基于机器学习算法的樟子松立木材积预测

编号 zgly0001749559

文献类型 期刊论文

文献题名 基于机器学习算法的樟子松立木材积预测

作者 孙铭辰  姜立春 

作者单位 东北林业大学林学院 

母体文献 南京林业大学学报:自然科学版 

年卷期 2023,47(1)

页码 31-37

年份 2023 

分类号 S791.253 

关键词 樟子松  二元材积模型  BP神经网络  ε-支持向量回归(ε-SVR)  随机森林(RF) 

文摘内容 【目的】通过非线性和多种机器学习算法构建并对比不同的立木材积模型,为樟子松(Pinus sylvestris var.mongolica)立木材积的精准预测提供理论依据。【方法】以大兴安岭图强林业局184株樟子松伐倒木数据为基础,建立非线性二元材积模型(NLR),并通过十折交叉检验和袋外数据(OOB)误差检验的方法得到3种最优机器学习算法,包括:反向神经网络(BP)、ε-支持向量回归(ε-SVR)和随机森林(RF)。对比分析不同模型间的差异,得到最优立木材积模型。【结果】机器学习算法在立木材积的拟合和预测中均优于传统二元材积模型,具体拟合结果排序为RF》BP》ε-SVR》 NLR。其中RF的决定系数(R2)比传统模型的提高了2.00%,均方根误差(RMSE)、相对均方根误差(RMSE%)、平均绝对误差(MAE)分别降低了22.90%、22.93%、36.34%,且与真实值相比平均相对误差(MRB)的绝对值更低,证明了RF在立木材积预测中的优越性。【结论】机器学习算法作为一种新兴的建模方法可以有效地提高立木材积的预测精度,为森林资源的精准调查和经营管理提供新的解决方案。