基于神经网络的人工林落叶松木材材质预测研究

基于神经网络的人工林落叶松木材材质预测研究

论文摘要

本文以人工林落叶松(Larix ssp.)木材为研究对象,以建立木材材质早期预测模型为目标,通过分析人工林落叶松木材的解剖性质(包括:管胞长度、管胞弦向直径、管胞长宽比、管胞壁厚、璧腔比、胞壁率和微纤丝角)和物理性质(包括:生长轮宽度、晚材率、生长速率和木材密度),研究人工林落叶松木材各项材质指标的变异规律,建立人工林落叶松木材材质变异规律模型和木材材质预测模型。 首先,采用计算机视觉分析系统测量人工林落叶松木材解剖性质,采用x-射线微密度测试系统测量木材物理性质,研究人工林落叶松木材材质的变异规律,界定人工林落叶松木材的幼龄期与成熟期的界限,评定人工林落叶松木材幼龄材与成熟材材质的差异。 其次,针对目前广泛采用的预测方法,选取人工林落叶松木材管胞长宽比和生长轮密度两项指标作为基础数据,采用回归分析方法、时间序列方法和神经网络方法分析建立木材材质预测模型的可行性,比较预测模型的预测相对误差和预测精度,并进行模型检验。初步得出如下结论:神经网络预测方法建立的木材材质神经网络预测模型,预测误差小,预测精度高,为相对最优模型。 第三,利用神经网络良好的非线性映射能力,自学习适应能力和并行信息处理能力,及其用于未知不确定非线性系统建模的优势,针对不同材性指标时间序列数据的特点,确定各模型网络结构、传递函数、网络训练函数,建立人工林落叶松木材解剖性质和物力性质的神经网络预测模型,并利用测试集数据,检验预测模型精度,各材性指标的预测模型相对误差最大值为4.55%,最小为-4.73%,在全部的25项指标中有22项相对误差在-2%~2%之间,说明预测精度较高。通过比较分析预测值与实测值的差异,相对误差较小,预测效果良好,预测结果可以满足实际预测要求。 总之,采用神经网络方法建立人工林落叶松木材材质预测模型可行,预测误差小,预测精度高,预测模型科学,为人工林的集约经营和定向培育提供了基础理论依据。

论文目录

  • 摘要
  • Abstrac
  • 1 绪论
  • 1.1 人工林落叶松经营概况
  • 1.1.1 落叶松生物学特征
  • 1.1.2 我国落叶松资源概况及地理分布
  • 1.2 落叶松木材基本构造特性
  • 1.2.1 边材与心材
  • 1.2.2 早材与晚材
  • 1.2.3 幼龄材与成熟材
  • 1.3 木材的变异性
  • 1.3.1 木材材性株间变异
  • 1.3.2 木材材性株内变异
  • 1.4 人工林木材材质变异的影响因素
  • 1.4.1 气候因子对木材材质变异的影响
  • 1.4.2 立地条件对木材材质变异的影响
  • 1.4.3 培育措施对木材材质变异的影响
  • 1.4.4 生长速率对木材材质变异的影响
  • 1.4.5 木材材质预测
  • 1.4.6 人工神经网络的发展与应用
  • 2 研究目的和实验方法
  • 2.1 研究目的
  • 2.2 试材采集
  • 2.3 试件的制备与测试方法
  • 2.3.1 木材解剖性质
  • 2.3.2 木材物理性质
  • 2.4 数据处理与分析方法
  • 3 落叶松木材材质变异规律
  • 3.1 人工林落叶松木材材质径向变异
  • 3.1.1 解剖性质
  • 3.1.2 物理性质
  • 3.2 人工林落叶松幼龄材与成熟材的界定
  • 3.2.1 幼龄树与成熟材的界限划分
  • 3.2.2 界定木材幼龄期与成熟期有序聚类模型
  • 3.2.3 人工林木材幼龄树与成熟材的界定
  • 3.2.4 解剖性质
  • 3.2.5 物理性质
  • 3.3 本章小结
  • 3.3.1 人工林落叶松木材材质径向变异
  • 3.3.2 人工林落叶松木材的幼龄期与成熟期的界定
  • 3.3.3 人工林落叶松幼龄材与成熟材比较
  • 4 木材材质预测方法的比较研究
  • 4.1 回归分析预测方法
  • 4.1.1 回归分析方法建模的基本理论
  • 4.1.2 木材生长轮材质回归分析预测模型
  • 4.2 时间序列预测方法
  • 4.2.1 时间序列建模的基本理论
  • 4.2.2 木材生长轮材质时间序列预测模型
  • 4.3 神经网络方法
  • 4.3.1 神经网络建模的基本理论
  • 4.3.2 木材生长轮材质神经网络预测模型
  • 4.4 木材材质预测方法比较分析
  • 4.4.1 管胞长宽比预测方法比较
  • 4.4.2 平均密度预测方法比较
  • 4.5 本章小结
  • 5 基于神经网络的人工林落叶松木材材质预测模型建立
  • 5.1 木材解剖性质神经网络预测
  • 5.1.1 管胞长度神经网络预测
  • 5.1.2 管胞直径神经网络预测
  • 5.1.3 管胞长宽比神经网络预测
  • 5.1.4 壁腔比神经网络预测
  • 5.1.5 胞壁率神经网络预测
  • 5.1.6 微纤丝角神经网络预测
  • 5.2 木材物理性质预测模型
  • 5.2.1 生长轮宽度神经网络预测
  • 5.2.2 晚材率神经网络预测
  • 5.2.3 生长轮密度神经网络预测
  • 5.3 本章小结
  • 6 人工林落叶松木材材质短期预测
  • 6.1 人工林落叶松木材材质短期(5年)预测分析
  • 6.2 本章小结
  • 结论
  • 参考文献
  • 攻读学位期间发表的学术论文
  • 致谢
  • 相关论文文献

