-
题名年龄无关的生长模型研究——以落叶松平均高为例
被引量：3
- 1
-
-
作者
国红
雷渊才
郎璞玫
-
机构
中国林业科学研究院资源信息研究所
-
出处
《林业科学研究》
CSCD
北大核心
2020年第5期129-136,共8页
-
基金
“十三五”国家重点研发计划项目(2017YFD060040302)
中央级公益性科研院所基本科研业务费专项(CAFYBB2017SZ007)。
-
文摘
[目的]构建年龄无关的理论生长模型,用于年龄未知或者年龄不是有效因子的情况下的林分生长模拟。[方法]基于理论模型理查德模型,利用隐含年龄的差分形式,构建年龄无关的生长模型来拟合落叶松林分的平均高,并将自由参数表达为林分相关因子和立地因子的函数。[结果]利用刀切法对模型进行验证,时间无关的模型的修正确定系数在0.92~0.94之间,而时间相关的模型修正确定系数为0.85,时间无关的模型修正确定系数提高了8%~10%;时间无关模型的均方根误差RMSE在1.30~1.59之间,远远小于时间相关模型的20.48。年龄无关的模型之间对比,引入气候因子的模型,修正确定系数均方根误差RMSE和TRE较没有引入的有明显的降低,说明气候因子的引入提高了模型的模拟效果。[结论]可以将年龄无关的理论模型应用于年龄不可用或者不相关的林分中。采用自由参数的方式将与年龄无关的立地因子和气候因子引入模型的拟合中,对比固定参数和自由参数的两类模型,可以发现自由参数的模型表现更好。在平均高生长模型中引入立地因子和气候因子,模型效果更好。
-
关键词
年龄无关
理论生长方程
差分方程
精度估计
理查德模型
-
Keywords
age independent
theoretical growth model
difference equation
accuracy estimation
Richards model
-
分类号
S758
[农业科学—森林经理学]
-
-
题名基于LM-BP神经网络的小班生长预测模型
被引量：1
- 2
-
-
作者
赵婷
-
机构
吉林省林业调查规划院
-
出处
《林业勘查设计》
2016年第1期85-87,共3页
-
文摘
为了实现小班逐年数据精准预测,使用LM-BP神经网络进行训练仿真,并用传统建模法与生长预测模型进行对比。结果表明:利用LM-BP神经网络法进行小班生长量模型训练精度高于传统方法,其训练方法简便易实施,可应用于森林资源调查工作中。
-
关键词
LM-BP神经网络
小班
生长预测模型
理查德模型
-
Keywords
LM-BP neural network
subcompartment
growth prediction model
Richard t model
-
分类号
S791.248
[农业科学—林木遗传育种]
-
