基于支持向量机优化粒子群算法的活立木材积测算

• 作者: 冯仲科 徐伟恒 焦有权 赵礼曦 邓欧
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 树木 测算 模型 PSO-SVM 活立木材积 电子经纬仪
• 年，卷（期）: 2013,（20）
• 页码范围: 160-167
• 页数: 8页
• 分类号: S758
• 字数: 5181字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-6819.2013.20.022

摘要

材积模型是编制立木材积表的关键，通常用经验材积方程来预测材积量。由于树木生长具有不确定性，传统的材积方程很难有效地对模型的复杂性和多样性做出测算，导致目前活立木材积测算的准确率较低。为了提高活立木材积的测算准确率，将粒子群（particle swarm optimization，PSO）算法引入到活立木材积模型中，并用支持向量回归机（support vector machine，SVM）优化参数。PSO-SVM将活立木胸径和树高数据输入到SVM中学习，将SVM参数作为PSO中的粒子，把活立木实测材积值作为PSO的目标函数，然后通过粒子之间相互协作得到 SVM 最优参数，对活立木测算材积值进行模型测算并采用实测材积值验证。论文应用电子经纬仪与人工量测立木地径、胸径相结合的方法，通过软件计算求得400组树高、树干材积值；然后对300组数据集以活立木胸径和树高作为输入数据，材积为输出数据，采用粒子群耦合支持向量机（PSO-SVM）算法训练得到模型，并用100组数据进行预测；最后引用经典Spurr材积模型算法、BP神经网络算法和PSO-SVM算法进行了对比，其结果表明，PSO-SVM算法预测准确率最高，预测值与实测值间复相关系数达0.91，平均误差率为0.58%。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵礼曦	中国农业大学水利与土木工程学院	2	26	2.0	2.0