    • [1].施肥技术在人工林培育中的应用[J]. 江西农业 2019(24)
    • [2].探析宏观经济形势对我国人工林产业的影响及对策[J]. 经济师 2020(02)
    • [3].人工林速生材高值化利用研究进展[J]. 林产工业 2020(05)
    • [4].不同林龄柚木人工林土壤生态化学计量特征[J]. 生态学报 2020(16)
    • [5].桉树人工林发展及大径材培育模式分析[J]. 南方农业 2019(26)
    • [6].北长山岛人工林健康状况评价[J]. 生态科学 2017(01)
    • [7].土壤差异分析及对策高峰林场桉树人工林与其他树种人工林之间[J]. 农业与技术 2017(09)
    • [8].华北人工林资源现状、问题分析与经营对策[J]. 现代园艺 2017(13)
    • [9].桉树人工林生态问题及发展思考[J]. 现代园艺 2017(10)
    • [10].闽清桉树人工林冻害的调查与分析[J]. 绿色科技 2017(15)
    • [11].桉树人工林发展及生态经营问题[J]. 绿色科技 2017(15)
    • [12].桉树人工林土壤微生物多样性研究技术进展[J]. 桉树科技 2017(03)
    • [13].广西桉树人工林经济发展状况研究[J]. 绿色科技 2016(13)
    • [14].桉树人工林现状及可持续发展分析[J]. 农业科技与信息 2016(22)
    • [15].柳杉人工林林分密度两种确定方法的分析[J]. 绿色科技 2015(08)
    • [16].我国桉树人工林对土壤状况影响研究进展[J]. 桉树科技 2020(03)
    • [17].广西桉树人工林高产稳产影响因素及调控对策[J]. 安徽农业科学 2020(18)
    • [18].人工林——实现绿色发展的途径——第四届世界人工林大会在北京举行[J]. 绿色中国 2018(21)
    • [19].人工林地形与树木融合的高效建模[J]. 中南林业科技大学学报 2019(11)
    • [20].毛乌素沙地中国沙棘人工林早衰原因与特点[J]. 西北林学院学报 2016(06)
    • [21].桉树人工林取代长周期人工林对土壤入渗特性的影响[J]. 水土保持研究 2017(06)
    • [22].正视桉树人工林生态问题[J]. 桉树科技 2015(04)
    • [23].桉树人工林生物多样性及可持续发展[J]. 南方农业 2016(21)
    • [24].雨碌乡人工林抚育工作探讨[J]. 科技创新与应用 2014(06)
    • [25].人工林建设的重要意义及有效措施[J]. 南方农业 2014(03)
    • [26].桉树人工林可持续经营的造林措施研究[J]. 吉林农业 2013(03)
    • [27].广西桉树人工林可持续发展问题及对策[J]. 绿色科技 2013(05)
    • [28].生态文明视域下广西桉树人工林的发展[J]. 防护林科技 2013(10)
    • [29].浅谈如何合理发展桉树人工林[J]. 农业与技术 2012(05)
    • [30].谈人工林生态采运问题与对策[J]. 黑龙江科技信息 2011(06)

    标签:;  ;  ;  ;  

    基于神经网络的人工林落叶松木材材质预测研究
    下载Doc文档

    猜你喜欢