论文部分内容阅读
以江西退化红壤区杉木人工林为研究对象，采用MATLAB工具箱中的log‐sigmoid型函数（ tansig）为神经元作用函数，以空气温度、空气相对湿度、平均净辐射、水汽压亏缺为输入变量，液流速率为输出变量，运用贝叶斯正则化算法和Levenberg‐Marquardt算法对4000组气象数据和液流数据进行网络训练和检验，构建拓扑结构为4101的杉木树干液流反向传播（ back propagation ， BP）神经网络模型.结果表明：在2种算法下训练样本和检验样本模型输出值与实测值之间线性回归的拟合程度均