人工神經網絡技術在樹干液流預測中的應用

謝恒星++張振華

摘要：分別利用BP人工神經網絡模型、多元線性回歸模型和逐步回歸模型擬合了樹干液流速率，并比較了3種模型的擬合精度。結果表明，在液流速率的擬合結果中，BP人工神經網絡模型擬合方程的直線斜率為0.961 8，決定系數為0.944 3，在三者中均最大，擬合圖像中的數據點更集中；液流速率擬合相對誤差的波動范圍為-31.120 0%～36.755 5%，在三者中最小，說明在液流速率的擬合中，BP人工神經網絡模型的擬合精度最高。

關鍵詞：BP人工神經網絡模型；多元線性回歸；逐步回歸；擬合精度

中圖分類號：TP183；Q945.17 文獻標識碼：A 文章編號：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

液流是指蒸騰在植株體內引起的上升流，植株根部吸收的水分99.8%以上消耗在蒸騰上[1]，而樹干是樹木液流通道的咽喉部位，因此通過精確測量樹干部位的液流速率、液流量可以基本反映植株的蒸騰狀況。熱技術是目前測量植株液流應用最廣泛的方法[2]，熱技術根據不同的原理可分為熱脈沖法、熱平衡法和熱擴散法[3]。國內外學者應用熱技術對植株液流進行了研究，如劉奉覺等[4]、司建華等[5]應用熱脈沖技術分別研究了楊樹和胡楊的液流；嚴昌榮等[6]、曹文強等[7]應用熱平衡技術分別研究了胡桃楸和遼東櫟等樹木的液流；馬長明等[8]、孟平等[9]應用熱擴散技術對山楊和蘋果等樹木的液流進行了研究。但研究多停留在對植株液流現象的描述上，對植株液流與環境因子的定量分析也僅僅是簡單的回歸分析或逐步回歸分析[4-9]，缺乏系統的量化研究。Ford等[10]利用熱擴散技術觀測了火炬松的液流變化，并應用ARIMA（差分自回歸移動平均）模型擬合了土壤水分虧缺條件下火炬松樹冠蒸騰。人工神經網絡是一個具有高度非線性的超大規模連續時間動力系統，因其具有自學習功能、聯想存貯功能、高速尋找優化解功能等優點而在經濟、化工、水文、農業等領域得到了廣泛應用[11-14]。樹干液流與環境因子之間很難建立一個準確的數學方程[15]，本試驗嘗試利用BP人工神經網絡模型來擬合液流速率，以求為液流速率和環境因子之間建立準確的數量關系。

1 材料與方法

1.1 研究區概況

1.2 儀器安裝

2 結果與分析

2.1 BP人工神經網絡基本原理

2.2 液流速率BP人工神經網絡分析

3 結論

液流速率是植物蒸騰強弱的表現，蒸騰受溫度、濕度、風速和太陽輻射諸多因子的影響，而環境因子之間又存在復雜的關系，這給液流速率的預測帶來了很大的難度。BP人工神經網絡在超大規模非線性模擬中顯示了一定的優越性，利用人工神經網絡研究液流與環境因子的定量關系具有廣闊的適用性。本試驗的擬合結果表明，BP人工神經網絡模型明顯優于多元線性回歸和逐步回歸模型，其液流速率的擬合值與觀察值相對誤差最小。

參考文獻：

[1] 王沙生，高榮孚，吳貫明.植物生理學[M]. 第二版.北京：中國林業出版社，1991.192.

[2] 孫慧珍，周曉峰，康紹忠.應用熱技術研究樹干液流進展[J].應用生態學報，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] 劉奉覺，EDWARDS W R N，鄭世鍇，等.楊樹樹干液流時空動態研究[J].林業科學研究，1993，6（4）：368-372.

[5] 司建華，馮 起，張小由.熱脈沖技術在確定胡楊幼樹干液流中的應用[J].冰川凍土，2004，26（4）：503-508.

[6] 嚴昌榮，ALEC D，韓興國，等.北京山區落葉闊葉林中核桃楸在生長中期的樹干液流研究[J].生態學報，1999，19（6）：793-797.

[7] 曹文強，韓海榮，馬欽彥，等.山西太岳山遼東櫟夏季樹干液流通量研究[J].林業科學，2004，40（2）：174-177.

[8] 馬長明，管 偉，葉 兵，等.利用熱擴散式邊材液流探針（TDP）對山楊樹干液流的研究[J].河北農業大學學報，2005，28（1）：39-43.

