文档介绍：第29卷第20期农业工程学报 160 2013年 10月Transactions of the Chinese Society of Agricultural Engineering Oct. 2013 基于支持向量机优化粒子群算法的活立木材积测算焦有权1,2,赵礼曦3,邓欧4,徐伟恒1,5,冯仲科1※(1. 北京林业大学测绘与3S研究中心,北京 100083; 2. 北京农业职业学院,北京 102442;3. 中国农业大学水利与土木工程学院,北京 100083; 4. 清华大学工程物理系,公共安全研究院,北京 100084;5. 西南林业大学计算机与信息学院,昆明 650224)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****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,,%。关键词:树木,测算,模型,PSO-SVM,活立木材积,电子经纬仪doi:.1002- 中图分类号:S758 文献标志码:A 文章编号:1002-6819(2013)-20-0160-08 焦有权,赵礼曦,邓欧,等. 基于支持向量机优化粒子群算法的活立木材积测算[J]. 农业工程学报,2013,29(20):160- Youquan, Zhao Lixi, Deng Ou, et al. Calculation of live tree timber volume based on particle swarm optimization and support vector regression[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(20): 160-167. (in Chinese with English abstrac