| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 引言 | 第8-12页 |
| ·油松人工林概况 | 第8页 |
| ·林分生长模型概述 | 第8-10页 |
| ·全林分模型 | 第8-9页 |
| ·固定密度的全林分模型 | 第9页 |
| ·可变密度的全林分模型 | 第9页 |
| ·径阶分布模型 | 第9页 |
| ·单木模型 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·内蒙古大青山油松人工林研究概况 | 第10页 |
| ·人工神经网络（ANN）在林业上的应用 | 第10-11页 |
| ·国内 ANN 在林分生长模型中的应用现状 | 第10-11页 |
| ·国外 ANN 在林分生长模型中的应用现状 | 第11页 |
| ·研究目的和意义 | 第11-12页 |
| 2 研究地区概况和数据来源及整理 | 第12-15页 |
| ·研究地区概况 | 第12-14页 |
| ·气候 | 第13页 |
| ·土壤 | 第13页 |
| ·地形地貌 | 第13-14页 |
| ·植被 | 第14页 |
| ·数据的来源 | 第14页 |
| ·数据整理 | 第14-15页 |
| 3 研究方法 | 第15-20页 |
| ·人工神经网络概述 | 第15页 |
| ·BP(Back Propagation)神经网络 | 第15-20页 |
| ·BP 网络神经元模型及BP 神经网络结构 | 第15-17页 |
| ·BP 网络神经元模型 | 第15-16页 |
| ·BP 神经网络结构 | 第16-17页 |
| ·BP 神经网络的传输函数 | 第17页 |
| ·BP 神经网络的学习方式 | 第17-18页 |
| ·BP 神经网络的学习算法 | 第18-19页 |
| ·BP 神经网络模型性能评价指标 | 第19-20页 |
| ·拟合检验评价指标 | 第19页 |
| ·外推检验评价指标 | 第19-20页 |
| 4 基于 BP 网络的油松人工林全林分生长模型建模研究 | 第20-52页 |
| ·试验数据标准化处理 | 第21-22页 |
| ·网络结构的确定 | 第22-24页 |
| ·网络层数的选择 | 第22-23页 |
| ·输入层、输出层神经元个数的选择 | 第23页 |
| ·隐层的节点数的选择 | 第23-24页 |
| ·传输函数的选择 | 第24页 |
| ·基于BP 网络的油松人工林全林分生长建模研究 | 第24-51页 |
| ·设定输入输出数据 | 第24-25页 |
| ·设定网络参数 | 第25-26页 |
| ·平均树高生长模型分析 | 第26-33页 |
| ·训练模型精度分析 | 第27-32页 |
| ·检验模型性能分析 | 第32页 |
| ·模型的确定 | 第32-33页 |
| ·模型的使用 | 第33页 |
| ·平均胸径生长模型分析 | 第33-39页 |
| ·训练模型精度分析 | 第33-38页 |
| ·检验模型性能分析 | 第38页 |
| ·模型的确定 | 第38-39页 |
| ·模型的使用 | 第39页 |
| ·每平方米蓄积量生长模型分析 | 第39-46页 |
| ·训练模型精度分析 | 第40-45页 |
| ·检验模型性能分析 | 第45页 |
| ·模型的确定 | 第45-46页 |
| ·模型的使用 | 第46页 |
| ·模型整体分析 | 第46-51页 |
| ·训练模型精度分析 | 第47-49页 |
| ·检验模型性能分析 | 第49页 |
| ·模型的确定 | 第49-50页 |
| ·模型的使用 | 第50-51页 |
| ·小结 | 第51-52页 |
| 5 结论与讨论 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 作者简介 | 第59页 |