基于改进人工蜂群算法的大青杨晚材率预测

为了更加准确地预测人工林大青杨(Populus ussuriensis)晚材率,通过对标准人工蜂群算法(artificial bee colony,ABC)的蜜源更新公式进行改进,提出了分段式蜜源搜索半径公式,并用改进的人工蜂群算法(AABC)对径向基(radial basis function,RBF)神经网络的初始参数进行优化,提出一种基于改进的人工蜂群算法和径向基神经网络算法结合的预测模型,并与粒子群(partical swarm optimization,PSO)优化的RBF神经网络预测结果进行对比。结果表明:传统的RBF预测模型不仅收敛速度慢,而且预测精度不高。基于改进的ABC算法优化RBF神经网络预测模型整体比PSO优化的效果相对较好,收敛速度从42步提升至28步,预测的平均相对误差从2.54%降低到0.95%。可见对ABC算法的改进是可行的,而且提高了晚材率预测的精度。

木材快速生长期内早材与晚材密度分布的数学描述初探

对树木生长及早晚材密度的分布规律进行理论研究。首先,利用正弦波函数与分段线性函数分别模拟环境温度与降雨量随年份的周期性变化规律。其次,在分析环境温度与降雨量对树木生长速率影响的基础上,建立以生长时间为自变量、以树干半径为因变量的树木生长速率模型;在分析树木生长速率对木材早晚材的形成及其密度分布影响的基础上,构建早晚材密度分布模型。最后,以人工林杉木为例,一方面,利用有限差分法分别求解树木生长速率模型与早晚材密度分布模型;另一方面,采用软X射线密度分析仪测定木材径向的密度分布值,将密度的试验测量值与模型计算值进行比较,对早晚材密度分布模型进行验证。结果表明:1)可采用正弦波函数量化树木生长环境中温度的周期性变化,函数拟合的决定系数为0.907;树木生长环境中的降雨量周期性变化可用分段线性函数定量描述;2)树木生长速率模型可以定量分析温度与降雨量对树木生长的影响;3)早晚材密度分布模型可准确描述木材快速生长期内的早晚材密度沿径向的分布规律,为木材宏观密度与微观密度的内在联系给出定量的表述。