深度学习和传统方法模拟杉木树高-胸径模型比较

编号 zgly0001740091

文献类型 期刊论文

文献题名 深度学习和传统方法模拟杉木树高-胸径模型比较

作者 梁瑞婷  孙玉军  李芸 

作者单位 北京林业大学森林资源和环境管理国家林业和草原局重点开放性实验室 

母体文献 林业科学研究 

年卷期 2021,34(6)

页码 65-72

年份 2021 

分类号 S758.5 

关键词 深度学习  树高-胸径模型  非线性回归  杉木 

文摘内容 [目的]基于深度学习算法,建立多隐藏层的杉木树高-胸径神经网络模型,探索一种更高效低偏的树高模型研建方法,提高杉木树高的预测精度。[方法]利用福建省将乐国有林场34块杉木样地的2898组树高-胸径调查数据,基于传统回归建立10个广义树高-胸径模型,筛选出精度最高的模型作为对照。同时基于H2O平台的深度学习算法,建立70个不同结构的树高-胸径DLA模型,通过分析比较,确定最适宜预测杉木树高的模型结构,与传统最优模型进行比较。[结果]建立的树高-胸径DLA模型均能较好地描述杉木的树高-胸径间关系,R^(2)都在0.84以上,大于最优传统模型,RMSE和MAE小于传统模型。精度最高的DLA模型结构包含6个隐藏层,每层各340个神经元。[结论]本研究基于深度学习建立的杉木树高-胸径DLA模型,其拟合精度与预测精度略高于传统的广义树高-胸径模型,尤其在预测较高的林木时,更为明显,能够用于研究区杉木树高的预测。