%0 Journal Article
%T 江西退化红壤区湿地松树干液流BP神经网络模型研究<br>BP neural network models of sap flow velocity for？ Pinus elliottii？in degraded red soil area of Jiangxi Province
%A 涂洁
%J 中山大学学报(自然科学版)
%D 2016
%R 10.13471/j.cnki.acta.snus.2016.01.004
%X 以我国南方亚热带退化红壤区重要植被恢复树种——湿地松 Pinus elliottii 为研究对象，采用相关分析法选定空气温度、空气相对湿度、平均净辐射、水汽压亏缺为输入变量，以液流速率为输出变量，构建拓扑结构为4-10-1的湿地松树干液流BP神经网络模型。采用贝叶斯正则化法和Levenberg-Marquardt法对1 900组实测数据进网络训练，用剩余的1 900组实测样本进行检验。结果表明：在两种算法下，训练样本和检验样本模型输出值与实测值之间线性回归的拟合程度均较高，回归方程的相关系数达0.98。训练样本的拟合精度分别为88.12%和88.11%，检验样本的仿真精度分别为88.11%和87.98%。该模型对树干液流速率具有较高的模拟精度和泛化能力，能够很好地反映气象因子与液流速率之间的非线性函数关系，从而为同类条件下湿地松人工林的可持续经营和林地水资源的科学管理提供一种新方法
%K 湿地松 Pinus elliottii
%K 树干液流
%K BP神经网络
%K 贝叶斯正则化算法
%K LevenbergMarquardt算法
%K &lt
%K br&gt
%K Pinus elliottii
%K sap flow
%K BP neural network
%K Bayesian regularization algorithm
%K Levenberg-Marquardt algorithm
%U http://xuebao.sysu.edu.cn/Jweb_zrb/CN/abstract/abstract1382.shtml