人工智能在北方铁路口岸木材材积测量中的应用测试研究

随着深度学习的开放,人工智能在近几年得到了快速发展。满洲里海关运用人工智能技术升级改造了铁路口岸木材材积测量系统。此套系统在满洲里铁路口岸原有木材材积测量系统的基础上,引入人工智能技术,采用深度卷积神经网络,实现对木材材积智能、快速、准确识别。研究结果表明,人工智能技术在北方铁路口岸木材材积测量系统中具有广泛的应用前景,可有效降低人工误差及劳动强度,避免作业风险,为北方铁路口岸海关查验作业提质增效提供了科技装备创新的探索方向。

基于Android平台的木材材积计算器设计与实现

该文提出了基于Android手机的木材材积计算器的设计与实现,该方法可以计算国内原木、小径原木、长原木、短原木、原条、杉原条、马尾松原条、小原条、椽材及规格锯材的材积,免除繁重的查表任务,实现了木材材积更加便捷的野外实时计算。

木材材积计算方法的探讨

对木材材积计算方法的现状进行了分析,把存在问题的计算方法进行了改进,改进后现已得到了明显的提高,同时介绍了Flash MX 2004制作木材材积计算器,可将木材材积的计算过程简化,具体的制作步骤作了详细的论述。

FoxBASE数据库管理系统与木材材积计算机的数据通讯

介绍ＴＶＣ型袖珍式木材材积计算机的数据传输到ＰＣ机ＦｏｘＢＡＳＥ数据管理系统的方法。主要叙述通讯接口电路的硬件设计和ＦｏｘＢＡＳＥ的通讯管理、材积机的数据发送、汇编语言的数据接收及数据转换的软件设计。

油桐尺蠖危害对桉树生物量和木材材积的影响分析

桉树具有用途广泛、速生、耐瘠薄和丰产等多种特性和优势,因此被我国各地区广泛引种种植。然而,随着我国桉树林种植范围和面积不断扩大,林内病虫害发生率和害虫种类也不断增多,其中油桐尺蠖便是对桉树危害最大的害虫之一,油桐尺蠖属于杂食性害虫,每年可繁衍三四代,并对多种林果植物会产生严重的危害,为此有关林业部门需重视油桐尺蠖对桉树危害的影响,并积极探寻有效的防治对策,进而促使桉树林业得到安全、可靠的发展。本文主要简述油桐尺蠖与桉树的概念,分析油桐尺蠖危害对桉树生物量和木材材积的影响,最后探究几点关于桉树油桐尺蠖危害防治对策。

用VB语言编写“木材材积计算器”

概述了用VB程序设计语言编写的“木材材积计算器”及其功能、使用方法和程序设计过程。

试论木材材积计算方法的改进

分析了现有的木材材积计算方法存在的不足及其产生的原因,探讨如何通过改进计算方法,来提高木材材积计算精度的方法。

用Flash MX 2004制作木材材积计算器

利用Flash MX2004制作木材材积计算器可直接计算木材材积,免除繁重的查表任务,详细介绍了计算器的制作方法。

浅谈木材材积计量方法的改进

本文列出了国际上计算原木等木材材积的四种方法,着重论述了我国目前主要采用的形检法和少量应用的重检法与该文所推荐的抽样检尺法的比较。

云南省华山松二元立木材积模型研建

选取10个华山松二元立木材积备选模型,将建模数据带入备选模型进行计算,得出备选模型参数估计值。基于参数估计值,将建模样本中胸径、树高分别代入10个备选模型中求算单株二元理论材积,利用单株二元理论材积与实测材积进行拟合分析,得出离差平方和(SSR)、相关系数(R^(2))、总相对误差(RS)、相对误差平均值(REA)、相对误差绝对平均值(REAA)和预估精度6个评价指标。评价指标对比分析结果表明:模型V=c_(0)D^(c_(1))H^(c_(2))各项指标明显优于其他模型,对该模型进行残差检验、F检验分析,各项指标均达到相关技术标准规定。综合分析,可以选用模型V=0.0000710744×D^(1.852583)×H^(0.975667)作为华山松人工林二元立木材积表编制及森林蓄积量调查模型;选用模型V=0.0000891114×D^(1.838706)×H^(0.891723)作为华山松天然林二元立木材积表编制及森林蓄积量调查模型。

