人工神经网络技术在树干液流预测中的应用

开篇：润墨网以专业的文秘视角，为您筛选了一篇人工神经网络技术在树干液流预测中的应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：分别利用BP人工神经网络模型、多元线性回归模型和逐步回归模型拟合了树干液流速率，并比较了3种模型的拟合精度。结果表明，在液流速率的拟合结果中，BP人工神经网络模型拟合方程的直线斜率为0.961 8，决定系数为0.944 3，在三者中均最大，拟合图像中的数据点更集中；液流速率拟合相对误差的波动范围为-31.120 0%～36.755 5%，在三者中最小，说明在液流速率的拟合中，BP人工神经网络模型的拟合精度最高。

关键词：BP人工神经网络模型；多元线性回归；逐步回归；拟合精度

中图分类号：TP183；Q945.17 文献标识码：A 文章编号：0439-8114（2014）02-0434-03

Application of Artificial Neural Network in Predicting Trunk Sap Flow

XIE Heng-xing1，ZHANG Zhen-hua2

（1.College of Chemistry and Life Science， Weinan Normal University， Weinan 714099， Shaanxi， China；

2. College of Geography and Planning， Ludong University， Yantai 264025， Shandong， China）

Abstract： The BP artificial neural network model， multi-linear regression model and stepwise regression model were used to fit trunk sap flow velocity and the fitted precision was compared. Results showed that the fitting effect was the best in BP artificial neural network model with a deciding coefficient of 0.944 3， the smauest relative error within the range of -31.120 0%～36.755 5%. In the fitting effect of sap flow， BP artificial neural network was the best one.

Key words： BP artificial neural network model； multi-linear regression； stepwise regression； fitting precision

液流是指蒸腾在植株体内引起的上升流，植株根部吸收的水分99.8%以上消耗在蒸腾上[1]，而树干是树木液流通道的咽喉部位，因此通过精确测量树干部位的液流速率、液流量可以基本反映植株的蒸腾状况。热技术是目前测量植株液流应用最广泛的方法[2]，热技术根据不同的原理可分为热脉冲法、热平衡法和热扩散法[3]。国内外学者应用热技术对植株液流进行了研究，如刘奉觉等[4]、司建华等[5]应用热脉冲技术分别研究了杨树和胡杨的液流；严昌荣等[6]、曹文强等[7]应用热平衡技术分别研究了胡桃楸和辽东栎等树木的液流；马长明等[8]、孟平等[9]应用热扩散技术对山杨和苹果等树木的液流进行了研究。但研究多停留在对植株液流现象的描述上，对植株液流与环境因子的定量分析也仅仅是简单的回归分析或逐步回归分析[4-9]，缺乏系统的量化研究。Ford等[10]利用热扩散技术观测了火炬松的液流变化，并应用ARIMA（差分自回归移动平均）模型拟合了土壤水分亏缺条件下火炬松树冠蒸腾。人工神经网络是一个具有高度非线性的超大规模连续时间动力系统，因其具有自学习功能、联想存贮功能、高速寻找优化解功能等优点而在经济、化工、水文、农业等领域得到了广泛应用[11-14]。树干液流与环境因子之间很难建立一个准确的数学方程[15]，本试验尝试利用BP人工神经网络模型来拟合液流速率，以求为液流速率和环境因子之间建立准确的数量关系。

1 材料与方法

1.1 研究区概况

1.2 仪器安装

2 结果与分析

2.1 BP人工神经网络基本原理

2.2 液流速率BP人工神经网络分析

3 结论

液流速率是植物蒸腾强弱的表现，蒸腾受温度、湿度、风速和太阳辐射诸多因子的影响，而环境因子之间又存在复杂的关系，这给液流速率的预测带来了很大的难度。BP人工神经网络在超大规模非线性模拟中显示了一定的优越性，利用人工神经网络研究液流与环境因子的定量关系具有广阔的适用性。本试验的拟合结果表明，BP人工神经网络模型明显优于多元线性回归和逐步回归模型，其液流速率的拟合值与观察值相对误差最小。

参考文献：

[1] 王沙生，高荣孚，吴贯明.植物生理学[M]. 第二版.北京：中国林业出版社，1991.192.

[2] 孙慧珍，周晓峰，康绍忠.应用热技术研究树干液流进展[J].应用生态学报，2004，15（6）：1074-1078.

[3] SWANSON R H. Significant historical developments in thermal methods for measuring sap flow in trees[J]. Agric For Meteorol，1994，72（1-2）：113-132.

[4] 刘奉觉，EDWARDS W R N，郑世锴，等.杨树树干液流时空动态研究[J].林业科学研究，1993，6（4）：368-372.

[5] 司建华，冯 起，张小由.热脉冲技术在确定胡杨幼树干液流中的应用[J].冰川冻土，2004，26（4）：503-508.

[6] 严昌荣，ALEC D，韩兴国，等.北京山区落叶阔叶林中核桃楸在生长中期的树干液流研究[J].生态学报，1999，19（6）：793-797.

[7] 曹文强，韩海荣，马钦彦，等.山西太岳山辽东栎夏季树干液流通量研究[J].林业科学，2004，40（2）：174-177.

[8] 马长明，管 伟，叶 兵，等.利用热扩散式边材液流探针（TDP）对山杨树干液流的研究[J].河北农业大学学报，2005，28（1）：39-43.

[9] 孟 平，张劲松，王鹤松，等.苹果树蒸腾规律及其与冠层微气象要素的关系[J].生态学报，2005，25（5）：1075-1081.

[10] FORD C R，GORANSON C E， MITCHELL R J， et al. Modeling canopy transpiration using time series analysis： A case study illustrating the effect of soil moisture deficit on Pinus taeda[J]. Agric Forest Meteorol， 2005，130（3-4）：163-175.

[11] 刘 艳，杨 鹏.基于ANN的预警指标预测系统在企业经济运行预警中的应用[J].统计与决策，2006（4）：161-163.

[12] 胡燕瑜，桂卫华，李勇刚，等.基于BP神经网络的熔融锌液流量检测[J].有色金属，2003，55（3）：143-146.

[13] 过仲阳，陈中原，李绿芊，等.人工神经网络技术在水质动态预测中的应用[J].华东师范大学学报（自然科学版），2001（1）：84-89.

[14] 蒋任飞，阮本清，韩宇平，等.基于BP神经网络的参照腾发量预测模型[J].中国水利水电科学研究院学报，2005，3（4）：308-311.

[15] 李国臣，于海业，马成林，等.作物茎流变化规律的分析及其在作物水分亏缺诊断中的应用[J].吉林大学学报（工学版），2004，34（4）：573-577.