量子粒子群优化最小二乘支持向量机的立木材积估算

编号 zgly0001646421

文献类型 期刊论文

文献题名 量子粒子群优化最小二乘支持向量机的立木材积估算

作者 杨立岩  冯仲科  刘迎春  刘金成 

作者单位 北京林业大学精准林业北京市重点实验室  河北地质大学土地资源与城乡规划学院  国家林业局调查规划设计院 

母体文献 浙江农林大学学报 

年卷期 2018年05期

年份 2018 

分类号 S758 

关键词 森林计测学  立木材积  量子粒子群(QPSO)  最小二乘支持向量机(LSSVM)  材积方程 

文摘内容 基于材积方程建立的材积表是森林资源调查工作中重要的工具,估算立木材积的精度是编制材积表的关键。为了解决已有立木材积方程复杂多样、测算准确率低等不足,以北京地区侧柏Platycladus orientalis和落叶松Larix principis-rupprechtii为研究对象,提出利用量子粒子群优化最小二乘支持向量机(QPSO-LSSVM)算法建立材积方程的方法。通过伐倒解析法结合电子经纬仪无损立木材积精测法获取建模样本,对250株侧柏与300株落叶松数据分别建立一元与二元材积方程,计算得到侧柏与落叶松的一元材积方程测试集的决定系数(R2)为0.978 6和0.946 1,二元材积方程测试集决定系数(R2)为0.987 0和0.990 1,均在0.940 0以上,总体相对误差(TRE)依次为0.75%,-0.16%, 0.64%,-0.50%,均满足国家规程小于±3%的要求,表明QPSO-LSSVM模型估算效果良好。最后引用传统一、二元材积方程、 BP神经网络和粒子群优化最小二乘支持向量机(PSO-LSSVM)算法建立材积方程并与之进行对比分析。结果表明:QPSO-LSSVM材积方程在估测精度、收敛速度和稳健性等综合性能指标上优于其他材积方程。该方法在高精度材积估测中具有较好的应用前景。