基于BP神经网络的慈竹林地上部分碳储量估算方法研究

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

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 研究背景
• 1.2 国内外估算碳汇方法的研究现状
• 1.3 目前林业碳汇计量方法中存在的问题
• 1.4 神经网络在森林资源管理中的应用
• 1.5 研究目的和意义
• 1.6 本论文研究的主要内容和技术路线
• 1.6.1 研究主要内容
• 1.6.2 技术路线
• 2 神经网络基本原理及其模型研究
• 2.1 人工神经网络的基本原理及特点
• 2.2 人工神经网络的学习方式
• 2.3 BP神经网络模型
• 2.4 人工神经网络的软件实现
• 3 基于BP神经网络估算碳储量模型的建立
• 3.1 研究区域概况
• 3.2 数据采集与处理
• 3.2.1 样地设置和原始数据采集
• 3.2.2 碳储量的计算
• 3.2.3 数据处理
• 3.3 建立估算碳储量的BP神经网络
• 3.3.1 BP神经网络估算碳储量的基本步骤
• 3.3.2 指标的选择和样本数据准备
• 3.3.3 基于BP神经网络的竹林碳储量估算的建立
• 3.4 BP神经网络模型的训练与仿真
• 3.4.1 BP神经网络模型的训练
• 3.4.2 BP神经网络仿真结果
• 3.4.3 估算误差分析
• 4 BP神经网络与回归模型碳储量估算的比较
• 4.1 回归分析模型
• 4.1.1 多元线性回归模型及矩阵表示
• 4.1.2 多元回归模型的预测
• 4.2 慈竹碳储量预测回归模型的建立
• 4.2.1 回归分析碳储量的建模步骤
• 4.2.2 碳储量回归模型的建立
• 4.2.3 回归模型的预测和精度检验
• 4.3 基于BP神经网络与回归分析模型估算碳储量的比较
• 4.3.1 理论依据比较
• 4.3.2 仿真结果的误差比较
• 4.3.3 估测精度比较
• 5 结论
• 5.1 研究结论
• 5.2 研究特色
• 5.3 需进一步解决的问题
• 参考文献
• 致谢
• 攻读硕士学位期间发表学术论文、科研实践简介