遗传算法对5种理论生长方程的最优拟合研究

利用北美林肯小区黄杉6个分期的数据,选择Logistic、Richards、Korf、Gompertz和Mitscherlich 5种生长方程建立胸径随年龄变化的生长模型。分别利用遗传算法和传统拟合方法确定参数,并对拟合效果进行对比分析。研究结果显示:遗传算法对于Richards和Korf方程的拟合精度要明显高于传统拟合方法,对于Logistic、Gompertz以及Mitscherlich方程的拟合精度几乎一致。通过将检验数据带入由遗传算法拟合的方程中,除拟合后不符合生物学意义的Korf方程外,发现由剩下4种方程计算得到的预测值与实际值无明显差异(p值均大于0.05)。最终表明遗传算法对生长方程的最优拟合较传统拟合方法更有优势。

动态规划对黄杉林的经营规划研究

基于87块黄杉林林分生长数据,采用林分生长竞争指数与Richard生长方程相结合的方法建立林分胸径生长量方程,然后以林分密度与林分胸径作为状态变量,以林分综合价值作为指标函数,建立黄杉林最优经营规划的离散确定性动态规划模型。为解决多目标决策问题,通过设定材积与碳汇的权重,有效解决森林经营中木材生产与增加碳汇储量之间的对立关系。结果表明:通过动态规划方法对林分密度加以控制,可以明显的促进林分综合价值的增长。