基于改进人工神经网络的植物叶面积测定

被引：26

作者：

郭孝玉 ^{[1
]}

孙玉军 ^{[1
]}

王轶夫 ^{[1
]}

林静媛 ^{[2
]}

机构：

[1] 北京林业大学省部共建森林培育与保护教育部重点实验室

[2] 福建农林大学园林学院

来源：

农业机械学报 | 2013年 / 44卷 / 02期

关键词：

毛竹; 叶面积; 人工神经网络; 贝叶斯规则; 测定;

D O I：

暂无

中图分类号：

Q948 [植物生态学和植物地理学]; TP183 [人工神经网络与计算];

学科分类号：

071012 ; 0713 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

叶面积作为植物光合作用的重要指标,是研究作物及林木生产力的基础。采用L-M算法和贝叶斯规则相结合的网络训练模式,以毛竹叶面积为研究对象,综合优化其人工神经网络结构,构建最优的叶面积预测模型。研究结果显示,模型的最佳预测变量为叶片宽度和叶片长度变量组合,而增加叶片形状指数未提高叶面积预测模型精度;所建神经网络模型性能好、预测精度高,决定系数达0.992,平均相对预测误差为4.28%,可以准确估测毛竹叶面积。

引用

页码：200 / 204+199 +199

页数：6

共 16 条

[1] 基于BP神经网络的私募股权投资项目评价 [J].