BP-MSM混合算法及其在森林自疏规律研究中的应用

森林自然稀疏机制一般是非线性的、动态的 .人工神经网络具有逼近任意非线性映射的特性 .本文阐述了人工神经网络模拟森林自疏机制的可行性和不足之处 ,并提出了基于改进单纯形法的神经网络模型 (BP MSM混合算法 )的基本原理和算法 ,结合山杨天然林和杉木人工林自疏实例说明了其应用 .森林自疏实例应用结果表明 ,BP MSM混合算法模拟森林自然稀疏机制是理想的 ,模拟精度较高 ,从而继承和发展了人工神经网络方法与理论 ,丰富了森林自然稀疏规律研究方法 .

森林自疏规律BPMSM模型与张氏模型的比较

森林自然稀疏机制一般是非线性的、动态的 ,人工神经网络具有逼近任意非线性映射的特性 ,这从理论上保证了其应用于森林自疏研究的可行性。本文在提出的基于改进单纯形法的神经网络模型 (BP MSM混合算法 )的基本原理和算法的基础上 ,结合山杨林、云南松林和杉木林自疏实例进一步分析了BP MSM混合算法与张氏模型在研究森林自疏规律上的效果优劣。森林自疏实例应用结果表明 ,当建立BP MSM混合算法的 3层 1∶5∶1网络结构模型时 ,其模拟效果明显优于张氏模型 ,残差平方和仅为张氏模型的 3 89%～ 2 7 16 % ,说明BP MSM混合算法应用于森林自疏规律研究是理想的 ,从而丰富了森林自然稀疏规律研究方法。

Competition-density effect in plant populations

The competition-density effect of plant populations is of significance in theory and practice of forest management and has been studied for long time. The differences between the two reciprocal equations of the competition-density effect in nonself-thinning populations and self-thinning populations were analyzed theoretically. This supplies a theoretical basis for analyzing the dynamics of forest populations and evaluating the effect of forest management.