發(fā)布時(shí)間：2024-06-28 05:11

　　本文以興安落葉松立木材積方程為例,設(shè)計(jì)均勻、正態(tài)、右偏和左偏4種不同抽樣方法,研究不同抽樣方法對(duì)立木材積方程預(yù)測(cè)精度的影響。根據(jù)不同數(shù)據(jù)類(lèi)型,利用SAS軟件中proc surveyselect模塊的簡(jiǎn)單隨機(jī)抽樣(SRS)以及結(jié)合條件語(yǔ)句對(duì)數(shù)據(jù)進(jìn)行分徑階抽樣。為減小數(shù)據(jù)抽樣的不確定性,每種分布抽樣過(guò)程重復(fù)3次。分別對(duì)不同抽樣方法下的胸徑統(tǒng)計(jì)量進(jìn)行正態(tài)性檢驗(yàn),具體采用Shapiro-Wilk進(jìn)行正態(tài)性檢驗(yàn)。以異速生長(zhǎng)方程為基礎(chǔ)材積模型,利用S-PLUS軟件的廣義非線(xiàn)性GNLS模塊對(duì)各模型進(jìn)行擬合。采用指數(shù)函數(shù)、冪函數(shù)和常數(shù)加冪函數(shù)對(duì)4種立木材積模型擬合過(guò)程中產(chǎn)生的異方差現(xiàn)象進(jìn)行校正,方差函數(shù)變量考慮材積觀察值(V)、預(yù)測(cè)值((?))、胸徑(D),二元模型時(shí)添加組合變量D²H。采用確定系數(shù)(R²)、均方根誤差(RMSE)、平均誤差絕對(duì)值(MAB)和相對(duì)誤差絕對(duì)值(MPB)對(duì)立木材積方程精度進(jìn)行綜合比較分析。為了降低小樣本對(duì)模型預(yù)測(cè)的不確定性,在一元模型中采用隨機(jī)方法生成均勻、正態(tài)、右偏、左偏分布的隨機(jī)數(shù)據(jù),利用預(yù)測(cè)值的置信區(qū)間進(jìn)行比較分析。結(jié)果表明...

【文章頁(yè)數(shù)】：50 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1大興安嶺遙感影像圖

東北林業(yè)大學(xué)碩士學(xué)位論文2研究地區(qū)概況及數(shù)據(jù)采集研究地區(qū)概況大興安嶺（GreaterKhinganMountains）是興安嶺的西部組成部分，位于黑龍江內(nèi)蒙古自治區(qū)東北部，是內(nèi)蒙古高原與松遼平原的分水嶺[46]。大興安嶺北起黑龍江南至西拉木倫河上游谷地，東西橫跨6個(gè)經(jīng)....

圖2-2胸徑-樹(shù)高散點(diǎn)圖

變量平均值最小值最大值標(biāo)準(zhǔn)差胸徑/cm24.065.147.912.21樹(shù)高/m17.484.531.05.09材積/m30.550.012.400.53表2-2不同抽樣的徑階分布樣本類(lèi)型抽樣分布徑階48121620242832....

圖2-3胸徑-材積散點(diǎn)圖

變量平均值最小值最大值標(biāo)準(zhǔn)差胸徑/cm24.065.147.912.21樹(shù)高/m17.484.531.05.09材積/m30.550.012.400.53表2-2不同抽樣的徑階分布樣本類(lèi)型抽樣分布徑階48121620242832....

圖4-2基于不同隨機(jī)數(shù)據(jù)各材積方程預(yù)估的置信區(qū)間（a為均勻分布隨機(jī)數(shù)據(jù)；b為正態(tài)分布隨機(jī)數(shù)據(jù)；c為右偏分布隨機(jī)數(shù)據(jù)；d為左偏分布隨機(jī)數(shù)據(jù)）

利用SAS軟件編寫(xiě)程序生成右偏和左偏分布的隨機(jī)數(shù)據(jù)。基于各分布的參數(shù)估計(jì)值和胸徑隨機(jī)數(shù)據(jù)，分別計(jì)算各分布立木材積的均值和標(biāo)準(zhǔn)差。利用公式（3-11）計(jì)算各分布均值95%的置信區(qū)間，并繪制各分布的置信區(qū)間分布圖，見(jiàn)圖4-2。從圖4-2中可以看出，各抽樣方法下建立材積模型的置信區(qū)間走....

本文編號(hào)：3996477