公开(公告)号：CN109214591B

公开(公告)日：2020-07-24

申请号：CN201811187160.6

申请日：2018-10-12

Applicant: 北京林业大学

Inventor： 张晓宇 ,  葛会硕 ,  李炳虹 ,  宋跃朋 ,  张德强

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/04

Abstract: 本发明公开了一种木本植物地上生物量预测方法及系统。所述方法首先获取BP神经网络的输入向量(木本植物的茎长、叶片数和根数)和输出向量(木本植物的茎叶鲜重和茎叶干重)；根据所述输入向量和输出向量构建地上生物量预测的BP神经网络模型；然后根据多个训练样本对BP神经网络模型进行循环往复训练，生成训练后的BP神经网络模型，即可直接采用训练后的BP神经网络模型预测木本植物的地上生物量(茎叶鲜重和茎叶干重)。所述训练后的BP神经网络模型选用木本植物表型特征(茎长、叶片数和根数)作为自变量，降低了样本数据获取的复杂度和获取时间，无需耗费大量人力物力；由于表型特征和地上生物量联系紧密，因此预测结果具有很高的准确率。

公开(公告)号：CN109214591A

公开(公告)日：2019-01-15

申请号：CN201811187160.6

申请日：2018-10-12

Applicant: 北京林业大学

Inventor： 张晓宇 ,  葛会硕 ,  李炳虹 ,  宋跃朋 ,  张德强

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/04

Abstract: 本发明公开了一种木本植物地上生物量预测方法及系统。所述方法首先获取BP神经网络的输入向量(木本植物的茎长、叶片数和根数)和输出向量(木本植物的茎叶鲜重和茎叶干重)；根据所述输入向量和输出向量构建地上生物量预测的BP神经网络模型；然后根据多个训练样本对BP神经网络模型进行循环往复训练，生成训练后的BP神经网络模型，即可直接采用训练后的BP神经网络模型预测木本植物的地上生物量(茎叶鲜重和茎叶干重)。所述训练后的BP神经网络模型选用木本植物表型特征(茎长、叶片数和根数)作为自变量，降低了样本数据获取的复杂度和获取时间，无需耗费大量人力物力；由于表型特征和地上生物量联系紧密，因此预测结果具有很高的准确率。