湖南省杉木二元立木材积模型的检验与调整

【目的】对湖南省现有的杉木二元立木材积模型进行误差分析,建立新杉木二元立木材积模型,为湖南省杉木材积的精准预测提供理论依据。【方法】以湖南省杉木人工林为研究对象,采用配对t检验的方法对原二元立木材积模型进行检验。以山本材积式为基础模型构建固定参数模型、可变参数模型,以区域作为随机变量、哑变量构建混合效应模型和哑变量模型,对拟合结果进行对比分析。【结果】1)对原二元立木材积模型进行配对t检验,结果表明湖南现有的杉木材积模型与实际材积计算值存在显著差异;2)固定参数模型和可变参数模型的确定系数R2都在0.95以上。对检验数据进行检验,模型的总相对偏差(TRB)和平均系统偏差(MSB)均在±3%范围内,利用分径阶的方法进行检验,其固定参数模型在10、22和24 cm径阶的总相对偏差与平均系统偏差均超出±3%范围,其在24 cm径阶的总相对偏差与平均系统偏差均超出±7%,而可变参数模型在各径阶的偏差较小;3)混合效应模型与哑变量模型的确定系数均在0.95以上,从整体上看,哑变量模型的总相对偏差和平均系统偏差趋于0,而混合效应模型在10、12和24 cm径阶的总相对偏差均超出±3%范围。【结论】可变参数模型与固定参数模型相比较,可变参数模型拟合精度更高,总相对偏差和平均系统偏差较小,明显优于固定参数模型。哑变量模型的总相对偏差和平均系统偏差较小,赤池信息准则和贝叶斯信息准则较小,明显优于混合效应模型。

山本和藏材积方程参数特征

【目的】山本和藏方程是二元立木材积模型中应用最广泛的模型,山本式的参数较好地体现了材积三要素之间的关系,解析推导山本式的结构特征,分析现有山本式材积模型的应用现状,为山本式的理论研究提供了基础,为精准测算林分蓄积量提供了理论依据。【方法】基于山本和藏方程,引入形状指数r采用多元函数偏导数的方法对胸高形数与胸径和树高之间的关系式进行求导,结合二分法求函数的零点,推导山本式参数的取值范围。以170个现有的山本式材积模型参数为研究对象,利用方差分析和多重比较Scheffe法对数据进行差异化分析,对比不同地区及树种组之间山本式的参数值。【结果】1)在h>1.3 m时,胸高形数是关于胸径和树高的减函数,胸高形数随着胸径和树高的增加而减少。2)山本式的参数存在取值范围,且现行的170个山本式二元材积方程中参数b取值范围异常的比例达5%,参数c异常的比例达43%。3)由箱线图可视化结果可知,山本式的参数存在离散值;北方的山本式参数值跟南方相比较为集中;阔叶树种的参数值比针叶树种的分布更为平均。【结论】山本式的参数存在取值范围,a>0,b<2,c<1。山本式的实际运用中存在很多参数偏离取值范围的情况,给材积的预估带来了偏差。因此研究山本和藏方程的理论推导,考虑山本式的参数取值范围,对二元材积表的编制、林分蓄积量预估以及森林资源监测与管理具有重要意义。

三维激光扫描系统在立木材积测定中的应用

该文提出了一种测定疏林立木材积的新方法,即利用三维激光扫描系统测量立木材积并建立材积表.采用该方法在标准地内按径阶对立木进行三维扫描,可以获取基本测树因子(包括立木的胸径、树高、冠幅)和三维立木模型,由Cyclone扫描软件可以计算立木材积.由扫描获取的立木胸径和树高能够回归建立二元立木材积方程.为检验扫描获取的基本测树因子的精度以及材积方程的适用程度,将扫描后的立木伐倒,并采用区分求积法实测材积.对比扫描数据和实测数据,扫描获取的基本测树因子和扫描材积均满足精度要求,说明这种新方法能够用于森林资源调查和建立立木材积表.

基于支持向量机优化粒子群算法的活立木材积测算

材积模型是编制立木材积表的关键,通常用经验材积方程来预测材积量。由于树木生长具有不确定性,传统的材积方程很难有效地对模型的复杂性和多样性做出测算,导致目前活立木材积测算的准确率较低。为了提高活立木材积的测算准确率,将粒子群(particle swarm optimization,PSO)算法引入到活立木材积模型中,并用支持向量回归机(support vector machine,SVM)优化参数。PSO-SVM将活立木胸径和树高数据输入到SVM中学习,将SVM参数作为PSO中的粒子,把活立木实测材积值作为PSO的目标函数,然后通过粒子之间相互协作得到SVM最优参数,对活立木测算材积值进行模型测算并采用实测材积值验证。论文应用电子经纬仪与人工量测立木地径、胸径相结合的方法,通过软件计算求得400组树高、树干材积值;然后对300组数据集以活立木胸径和树高作为输入数据,材积为输出数据,采用粒子群耦合支持向量机(PSO-SVM)算法训练得到模型,并用100组数据进行预测;最后引用经典Spurr材积模型算法、BP神经网络算法和PSO-SVM算法进行了对比,其结果表明,PSO-SVM算法预测准确率最高,预测值与实测值间复相关系数达0.91,平均误差率为0.58%。

