论文部分内容阅读
本研究以马尾松为例,根据马尾松地上、树干、树冠、树枝、叶花果生物量与各林分调查因子的相关关系选择自变量,拟合各部分生物量的线性、非线性和多项式模型,并进行对比分析,比较一元模型与多元模型的优劣。通过12种算法的筛选,输入和输出变量的确定以及隐层节点数的选择,确定最优的模型拓扑结构,构建单隐层BP神经网络模型；对比单输入与多输入变量模型、单输出与多输出变量模型,并分析模型的输入和输出变量数对模型估测精度的影响；对比传统相对生长模型,以验证BP模型的可行性。以50个样地数据为训练样本,构建森林生物量BP网络模型,输出将乐县森林生物量分布图,分析了生物量随海拔、坡度、坡向的变化规律。结果表明：(1)非线性和多项式模型的估测效果比线性模型好；对于线性、非线性模型,多元模型优于一元模型,对于多项式模型,多次模型优于二次模型；地上、树干生物量模型总体拟合效果比树冠、树枝、叶花果生物量模型理想。(2)最优BP模型LM-DH-8-WTWAWR的训练算法为Levenberg-Marquardt算法,输入变量为D、H,输出变量为WT、WA、WR,隐层节点数为8。输入和输出变量的增加不会降低BP神经网络模型的精度。模型LM-DH-8-WTWAWR能够精确地估测马尾松单木生物量,其精度高于传统的相对生长模型。(3)3层BP神经网络生物量估测模型的拟合效果理想。通过BP神经网络模型运算,输出将乐县森林生物量分布图。分析表明,森林生物量的分布跟海拔、坡度和坡向之间存在明显的相关性。探索并验证BP神经网络模型在生物量建模和估测上的适用性,简化了生物量建模和估测工作量,为全国森林生物量建模工作提供切实可行的参考依据。