云冷杉天然林林分年龄预测——以金沟岭林场为例

作者：宁杨翠; 郑小贤; 刘东兰; 孔令红; 陈宝升

来源：西北林学院学报, 2012, (01): 158-162.

• BP神经网络模型
• PPR神经网络模型
• 多元逐步回归分析模型
• 林分年龄 BP artificial neural network model
• PPR artificial neural network mode
• multiple stepwise regression anatomic models
• stands age

应用BP神经网络模型、PPR神经网络模型以及多元逐步回归模型,依据林分因子预测了金沟岭林场云冷杉天然林林分年龄。对比分析了人工神经网络计算模型算法与多元逐步回归分析模型预测结果的精度以及稳定性。结果表明:3种模型均可用于天然林林分年龄的预测,BP神经网络模型的预测平均相对误差为0.04,模型稳定性差;PPR神经网络模型的预测相对误差为0.06,模型稳定性好;多元逐步回归模型的预测相对误差为0.08,模型稳定性好。

• 单位
  北京林业大学; 国务院参事室