电子经纬仪测量立木材积误差分析

以北京市杨树立木材积实测数据作为检核真值,按误差传播定律对电子经纬仪测树误差进行分析,并依据我国电子经纬仪精度划分的Ⅰ（DJ1）、Ⅱ（DJ2）、Ⅲ（DJ6）和Ⅳ（DJ15）4个等级,计算该方法测量树高和材积的误差和2倍中误差的极限误差,分析不同精度电子经纬仪测树的差异性和适应性。结果表明：由于误差的传播和累积,同一精度电子经纬仪测量材积的误差大于树高。同一精度电子经纬仪测量不同规格样木时,误差会随着树木大小的变化而略有差异。随着电子经纬仪测角标准偏差的变大,测树的误差也会变大。电子经纬仪标准偏差为±0.5″时,测量树高和材积的中误差分别为±6.550 0×10^-2m和±1.474×10^-3m^3,相对误差分别为0.44%和0.73%。电子经纬仪标准偏差为±15.0″时,测量树高和材积的中误差分别为±8.927 5×10^-2m和±4.385×10^-3m3,相对误差分别为0.60%和2.14%。说明我国现有的Ⅰ-Ⅳ级电子经纬仪测树结果均符合相对误差不超过3%-5%的精度要求,可以满足不同林业调查工作的需要。

电子经纬仪无损立木材积测量方法及精度分析

提出一种人工测量胸径和地径数据后,采用电子经纬仪按照解析木近似分段方法,对活立木上部直径和相应高度进行测量,按照圆台累加法模拟解析木平均断面区分材积法求积的立木材积测算方法。为了验证这种技术方法的可靠性,在北京地区选取了87棵伐倒样木,首先使用电子经纬仪对样木从相互垂直的两个方向分别进行观测,计算结果求平均值。然后伐倒样木,采用传统的平均断面材积法进行树高、材积测定并作为真值,最后将电子经纬仪观测结果同伐倒木测定树高、材积进行比对分析。试验结果表明:电子经纬仪立木测算树高相对于解析木测定树高的平均相对误差为-0.11%,相对误差平均值绝对值为1.70%,决定系数R2为0.994,相对误差的频数基本符合正态分布;材积的平均相对误差为0.18%,相对误差平均值绝对值为1.75%,决定系数R2为0.999,相对误差的频数呈正态分布。说明电子经纬仪活立木测算结果与传统伐倒解析木测算得出的树高和材积具有一致性,可以替代伐倒木区分求积法,达到林业调查的规范要求。

用分段建模方法建立东北落叶松立木材积和生物量方程

以东北落叶松(Larix spp.)立木材积和地上生物量数据为例,通过采用误差变量联立方程组和分段建模方法,研究建立了相容的立木材积方程、地上生物量方程及生物量转换函数。结果表明:采用误差变量联立方程组能确保立木材积与地上生物量之间估计结果的相容性,而分段建模方法能有效解决常用模型在小径阶存在的系统偏估问题;本文所建立的分段一元模型,地上生物量和立木材积的总体预估误差均不超过5%;分段二元模型,地上生物量的预估误差基本在4%以内,立木材积的预估误差则小于3%。

PSO嵌入SVM算法的活立木材积预报研究

为了建立立木材积模型,每年有数十万棵优质活立木被伐倒,这是一种破坏性较大的实验。应用光电经纬仪自动量测与手工量测活立木地径、胸径相结合,通过活立木材积计算软件批量计算,获得中林系107杨(Zhonglin aspens No.107)的胸径、树高、树干材积值400组数据集。采用粒子群算法嵌入支持向量机(PSO-SVM)建立了非线性智能活立木材积预报模型,并以400组实验数据集作为研究资料,随机抽选300组数据的胸径和树高作为输入值,材积为输出值,用MATLAB软件运行PSO-SVM工具箱,训练得到PSOSVM模型,用100组数据进行检验预测。研究表明,PSO-SVM算法模型预测值与实测值间复相关系数r为0.91,r值比Spurr二元材积模型计算值高出2%,平均绝对误差率提高0.44%。引用经典Spurr二元材积模型计算值和PSO-SVM模型预报值进行对比,认为将PSO算法引入到SVM参数优化中,使活立木材积预报具有自学习能力和自适应能力,PSO-SVM模型对样本数量要求较小、预报准确率高、学习速度快,具有很好的推广价值与应用前景。

海南省一元立木材积检验与更新模型研建

林木材积是我国森林资源监测的一项重要内容。海南省森林资源清查林木材积估计一直沿用广东省70年代未建立的一元立木材积表,已使用30多年,急需进行检验、更新。以海南省橡胶、桉树、相思、加勒比松、木麻黄5个树种单株立木材积实测数据,对海南省森林资源清查中使用的原一元立木材积方程进行适应性检验,更新建立新一元立木材积方程,并就原一元立木材积方程估计的森林资源清查林木材积偏差进行了分析。研究结果表明:海南省上述5个树种原一元立木材积方程均存在较大的系统偏差,每个树种总相对偏差(TRB)和平均系统偏差(MSB)均达到了15%以上,预估值明显低于实际值,已经不再适用;更新建立的5个树种新一元立木材积方程,其预估精度均在95%以上,总相对偏差(TRB)均在3%以内,平均系统偏差(MSB)接近于0,拟合效果良好;以5个树种新一元立木材积方程估计得到的2013年全省森林资源清查蓄积增加1.389 85×107 m3,增幅达23.80%。