【出 处】：《 计算机仿真 》 CSCD 2012年第29卷第6期 180-183页,共4页

【作 者】： 冯伟

【摘 要】 研究木材生长轮密度准确预测问题，树林在生艮过程中受到生态因子、培育措施、直地条件以及树木本身遗传等因素影响，木材生长轮密度呈非线性变化规律。针对传统线性预测方法只能对线性变化规律进行预测的缺陷，提出一种神经网络的木材生长轮密度预测方法。首先对木材生长轮密度一维数据进行重构变成多维数据，然后将数据输入到神经网络进行学习，并采用粒子群算法对神经网络参数进行优化，最后建立木材生长轮密度最优预测模型。采用具体木材生长轮数据对建立的最优预测模型性能进行仿真，结果表明，相对线性预测方法，改进方法提高木材生长轮密度预测精度，减少了预测误差，能刻画术材生长轮密度的变化趋势，是一种有效的木材生长密度变化的预测方法。