)樹高-胸徑模型[J]. 劉鑫,王海燕,雷相東,解雅麟.  林業(yè)科學(xué)研究. 2017(03)

博士論文
[1]基于神經(jīng)網(wǎng)絡(luò)方法的杉木人工林林分生長(zhǎng)模擬研究[D]. 車少輝.中國(guó)林業(yè)科學(xué)研究院 2012
[2]經(jīng)營(yíng)單位級(jí)森林經(jīng)營(yíng)數(shù)據(jù)倉(cāng)庫(kù)研建及應(yīng)用研究[D]. 孟京輝.中國(guó)林業(yè)科學(xué)研究院 2011
[3]基于數(shù)據(jù)挖掘技術(shù)的造林決策研究[D]. 姚山.北京林業(yè)大學(xué) 2008
[4]求解工件加工調(diào)度問(wèn)題的一種混合鄰域搜索算法[D]. 曾立平.華中科技大學(xué) 2006

碩士論文
[1]旅行商問(wèn)題的研究與應(yīng)用[D]. 袁豪.南京郵電大學(xué) 2017
[2]福建杉木人工林單木生長(zhǎng)模型的研究[D]. 董云飛.北京林業(yè)大學(xué) 2015
[3]森林資源經(jīng)營(yíng)管理平臺(tái)與經(jīng)營(yíng)決策服務(wù)子系統(tǒng)的研建[D]. 沈立輝.北京林業(yè)大學(xué) 2015
[4]基于人工魚群的K中心組合優(yōu)化聚類算法研究[D]. 田琳.沈陽(yáng)大學(xué) 2014
[5]人工林立地質(zhì)量評(píng)價(jià)系統(tǒng)的研建[D]. 王超群.北京林業(yè)大學(xué) 2013
[6]基于神經(jīng)網(wǎng)絡(luò)的森林生物量估測(cè)模型研究[D]. 王軼夫.北京林業(yè)大學(xué) 2013
[7]服務(wù)于林農(nóng)的森林培育專家決策支持系統(tǒng)開發(fā)[D]. 韓焱云.北京林業(yè)大學(xué) 2012
[8]搜索引擎中重復(fù)網(wǎng)頁(yè)檢測(cè)算法研究[D]. 閆付亮.河南工業(yè)大學(xué) 2012
[9]解圖著色問(wèn)題的一個(gè)新的遺傳算法[D]. 王芳.西安電子科技大學(xué) 2010
[10]基于模擬退火遺傳算法的圖著色研究[D]. 余珮嘉.貴州大學(xué) 2009



本文編號(hào)：3384677