本文以興安落葉松立木材積方程為例,設計均勻、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立木材積方程預測精度的影響。根據(jù)不同數(shù)據(jù)類型,利用SAS軟件中proc surveyselect模塊的簡單隨機抽樣(SRS)以及結合條件語句對數(shù)據(jù)進行分徑階抽樣。為減小數(shù)據(jù)抽樣的不確定性,每種分布抽樣過程重復3次。分別對不同抽樣方法下的胸徑統(tǒng)計量進行正態(tài)性檢驗,具體采用Shapiro-Wilk進行正態(tài)性檢驗。以異速生長方程為基礎材積模型,利用S-PLUS軟件的廣義非線性GNLS模塊對各模型進行擬合。采用指數(shù)函數(shù)、冪函數(shù)和常數(shù)加冪函數(shù)對4種立木材積模型擬合過程中產(chǎn)生的異方差現(xiàn)象進行校正,方差函數(shù)變量考慮材積觀察值(V)、預測值((?))、胸徑(D),二元模型時添加組合變量D²H。采用確定系數(shù)(R²)、均方根誤差(RMSE)、平均誤差絕對值(MAB)和相對誤差絕對值(MPB)對立木材積方程精度進行綜合比較分析。為了降低小樣本對模型預測的不確定性,在一元模型中采用隨機方法生成均勻、正態(tài)、右偏、左偏分布的隨機數(shù)據(jù),利用預測值的置信區(qū)間進行比較分析。結果表明...

【文章頁數(shù)】：50 頁

【學位級別】：碩士

【部分圖文】：

圖2-1大興安嶺遙感影像圖

東北林業(yè)大學碩士學位論文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，位于黑龍江內蒙古自治區(qū)東北部，是內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個經(jīng)....

圖2-2胸徑-樹高散點圖

變量平均值最小值最大值標準差胸徑/cm24.065.147.912.21樹高/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型抽樣分布徑階48121620242832....

圖2-3胸徑-材積散點圖

變量平均值最小值最大值標準差胸徑/cm24.065.147.912.21樹高/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型抽樣分布徑階48121620242832....

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

利用SAS軟件編寫程序生成右偏和左偏分布的隨機數(shù)據(jù)。基于各分布的參數(shù)估計值和胸徑隨機數(shù)據(jù)，分別計算各分布立木材積的均值和標準差。利用公式（3-11）計算各分布均值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：3996477