学位论文 > 优秀研究生学位论文题录展示

基于神经网络的人工林落叶松木材材质预测研究

作　者: 陈广胜
导　师: 王金满；郭明辉
学　校: 东北林业大学
专　业: 木材科学与技术
关键词: 神经网络人工林落叶松木材材质预测
分类号: S791.22
类　型: 博士论文
年　份: 2006年
下　载: 265次
引　用: 2次
阅　读: 论文下载

内容摘要

本文以人工林落叶松(Larix ssp.)木材为研究对象,以建立木材材质早期预测模型为目标,通过分析人工林落叶松木材的解剖性质(包括:管胞长度、管胞弦向直径、管胞长宽比、管胞壁厚、璧腔比、胞壁率和微纤丝角)和物理性质(包括:生长轮宽度、晚材率、生长速率和木材密度),研究人工林落叶松木材各项材质指标的变异规律,建立人工林落叶松木材材质变异规律模型和木材材质预测模型。首先,采用计算机视觉分析系统测量人工林落叶松木材解剖性质,采用x-射线微密度测试系统测量木材物理性质,研究人工林落叶松木材材质的变异规律,界定人工林落叶松木材的幼龄期与成熟期的界限,评定人工林落叶松木材幼龄材与成熟材材质的差异。其次,针对目前广泛采用的预测方法,选取人工林落叶松木材管胞长宽比和生长轮密度两项指标作为基础数据,采用回归分析方法、时间序列方法和神经网络方法分析建立木材材质预测模型的可行性,比较预测模型的预测相对误差和预测精度,并进行模型检验。初步得出如下结论:神经网络预测方法建立的木材材质神经网络预测模型,预测误差小,预测精度高,为相对最优模型。第三,利用神经网络良好的非线性映射能力,自学习适应能力和并行信息处理能力,及其用于未知不确定非线性系统建模的优势,针对不同材性指标时间序列数据的特点,确定各模型网络结构、传递函数、网络训练函数,建立人工林落叶松木材解剖性质和物力性质的神经网络预测模型,并利用测试集数据,检验预测模型精度,各材性指标的预测模型相对误差最大值为4.55%,最小为-4.73%,在全部的25项指标中有22项相对误差在-2%～2%之间,说明预测精度较高。通过比较分析预测值与实测值的差异,相对误差较小,预测效果良好,预测结果可以满足实际预测要求。总之,采用神经网络方法建立人工林落叶松木材材质预测模型可行,预测误差小,预测精度高,预测模型科学,为人工林的集约经营和定向培育提供了基础理论依据。

全文目录

摘要  3-4
Abstrac  4-7
1 绪论  7-34
  1.1 人工林落叶松经营概况  7-10
    1.1.1 落叶松生物学特征  7-8
    1.1.2 我国落叶松资源概况及地理分布  8-10
  1.2 落叶松木材基本构造特性  10-13
    1.2.1 边材与心材  10
    1.2.2 早材与晚材  10-11
    1.2.3 幼龄材与成熟材  11-13
  1.3 木材的变异性  13-22
    1.3.1 木材材性株间变异  14-15
    1.3.2 木材材性株内变异  15-22
  1.4 人工林木材材质变异的影响因素  22-34
    1.4.1 气候因子对木材材质变异的影响  22-24
    1.4.2 立地条件对木材材质变异的影响  24-25
    1.4.3 培育措施对木材材质变异的影响  25-28
    1.4.4 生长速率对木材材质变异的影响  28-30
    1.4.5 木材材质预测  30-32
    1.4.6 人工神经网络的发展与应用  32-34
2 研究目的和实验方法  34-39
  2.1 研究目的  34
  2.2 试材采集  34-35
  2.3 试件的制备与测试方法  35-38
    2.3.1 木材解剖性质  35-36
    2.3.2 木材物理性质  36-38
  2.4 数据处理与分析方法  38-39
3 落叶松木材材质变异规律  39-61
  3.1 人工林落叶松木材材质径向变异  39-50
    3.1.1 解剖性质  39-46
    3.1.2 物理性质  46-50
  3.2 人工林落叶松幼龄材与成熟材的界定  50-59
    3.2.1 幼龄树与成熟材的界限划分  50-51
    3.2.2 界定木材幼龄期与成熟期有序聚类模型  51
    3.2.3 人工林木材幼龄树与成熟材的界定  51-54
    3.2.4 解剖性质  54-58
    3.2.5 物理性质  58-59
  3.3 本章小结  59-61
    3.3.1 人工林落叶松木材材质径向变异  59-60
    3.3.2 人工林落叶松木材的幼龄期与成熟期的界定  60
    3.3.3 人工林落叶松幼龄材与成熟材比较  60-61
4 木材材质预测方法的比较研究  61-81
  4.1 回归分析预测方法  61-66
    4.1.1 回归分析方法建模的基本理论  61-62
    4.1.2 木材生长轮材质回归分析预测模型  62-66
  4.2 时间序列预测方法  66-73
    4.2.1 时间序列建模的基本理论  66-68
    4.2.2 木材生长轮材质时间序列预测模型  68-73
  4.3 神经网络方法  73-79
    4.3.1 神经网络建模的基本理论  74-75
    4.3.2 木材生长轮材质神经网络预测模型  75-79
  4.4 木材材质预测方法比较分析  79-80
    4.4.1 管胞长宽比预测方法比较  79
    4.4.2 平均密度预测方法比较  79-80
  4.5 本章小结  80-81
5 基于神经网络的人工林落叶松木材材质预测模型建立  81-108
  5.1 木材解剖性质神经网络预测  81-99
    5.1.1 管胞长度神经网络预测  81-83
    5.1.2 管胞直径神经网络预测  83-86
    5.1.3 管胞长宽比神经网络预测  86-88
    5.1.4 壁腔比神经网络预测  88-93
    5.1.5 胞壁率神经网络预测  93-98
    5.1.6 微纤丝角神经网络预测  98-99
  5.2 木材物理性质预测模型  99-107
    5.2.1 生长轮宽度神经网络预测  99-100
    5.2.2 晚材率神经网络预测  100-102
    5.2.3 生长轮密度神经网络预测  102-107
  5.3 本章小结  107-108
6 人工林落叶松木材材质短期预测  108-111
  6.1 人工林落叶松木材材质短期(5年)预测分析  108-110
  6.2 本章小结  110-111
结论  111-113
参考文献  113-118
攻读学位期间发表的学术论文  118-119
致谢  119

基于神经网络的人工林落叶松木材材质预测研究

内容摘要

全文目录

相似论文