多层前馈神经网络在预测杉木树高和森林蓄积量中的应用
摘要：用于提高森林管理的关键信息是木材增长。以前的研究使用数学模型来描述森林群落复杂的生长模式，以确定不同条件下生长森林群落的动态状态。在我们的研究中，我们旨在研究非线性关系，建立精确而稳健的人工神经网络（ANN）模型，以预测基于杉木数据的树高和森林蓄积量的精确值。结果表明，带有4个节点的多层前馈神经网络（MLFN-4）可以以最低的均方根误差（1.77）预测树高；带有7个节点的多层前馈神经网络（MLFN-7）可以以最低的均方根误差（4.95）预测森林蓄积量。培训和测试过程证明了我们的模型的精确性和稳健性。
作者：Xiaohui Huang, Xing Hu, Weichang Jiang, Zhi Yang, Hao Li
论文ID：1405.5206
分类：Computational Engineering, Finance, and Science
分类简称：cs.CE
提交时间：2014-05-21