论文部分内容阅读
森林立地的分类与评价是林业生产的一项基本工作，是实现科学培育、经营和森林收获量预测的基础。传统方法用主成分分析、逐步回归分析和数量化理论来实现对森林立地进行分类和评价。但无论采用哪种理论哪种方法，自始至终，把森林立地系统的各因子之间的非线性和复杂性关系看作是简单的线性或非线性关系，通过建立的简化、依赖和间接的数学公式来反映。所建立的模型往往使建模者显得力不从心，分类与评价效果不理想，没有从根本上找到一个有效的解决方法。 为了探讨一套新的立地分类和评价建模技术，本论文以登封林场少林寺林区和薄山林场大岭林区为研究对象，以林区内各小班二类森林调查资料，在MATLAB系统环境下，应用LVQ神经网络和BP神经网络建模技术，对林区内的小班进行立地分类和评价研究。立地类型划分结果表明：LVQ神经网络在森林立地类型划分中发生的误判率远低于聚类分析方法，分类结果可信可靠。 立地评价结果表明：(1)用BP神经网络建模技术成功地构建了1：S：1的单形地位指数模型，并以薄山林场大岭林区的马尾松人工林二类调查数据(年龄和优势高)对所建模型进行训练和检验，得到适宜的单形地位指数模型结构位1：3：1。(2)精度分析表明所建单形地位指数模型人工神经网络模型的拟合、检验精度很高，具有很强的泛化能力。以检验合格的林分平均优势高生长模型为导向，按标准年龄20年，推导了单形地位指数曲线式和计算式。(3)在用BP神经网络建模技术构建了单形地位指数模型的基础上，再次用BP神经网络建模技术构建立地因子和地位指数关系的模型，以用来对无林地进行评价，结果反映所建的BP神经网络模型能较好的对无林地立地条件进行评价。 本文的创新点：(1)首次运用竞争神经网络(LVQ网络)对森林立地类型进行划分，结果表明用LVQ神经网络可以对森林立地类型进行划分，并且结果比聚类分析可靠且更能够反映实际情况。(2)首次运用前馈神经网络(BP网络)对无林地进行立地质量评价。