摘要：拟定森林健康快速评价（RAFH）指标，通过对训练样本的模式识别来构建一个BP神经网络，观察其能否收敛，并以测试样本为新的输入项进行模拟，采用误差百分比法、线性回归检验法和Nash—Sutcliffe效率法对模拟值与期望值的吻合程度进行检验，以此验证拟定指标的合理性。结果表明：在隐含层神经元n≥16时，网络能较好地收敛，说明该网络输入项——林分层次结构、病虫害程度和土壤厚度3个指标的训练样本值与目标输出项——森林健康精准评价（PAFH）结果的非线性相关程度高；模拟值与期望值的相对误差均值为-6．1409％，回归方程斜率为0．9683，截距为0．0490，Nash—Sutcliffe效率为0．9054，均表明二者之间吻合较好。因此，林分层次结构、病虫害程度和土壤厚度可以作为森林健康快速评价（RAFH）的指标。

原文链接:http://www.cqvip.com//QK/91893X/200712/26269382.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）