兴安落叶松天然林全林分生长人工神经网络模型的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-16页 |
| ·引言 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·生长模型的定义及分类 | 第9-12页 |
| ·全林分模型研究综述 | 第10-12页 |
| ·人工神经网络应用的研究综述 | 第12-16页 |
| ·人工神经网络研究的发展与现状 | 第12-13页 |
| ·人工神经网络在林业上的应用 | 第13-16页 |
| 2 研究地区概况和数据的收集与整理 | 第16-21页 |
| ·研究地区概况 | 第16-18页 |
| ·数据的来源 | 第18-19页 |
| ·数据整理 | 第19-21页 |
| 3 神经网络理论及研究方法 | 第21-28页 |
| ·神经网络基础理论 | 第21-24页 |
| ·生物神经元和人工神经元模型 | 第21-23页 |
| ·人工神经网络 | 第23-24页 |
| ·研究方法 | 第24-28页 |
| ·BP网络模型的设计 | 第24-25页 |
| ·模型的训练 | 第25-26页 |
| ·模型的检验 | 第26-27页 |
| ·模型的仿真分析 | 第27-28页 |
| 4 地位级指数神经网络模型 | 第28-33页 |
| ·地位级指数(SCI) | 第28-33页 |
| ·导向曲线的BP神经网络模型拟合 | 第28-31页 |
| ·导向曲线的经验法拟合 | 第31页 |
| ·导向曲线的比较 | 第31页 |
| ·地位级指数(SCI)的计算 | 第31-33页 |
| 5 林分密度指数神经网络模型 | 第33-38页 |
| ·林分密度指标 | 第33-38页 |
| ·最大密度林分N—Dg的BP神经网络模型 | 第33-36页 |
| ·最大密度林分N—Dg模型的比较 | 第36页 |
| ·林分密度指数(SDI)的计算 | 第36-38页 |
| 6 全林分生长的人工神经网络模型 | 第38-49页 |
| ·研究资料 | 第38页 |
| ·全林分生长的神经网络模型 | 第38-44页 |
| ·模型的构建 | 第38-39页 |
| ·模型的训练 | 第39-40页 |
| ·模型的性能 | 第40-44页 |
| ·全林分生长方程的经验法拟合 | 第44页 |
| ·全林分生长模型的比较 | 第44-45页 |
| ·全林分生长预测神经网络模型 | 第45-49页 |
| ·SDI动态预测模型 | 第45-46页 |
| ·蓄积枯损率 | 第46页 |
| ·林分蓄积量动态预测模型 | 第46-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读学位期间发表的学术论文 | 第55-56页 |
| 致谢 | 第56-57页 |
