山 地 农 业 生 物 学 报 2 3 ( 5 )： 3 8 6～ 3 9 1 ， 2 0 0 4

    J o u r n a l o f Mo u n t a i n Ag r i c u l t u r e a n d Bi o l o g y

    马尾松人工林单木生长神经 网络模型研究水

    黄家荣 ， 孟宪宇 ， 关毓秀

    ( 1 . 河南农业大学 林学园艺学院， 河南 郑州 4 5 0 0 0 2； 2 . 北京林业大学 资源与环境学院， 北京 1 0 0 0 8 3 )

    摘 要： 以马尾松2 , . s - 林间伐试验林为研究对象， 用林分内单木相对直径、 林分年龄、 地位指数和单株地积作为

    输入 变量 ， 以单木直径生长量作为输 出变量， 构建了4 ： s ： 1的 B P神经 网络模型。用间伐试验林的单木生长数据

    对网络模型进行训练， 得适宜的网络结构为2 ： 3 ： 1 ， 网络对象名取为D Mn e t 。网络模型理论值与实际值比较的结

    果， 各密度级的平均训练精度为9 0 . 1 0 % ～ 9 7 . 7 3 %。与常规模型的拟舍精度 8 3 %～9 3 %相比， 神经网络模型取

    得了较好的拟合效果。网络模型的仿真结果显示， 随相对直径和单株地积的增大， 单木胸径定期生长量逐浙增

    大， 其变化细节与林木在林分中所处的空间位置相符合， 说明所建的单木生长神经网络模型能有效地描述林木

    生长随相对直径和林分密度指数的变化规律。模型可供同类条件的林分在进行经营设计时进行有关的分析、 计

    算、 模拟、 预测等使用。

    关键词： 神经网络 ； 马尾松 ； 人工林 ； 单木模型

    中图分类号： 7 9 1 . 2 4 8 ， 0 6； T P 1 8 3 文献标识码 ： A 文章编号： 1 0 0 8— 0 4 5 7( 2 0 0 4 ) 0 5—0 3 8 6—0 6

    The s t udy on ne ur al ne t wo rk mode l s o f i ndi v i dual t r e e gr owt h i n Pi nus mas s oni an a p l a nt at i o n

    HU A NG J i a ， r o n g ， ME NG Xi a n — y u 2 ， G U A N Y u ， x i u ( 1 . C o l l e g e o f F o r e s t r y a n d H o r t i c u l t u r e ， t t e n a n A g r i c u l t u r a l

    U n i v e r s i t y ， H e n a n Z h e n g z h o u 4 5 0 0 0 2， C h i n a； 2 . C o l l e g e o f R e s o u r c e s a n d E n v i r o n me n t ， B e q i n g F o r e s t r y U n i v e r s i t y ，曰 e n g 1 0 0 0 8 3， C h i n a )

    Ab s t r a c t ：By d i a me t e r o f i n d iv i d u a l t r e e，a g e o f s t a n d，s i t e i n d e x a n d i n d i v id u a l t r e e S a r e a a s i n p u t v a r i a b l e s ，a nd b y

    d i a m e t e r i n c r e a s e o f i n d iv i d u a l t r e e a s o u t p u t v a r i a b l e ，a BP n e u r a l n e t wo r k mo d e l Wa s c r e a t e d，i n wh i c h t h e mo d e l

    s t r uc t u r e i s 4： S ： 1 .T h e n e u r a l n e t w o r k mo d e l W a s t r a i n e d b y g r o wt h d a t a o f i n d iv id u a l t r e e s i n t h i n n i n g s t a n d s S O t ha t t he

    b e s t n e t wo r k s t r u c t u r e i s 2 ： 3 ： 1 t ha t Wa s n a m e d a s DMn e t .T h e d ia me t e r i n c r e a se t h r o u g h t he mo d e l Wa s c o mp a r e d wi t l l

    a c t u a l d ia me t e r i n c r e a s e .T he r e s u l t s s h o w t ha t t he a v e r a g e t r a i n in g p r e c i s i o n i s 9 0 ， 1 0 % t o 9 7 . 7 3 % t h a t i s h i g he r t h a n

    u s u a l t e ch n o l o g y’ S 8 3 % t o 9 3 % .I n t he s t a n d ma n a ge me n t ，t h e mo d e l c a n b e u s e d f o r a n a ly s i s ，c o mp u t i n g ，s i mu la —

    t i o n，p r e d i c t i o n a n d S O o n .

    Ke y wo r d s：n e u r a l n e t wo ~ ； Pi n u s md譬 s 0 ， I c L ， ； p l a n t e d f or e s t ； mo d e l o f i n d iv id u a l t r e e

    单木竞争生长模型( 简称“ 单木模型” ) 在营林生产实践中的应用， 比全林分生长模型有其独特的优

    点。但单木模型描述的关系多是比较复杂的非线性关系， 结构不确知或未知。对于线性系统的建模和参

    数估计， 人们已经进行了深入的研究， 并总结出一套成熟的方法。然而在现实中， 非线性普遍存在， 而线性

    模型只是对非线性的一种简化和近似。对 于非线性系统的建模 ， 要 比线性系统复杂得多， 而且方法不唯

    一

    ，更无统一模式。在用常规回归技术建立单木模型时， 一般要进行简化假设 ， 以便用现存的数学 函数式

    进行表达。这种简化假设和对现存函数的依赖， 常使所建的单木模型难以如实地描述林木生长系统， 模拟

    和预测精度也难以达到理想的效果。

    神经网络技术是2 O世纪末迅速发展起来的一门高新技术， 已成为人工智能的一个新的分支。由于神

    经网络具有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， 为解决未知或不确知非线性系

    收稿 日期 ： 2 0 o 4—0 9—0 9； 修回日期 ： 2 0 O 4—0 9—1 4

    基金项 目： 贵州省基金资助项 目( 9 3 3 0 3 6 )

    作者简介： 黄家荣( 1 9 5 7一) ......