量子粒子群优化最小二乘支持向量机的立木材积估算

摘要

基于材积方程建立的材积表是森林资源调查工作中重要的工具,估算立木材积的精度是编制材积表的关键.为了解决已有立木材积方程复杂多样、测算准确率低等不足,以北京地区侧柏Platycladus orientalis和落叶松Larix principis-rupprechtii为研究对象,提出利用量子粒子群优化最小二乘支持向量机(QPSO-LSSVM)算法建立材积方程的方法.通过伐倒解析法结合电子经纬仪无损立木材积精测法获取建模样本,对250株侧柏与300株落叶松数据分别建立一元与二元材积方程,计算得到侧柏与落叶松的一元材积方程测试集的决定系数(R2)为0.978 6和0.946 1,二元材积方程测试集决定系数(R2)为0.987 0和0.990 1,均在0.940 0以上,总体相对误差(TRE)依次为0.75％,-0.16％,0.64％,-0.50％,均满足国家规程小于±3％的要求,表明QPSO-LSSVM模型估算效果良好.最后引用传统一、二元材积方程、BP神经网络和粒子群优化最小二乘支持向量机(PSO-LSSVM)算法建立材积方程并与之进行对比分析.结果表明:QPSO-LSSVM材积方程在估测精度、收敛速度和稳健性等综合性能指标上优于其他材积方程.该方法在高精度材积估测中具有较好的应用前景.