论文摘要
林分出材率受到平均胸径、平均树高、立地质量、年龄、保留密度、蓄积量等诸多因素的影响，材种出材率的变化具有非线性及非确定性特征。传统的林分材种出材率预测采用统计分析的方法，需要大量样木单元(大于100个样本)为基础，模型涉及的参数较多，许多参数缺乏成熟的测定方法。人工神经网络(Artificical Neural Network，简称ANN)是基于实例的方法，不需要考虑数学模型的内部结构，不需要假设前提条件，不需要人为地确定因子权重，作为一个黑箱综合地映射研究对象的整体性。ANN具有大规模并行运算、自适应、自学习、容错性的能力，使它成为一个在传统统计方法之外，十分引人注目的新方法，并广泛的应用于生物系统中非线性行为的预测建模。因此，运用人工神经网络对林分材种出材率进行预测具有独特的优势，也为林分出材率的预测提供了新思路。本文以Matalab7.0为计算平台，应用人工神经网络的方法分别建立了林分出材率的预测，林分总出材率和非规格出材率预测，径级材种出材率预测的三层前馈方向传播(BP)神经网络模型。通过对伐区设计资料，及实际生产码单数据进行学习，确定以平均胸径、平均树高、保留密度、蓄积量为输入神经元，分析了影响BP网络学习效率和预测精度的影响因素，主要从隐含层神经元数量、训练数、隐含层激励函数、学习样本数量几个方面对材种出材率预测BP网络模型进行了优化，确定了林分经验材种出材率预测人工神经网络模型。运用改进的BP神经网络预测的结果为：林分总出材率的小班识别率为95.4％，非规格材出材率的识别率为86.2％，林分径级出材率预测的平均绝对误差小于2％。结果表明：在小样本条件下，所建立的BP预测模型，具有令人满意的拟合精度和预测精度。