基于优化BP神经网络的香格里拉高山松蓄积量模型研究

摘要

以香格里拉县高山松为研究对象,以Landsat TM 8影像和DEM(30M)数据为信息源,结合森林资源二类调查数据和地面样地实测数据,借助MATLAB平台,在前期进行基于遗传算法(GA)和粒子群算法(PSO)优化BP神经网络模型基础上,采用决定系数(R2)、均方根误差(RMSE)及预测精度(P)3个指标对优化后的BP神经网络模型及进行评价,并建立了研究区高山松蓄积量估测模型.结果表明,遗传算法效率(耗时1.9h)低于粒子群算法(耗时1.4 h);采用遗传算法优化后的BP神经网络模型R2、RMSE及P分别为0.636、4.216 m3、81.748％,均优于粒子群算法.通过遗传算法优化后的BP神经网络模型估测香格里拉高山松蓄积量总量为13 317 879.7m3.