基于分位数回归和哑变量模型的大兴安岭兴安落叶松树高-胸径模型

发布时间：2024-06-07 06:21

　　【目的】基于Richards方程比较分位数回归和哑变量模型对树高-胸径方程预测精度的影响,为林业树高-胸径模型的构建提供新的思路和方法。【方法】利用大兴安岭4个区域的兴安落叶松Larix gmelinii伐倒木胸径/树高实测数据,采用分位数回归和哑变量模型构建树高-胸径模型,并与基本模型进行对比分析。评价指标采用平均绝对误差(MAE)、均方根误差(RMSE)、确定系数(R2)、赤池信息量(AIC)、贝叶斯信息量(BIC)、平均预测误差百分比(MPE)、平均绝对百分比误差(MAPE)、均方根百分比误差(RMSPE),同时利用非线性额外平方和法进行区域性检验。【结果】1)Richards树高-胸径模型在9个不同的分位点(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)都能收敛,且每个区域都有其对应的最优分位数模型,区域1、2、3和4的最优分位数模型所对应的分位数分别是τ=0.7、τ=0.3、τ=0.5和τ=0.3,各区域最优分位数模型与哑变量模型所得结果差异不大,都优于基本模型。2)F检验结果表明哑变量模型的构造是有必要的,区域2和区域4没有显著不同,其他5对区...

【文章页数】：10 页

【部分图文】：

图1研究区域分区情况Fig.1Partitionofthestudyarea

研究选取Richards方程作为基本模型，模型形式如下：1.3(1e)bDcHae-=+-+。（1）式中：H为树高；D为胸径；a、b、c为模型参数；e为误差项。2.2分位数回归分位数回归（Quantileregression）利用自变量的多个分位数得到因变量条件分布的相应分位数方....

可以根据实际情况图3不同方法的树高-胸径曲线预测模拟Fig.3Thesimulationofheight-diametermodelsbasedondifferentmethods兴安岭地区划分为西北（区域1）、东北（区域2）

间的偏差。与最小二乘法相比，分位数方法具有很多优势[31]：适合异方差模型，不需要对模型干扰项做假定，不易受到异常值的影响，能更全面地刻画条件分布的特征等。Zang等[9]构建了落叶松人工林的树高-胸径基本模型和分位数模型，但并没有对两者进行比较。本研究利用拟合数据进行9个分位点....

本文编号：3990908