[9] 孟 平，張勁松，王鶴松，等.蘋果樹蒸騰規律及其與冠層微氣象要素的關系[J].生態學報，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] 劉 艷，楊 鵬.基于ANN的預警指標預測系統在企業經濟運行預警中的應用[J].統計與決策，2006（4）：161-163.

[12] 胡燕瑜，桂衛華，李勇剛，等.基于BP神經網絡的熔融鋅液流量檢測[J].有色金屬，2003，55（3）：143-146.

[13] 過仲陽，陳中原，李綠芊，等.人工神經網絡技術在水質動態預測中的應用[J].華東師范大學學報（自然科學版），2001（1）：84-89.

[14] 蔣任飛，阮本清，韓宇平，等.基于BP神經網絡的參照騰發量預測模型[J].中國水利水電科學研究院學報，2005，3（4）：308-311.

[15] 李國臣，于海業，馬成林，等.作物莖流變化規律的分析及其在作物水分虧缺診斷中的應用[J].吉林大學學報（工學版），2004，34（4）：573-577.

[5] 司建華，馮 起，張小由.熱脈沖技術在確定胡楊幼樹干液流中的應用[J].冰川凍土，2004，26（4）：503-508.

[6] 嚴昌榮，ALEC D，韓興國，等.北京山區落葉闊葉林中核桃楸在生長中期的樹干液流研究[J].生態學報，1999，19（6）：793-797.

[7] 曹文強，韓海榮，馬欽彥，等.山西太岳山遼東櫟夏季樹干液流通量研究[J].林業科學，2004，40（2）：174-177.

[8] 馬長明，管 偉，葉 兵，等.利用熱擴散式邊材液流探針（TDP）對山楊樹干液流的研究[J].河北農業大學學報，2005，28（1）：39-43.

[9] 孟 平，張勁松，王鶴松，等.蘋果樹蒸騰規律及其與冠層微氣象要素的關系[J].生態學報，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] 劉 艷，楊 鵬.基于ANN的預警指標預測系統在企業經濟運行預警中的應用[J].統計與決策，2006（4）：161-163.

[12] 胡燕瑜，桂衛華，李勇剛，等.基于BP神經網絡的熔融鋅液流量檢測[J].有色金屬，2003，55（3）：143-146.

[13] 過仲陽，陳中原，李綠芊，等.人工神經網絡技術在水質動態預測中的應用[J].華東師范大學學報（自然科學版），2001（1）：84-89.

[14] 蔣任飛，阮本清，韓宇平，等.基于BP神經網絡的參照騰發量預測模型[J].中國水利水電科學研究院學報，2005，3（4）：308-311.

[15] 李國臣，于海業，馬成林，等.作物莖流變化規律的分析及其在作物水分虧缺診斷中的應用[J].吉林大學學報（工學版），2004，34（4）：573-577.

[5] 司建華，馮 起，張小由.熱脈沖技術在確定胡楊幼樹干液流中的應用[J].冰川凍土，2004，26（4）：503-508.

[6] 嚴昌榮，ALEC D，韓興國，等.北京山區落葉闊葉林中核桃楸在生長中期的樹干液流研究[J].生態學報，1999，19（6）：793-797.

[7] 曹文強，韓海榮，馬欽彥，等.山西太岳山遼東櫟夏季樹干液流通量研究[J].林業科學，2004，40（2）：174-177.

[8] 馬長明，管 偉，葉 兵，等.利用熱擴散式邊材液流探針（TDP）對山楊樹干液流的研究[J].河北農業大學學報，2005，28（1）：39-43.

[9] 孟 平，張勁松，王鶴松，等.蘋果樹蒸騰規律及其與冠層微氣象要素的關系[J].生態學報，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] 劉 艷，楊 鵬.基于ANN的預警指標預測系統在企業經濟運行預警中的應用[J].統計與決策，2006（4）：161-163.

[12] 胡燕瑜，桂衛華，李勇剛，等.基于BP神經網絡的熔融鋅液流量檢測[J].有色金屬，2003，55（3）：143-146.

[13] 過仲陽，陳中原，李綠芊，等.人工神經網絡技術在水質動態預測中的應用[J].華東師范大學學報（自然科學版），2001（1）：84-89.

[14] 蔣任飛，阮本清，韓宇平，等.基于BP神經網絡的參照騰發量預測模型[J].中國水利水電科學研究院學報，2005，3（4）：308-311.

[15] 李國臣，于海業，馬成林，等.作物莖流變化規律的分析及其在作物水分虧缺診斷中的應用[J].吉林大學學報（工學版），2004，34（4）：573-577.