%0 Journal Article
%T 基于BP神经网络的马尾松立木生物量模型研究
%A 王轶夫
%A 孙玉军
%A 郭孝玉
%J 北京林业大学学报
%P 17-21
%D 2013
%X 以马尾松为例，探索并验证BP神经网络模型在立木生物量估测上的适用性。通过12种算法的筛选、输入变量和输出变量的确定以及隐层节点数的选择，确定最优的模型拓扑结构，构建单隐层BP神经网络模型；对比单输入变量与多输入变量模型、单输出变量与多输出变量模型，并分析模型的输入变量数和输出变量数对模型估测精度的影响；将优选BP模型与传统相对生长模型进行对比以验证BP模型的可行性。结果表明：1）最优BP模型LM-DH-8-WtWaWr的训练算法为Levenberg-Marquardt算法，输入变量为D、H，输出变量为Wt、Wa、Wr，隐层节点数为8。2）输入变量和输出变量的增加不会降低BP神经网络模型的精度。3）模型LM-DH-8-WtWaWr能够精确地估测马尾松立木生物量，其精度高于传统的相对生长模型。该模型能够一次性地引入多个解释变量，并可以同时估测多个量，从而简化了生物量建模和估测工作，对实际生产具有一定的意义。
%K BP神经网络
%K 立木生物量模型
%K Levenberg-Marquardt算法
%K 马尾松
%U http://j.bjfu.edu.cn/CN/abstract/abstract9872.shtml