论文摘要
随着哥本哈根会议的召开,碳汇成为了国际社会高度重视的问题。森林作为吸收CO2的主体,其碳汇功能逐渐受到人们的关注。对森林碳汇的定量研究是近年随全球抑制温室气体排放而呈现的热点之一。通过对现有森林碳储量计量方法进行详细分析后发现,采用的估算方法不同,得到的结果也不相同,甚至差异性很大。目前在计量森林碳储量实际工作中所采用的估算方法存在一定的局限性。神经网络具有分布并行处理、非线性映射、自适应学习和容错等特性,使其具有独特的信息处理和计算能力,在机制尚不清楚的高维非线性系统体现出强大优势。本文尝试利用神经网络中的精华部分—BP算法来建立慈竹林地上部分碳储量估算模型,从而为精确估算森林碳储量提供参考。本文在对碳储量估算方法及其理论进行大量探索研究的基础上,对BP神经网络理论及其方法进行了深入的研究,并将其引用到慈竹林地上部分碳储量的估算,建立BP神经网络模型,并确定模型基本结构为7—5—1,即7个影响慈竹林地上部分碳储量因素作为网络的输入指标;神经网络含有5个隐含层;1个网络输出指标,即慈竹林地上部分碳储量。网络模型的训练均方误差为0.002083。将该模型运用于估算四川省沐川县慈竹林地上部分碳储量,并与传统回归模型法的预测结果进行对比,结果显示:BP神经网络模型训练的平均绝对误差和平均相对误差分别为0.0478和5.38%;对新样本的模拟仿真的平均绝对误差和平均相对误差分别为0.8897和9.51%;回归模型的平均绝对误差和平均相对误差分别为0.7351和11.16%;对新样本预测的平均绝对误差和平均相对误差分别为1.5812和17.08%。研究结果表明:回归模型估算结果与BP神经网络估算结果显著不同,BP神经网络的模型误差及估算误差均小于回归模型法,即基于BP神经网络模型的碳储量估算方法具有更高精度和较小的误差。本文利用BP神经网络模型,对四川省沐川县典型植被慈竹林地上部分碳储量建立估算模型,对于探索和改善碳储量计量方法具有一定的理论意义,模型本身预测结果良好,对于慈竹林地上部分碳储量估算具有提高精度的意义,同时也可以作为一种新方法进行森林碳储量的估算。
论文目录
相关论文文献
- [1].基于BP神经网络对地震前兆的研究[J]. 科学技术创新 2019(33)
- [2].基于BP神经网络的涡轴发动机故障诊断研究[J]. 智库时代 2019(52)
- [3].基于BP神经网络的磁流变阻尼器逆向模型研究[J]. 海军工程大学学报 2019(06)
- [4].基于BP神经网络的电梯噪声评价方法[J]. 数字技术与应用 2019(12)
- [5].基于BP神经网络和支持向量机的荨麻疹证候分类探讨[J]. 广州中医药大学学报 2020(03)
- [6].基于BP神经网络代理模型的交互式遗传算法[J]. 计算机工程与应用 2020(02)
- [7].基于BP神经网络的虚拟机评估[J]. 数字通信世界 2020(01)
- [8].基于BP神经网络的科研项目经费管理风险评估[J]. 财务与会计 2019(22)
- [9].基于BP神经网络的断层封闭性评价[J]. 复杂油气藏 2019(04)
- [10].基于BP神经网络识别的曲堤油田低阻油层研究[J]. 宁夏大学学报(自然科学版) 2020(01)
- [11].基于贝叶斯-BP神经网络的机械制造企业安全预警方法研究[J]. 安全与环境工程 2020(01)
- [12].基于BP神经网络的扇区空管运行亚健康关联因子预测[J]. 安全与环境工程 2020(02)
- [13].基于改进灰狼算法优化BP神经网络的短时交通流预测模型[J]. 交通运输系统工程与信息 2020(02)
- [14].心理护理对于双相情感障碍(BP)病患认知功能产生的影响[J]. 临床医药文献电子杂志 2020(08)
- [15].BP神经网络在雷达故障诊断中的应用[J]. 通信电源技术 2020(06)
- [16].基于BP人工神经网络的英那河流域径流模拟研究[J]. 黑龙江水利科技 2020(03)
- [17].基于BP神经网络的节能车弯道降速数学模型分析[J]. 汽车实用技术 2020(10)
- [18].基于BP神经网络的临床路径优化[J]. 计算机技术与发展 2020(04)
- [19].基于改进BP神经网络的羊肉价格预测[J]. 计算机仿真 2020(04)
- [20].财务BP在企业管理中的应用与研究[J]. 商场现代化 2020(07)
- [21].人工智能技术的热带气旋预报综述(之一)——BP神经网络和集成方法的热带气旋预报研究和业务应用[J]. 气象研究与应用 2020(02)
- [22].基于改进BP神经网络的岩心图像分割方法研究[J]. 西安石油大学学报(自然科学版) 2020(04)
- [23].基于BP神经网络的光纤陀螺误差补偿方法[J]. 物理与工程 2020(04)
- [24].基于主成分分析和BP神经网络对大学生价值观的研究[J]. 科技经济导刊 2020(20)
- [25].基于粒子群算法的BP模型在地下水位埋深预测研究中的应用[J]. 吉林水利 2020(08)
- [26].基于BP神经网络的煤炭企业人岗匹配研究[J]. 煤炭经济研究 2020(07)
- [27].基于改进BP神经网络的飞行落地剩油预测方法[J]. 飞行力学 2020(04)
- [28].基于BP神经网络的网络安全态势预测[J]. 网络安全技术与应用 2020(10)
- [29].以财务BP制度推进“业财融合”的研究[J]. 中国总会计师 2020(09)
- [30].财务BP的企业实践研究[J]. 现代国企研究 2019(04)