基于人工神经网络模型下欧美107杨苗木耗水量的预测
本研究采用人工神经网络模型的方法,利用DPS 数据处理系统,以气象因子中的空气温度、空气相对湿度、太阳辐射、风速、土壤含水量、露点温度作为输入变量,建立了预测一年生107 杨苗木耗水量的人工神经网络预测系统,并通过实测数据检验得出：3种模型均可用于苗木耗水量的预测,且BP 神经网络模型预测的平均相对误差为0.04,但稳定性较差；PPR 神经网络模型预测的平均相对误差为0.03；多元逐步回归分析模型预测的平均相对误差为0.10,且后面两种预测模型的稳定性都较好.因此,建议使用PPR人工网络神经模型预测苗木耗水量.同时,PPR 网络模型预测系统的最大相对误差为 0.073,最小相对误差为0.002,可见网络模型预测的准确度较高,较以往的线性模型预测更合理,并且此网络训练花费的时间较短.
耗水量 气象因子 人工神经网络 预测
高卫东 马履一 贾忠奎 张田田 王晓玲 陈志刚
北京林业大学省部共建森林培育与保护教育部重点实验室,北京 100083
国内会议
成都
中文
1-7
2010-07-01（万方平台首次上网日期，不代表论文的发表时间）