基于BP神经网络的林木碳汇计量算法研究

发布时间：2017-07-29 17:17

  本文关键词：基于BP神经网络的林木碳汇计量算法研究

  更多相关文章： 森林碳汇 碳汇计量 固碳估算方法 BP神经网络模型 交叉验证

【摘要】：随着《京都议定书》的出台和签署,越来越多的国家开始加大森林碳汇的研究力度,碳汇经济的发展在经济市场中所占的比例也在逐渐扩大,碳汇贸易带来经济效益的同时,也在改变着生态环境,也为人类创造了相应的环境效益。森林碳储量的形成是林木光合作用和呼吸作用的共同作用的结果,同时也受到周围环境因素的影响和制约,因此,森林碳汇形成复杂,碳汇计量算法众多,但目前尚没有形成一个统一的标准,这也是碳汇计量算法研究的重点和难点。 本文根据目前国内外对碳汇估算方法的研究现状,深入研究几种常用算法的基本理论,分析各种算法所存在的利弊、适用范围和计量结果,总结了几个影响碳储量的重要因素,并以此作为CO2通量计算的关键因子,借鉴弛豫涡旋积累法和箱式法的整体理念,通过神经网络知识的引入,建立了BP神经网络模型。选取西双版纳热带雨林的研究数据作为网络模型的样本数据,由于样本容量有限,为了使模型更好地反映输入与输出之间的映射关系,对模型进行分组的训练,并且分别对模型进行交叉验证,最终得到了理想的网络模型。样本仿真训练和验证测试的结果表明,固碳估算的BP神经网络模型训练次数合理,训练误差满足了精度要求,且具有很好的泛化性能,测试结果与实际测量值基本一致,因此,BP神经网络模型在林木碳汇计量算法的研究中发挥了效率高、成本低、误差小等重要作用,实现了碳汇计量的自动化、智能化,这对森林碳汇和碳汇经济的发展具有深远影响和历史意义。
【关键词】：森林碳汇 碳汇计量 固碳估算方法 BP神经网络模型 交叉验证
【学位授予单位】：东北林业大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：S718.5
【目录】：

• 摘要4-5
• Abstract5-8
• 1 绪论8-18
• 1.1 研究背景8
• 1.2 研究目的8-9
• 1.3 研究意义9-10
• 1.4 研究现状10-13
• 1.4.1 国外研究现状10-11
• 1.4.2 国内研究现状11-12
• 1.4.3 BP神经网络的研究与应用12-13
• 1.5 发展趋势13-14
• 1.6 研究内容与方法路线14-15
• 1.7 论文结构15-18
• 2 研究对象与算法描述18-27
• 2.1 对象的选取及介绍18-19
• 2.2 算法的基本理论分析19-23
• 2.2.1 生物量法与蓄积量法20-21
• 2.2.2 涡旋相关法21
• 2.2.3 弛豫涡旋积累法21-22
• 2.2.4 箱式法22
• 2.2.5 林下植物与腐殖质固碳22-23
• 2.2.6 森林土壤固碳23
• 2.3 BP神经网络介绍23-25
• 2.4 本章小结25-27
• 3 BP神经网络模型的建立27-36
• 3.1 研究内容与研究方案27-28
• 3.1.1 研究内容27-28
• 3.1.2 研究方案28
• 3.2 数据处理与模拟实验28-33
• 3.2.1 BP神经网络训练样本的获取29
• 3.2.2 数据预处理29-30
• 3.2.3 样本训练及BP神经网络模型的建立30-33
• 3.3 网络模型的训练与误差分析33-35
• 3.3.1 节点的确定33
• 3.3.2 分组进行样本训练33
• 3.3.3 误差分析及讨论33-35
• 3.4 本章小结35-36
• 4 算法的仿真验证36-41
• 4.1 样本测试36-37
• 4.2 验证结果及讨论37-40
• 4.3 本章小结40-41
• 结论41-43
• 参考文献43-46
• 攻读学位期间发表的学术论文46-47
• 致谢47-48

【参考文献】

中国期刊全文数据库 前10条

1 王静;沈月琴;;森林碳汇及其市场的研究综述[J];北京林业大学学报(社会科学版);2010年02期

2 曾华锋;;《京都议定书》交易机制与生态碳核算系统的构建[J];财会通讯;2009年03期

3 丁晓叶;吴永波;陈杰;;森林生态系统碳蓄积量与年净碳汇估算研究[J];中国城市林业;2011年02期

4 王绍强,周成虎;中国陆地土壤有机碳库的估算[J];地理研究;1999年04期

5 刘晓莉,李梦婷;基于MATLAB的神经网络在城市环境质量评价中的应用[J];佛山科学技术学院学报(自然科学版);2005年01期

6 吴建国,张小全,徐德应;土地利用变化对生态系统碳汇功能影响的综合评价[J];中国工程科学;2003年09期

7 范磊,张运陶,程正军;基于Matlab的改进BP神经网络及其应用[J];西华师范大学学报(自然科学版);2005年01期

8 王怀亮;;交叉验证在数据建模模型选择中的应用[J];商业经济;2011年10期

9 邱龙金;贺昌政;;神经网络稳定性的交叉验证模型[J];计算机工程与应用;2010年34期

10 王红芳;康慕宁;邓正宏;;BP神经网络在大气环境质量评价中的应用研究[J];科学技术与工程;2009年07期

，

本文编号：590226