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?！痉椒ā恳源笮税擦胪记苛忠稻?84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?！窘峁炕餮八惴ㄔ诹⒛静幕哪夂虾驮げ庵芯庞诖扯幕Ｐ?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?！窘崧邸炕餮八惴ㄗ魑恢中滦说慕７椒梢杂行У靥岣吡⒛静幕脑げ饩?为森林资源的精准调查和经营管理提供新的解决方案。