全 文 ：林业科学研究　2008, 21 (增刊 ) : 91～94
Forest Research
　　文章编号 : 100121498 (2008)增刊 20091204
森林资源蓄积量预测技术初探
孔令孜 1, 2 , 　张怀清 13 , 　陈永富 1 , 　赵天忠 2
(1. 中国林业科学研究院资源信息研究所 ,北京 　100091; 2. 北京林业大学信息学院 ,北京 　100083)
摘要 :以福建省三明市森林资源二类调查资料为基础数据 ,采用 VB编程语言 ,自主开发了森林资源蓄积量预测系
统 ,用 GM (1, 1)模型、复利公式和 BP人工神经网络模型分别对森林资源蓄积量进行宏观预测。3种方法的预测结
果显示 : BP人工神经网络模型拟合效果较好 ,其次是灰色系统模型 ,平均相对误差最大的是复利公式。最后分析了
3种方法的优劣 ,探讨进一步优化的方法。
关键词 :信息管理系统 ;蓄积量预测 ; GM (1, 1)模型 ; BP算法 ;复利公式
中图分类号 : S757. 2 文献标识码 : A
收稿日期 : 2007212210
基金项目 : 中央级公益性科研院所基本科研业务费专项资金项目“基于虚拟环境的人工林可视化技术研究”;国家“十一五”科技支撑
重点项目课题“综合监测技术体系集成与应用示范 (2006BAD23B06) ”
作者简介 : 孔令孜 ,女 ,硕士研究生 ,主要从事管理信息系统研究.3 通讯作者 :张怀清 (1973 - ) ,男 ,湖南宁乡人 ,副研究员 ,硕士性导师 ,主要从事林业可视化模拟技术研究 .
Research on the Technology of Forest Volum e Pred iction
KONG L ing2zi1, 2 , ZHANG Huai2qing1 , CHEN Yong2fu1 , ZHAO Tian2zhong2
(1. Research Institute of Forest Resources Information Techniques, CAF, Beijing　100091, China;
2. College of Information Science and Technology, Beijing Forestry University, Beijing　100083, China)
Abstract: The self2development system of forest growing2stock p rediction is based on VB p latform. It uses GM (1, 1)
model, compound interest formula and BP artifical neural network model to make macroscop ic forecasting of forest
growing2stock respectively on the basis of management inventory data of forest resources of Sanm ing, Fujian
Province. The forecasting result of three methods showed that BP artificial neural network model is fitted the best,
followed by the Grey model, and the compound interest formula had the largest average relative error . Finally this
paper analyzes the p ros and cons of the three methods and exp lores further op tim ization method.
Key words: information management system; forest volume p rediction; GM ( 1, 1 ) model; BP algorithm; compound
interest formula
森林经营管理中 ,森林资源蓄积量预测是一项
重要而复杂的工作。森林资源的预测方法有许多 ,
其中 ,以统计方法为主的传统的森林资源预测需要
大量的野外测量数据 ,在小样本条件下 ,该方法可能
产生有偏估计或预测无效 [ 1 ]。近年来 ,随着智能技
术的发展 ,灰色系统理论模型、人工神经网络模型在
预测领域得到广泛的应用 ,是目前常用的预测森林
资源发展趋势的预测方法之一 ,具有预测精度高、所
需样本数量少、计算简单等优点 [ 2 ]。复利公式法是
定期进行森林预测的主要方法之一 ,是一种比较简
便的预测方法 ,只需几个森林调查数据 ,代入预测模
型即可 [ 3 ]。本文采用 VB编程语言 ,自主开发森林
资源蓄积量预测系统 ,以三明市森林资源二类调查
资料为基础数据 ,用灰色模型、BP人工神经网络模
型、复利公式分别对森林资源信息管理系统中蓄积
量进行预测 ,并自动生成统计图与统计表 ,直观地展
现森林资源的发展趋势 ,并对三种预测方法进行比
较分析 ,为森林资源经营管理决策提供科学依据。
林 　业 　科 　学 　研 　究 第 21卷
1　试验区概况
三明市位于福建中部 ,地处 25°30′～27°07′N ,
116°22′～118°39′E;东依福州 ,南靠泉州 ,西南接龙
岩 ,西濒江西 ,北连南平 ,全境土地总面积 22 959
km2 ,森林覆盖率达 76. 8%。三明境域气候温和 ,雨
量充沛 ,属中亚热带气候 ,年平均气温 19. 2 ℃,年平
均降水量 1 700 mm ,无霜期 300 d。全市土地辽阔 ,
植被茂盛 ,土层较深厚 ,土壤中硅、钙、镁、钾、钠盐基
淋失严重 ,而铁铝氧化物含量很高 ,一般呈酸性 , pH
值 5～6;生物富集显著 ,有机质含量丰富 ,但速效
磷、速效钾含量较缺。
2　数据资料及预测方法
2. 1　数据资料
以三明市 1999—2003年的森林资源二类调查
数据为基础数据 ,将相关的调查成果及年度建档数
据存入数据库中 ,以便系统的建立和统计。1999—
2003年三明市森林资源蓄积量调查数据 [ 2 ]见表 1。
表 1　199922003年三明市森林资源蓄积量
项目
年份
1999 2000 2001 2002 2003
实际值 /万 m3 11 652. 4 11 939. 5 11 935. 1 12 110. 7 12 385. 6
2. 2　蓄积量预测方法
2. 2. 1　灰色数列模型 GM (1, 1)预测蓄积量 　森林
资源蓄积量是由生长量和消耗量决定的。森林生长
量主要受气候、立地条件及营林水平等多种因素的
影响 ,可认为是随机变量。消耗量按消耗结构可分
为 :商品材、农民自用材、自然枯损量和能源性烧材 ,
其中商品材是可知的部分 ,而能源性烧材、自然枯损
量、农民自用材是不可知的部分。所以 ,森林资源蓄
积量是不确知的 [ 4 ] ,根据灰色系统理论 ,可以利用历
年的森林资源蓄积量作为时间数据序列建立模型。
GM (1, 1)模型是目前灰色理论中应用最广泛的
模型与方法 ,它是一种以微分方程描述的一阶单变
量线形动态模型 ,用以模拟一组时间数据灰色量 [ 5 ]。
根据 GM (1, 1 )模型的建立过程及蓄积量预测的需
要 ,程序分为 6个模块 ,分别为 :数据获取模块、累加
生成模块、均值生成模块、参数向量求解模块、模型
建立与预测模块、结果处理模块。
(1)数据获取模块 　从小班调查数据库中统计
出历年数据 ,以 1999年为始查期 ,以后 1年为等间
隔期 ,建立森林资源数据时间序列。
(2)累加生成模块 　由于原始数据呈较强的随
机性 ,在灰色预测中将无规律的原始数据累加生成
处理 ,削弱原始数列的随机性影响 ,使其变为较有规
律的生成数列。
(3)均值生成模块 　对原始数列生成均值 ,构
造矩阵和常数向量。
(4)参数向量求解模块 　根据最小二乘法估计
GM (1, 1)模型中的发展灰数和控制灰数。
(5)模型建立模块 　把要预测的年份、发展灰
数和控制灰数传到该模块求解预测结果。
(6)结果处理模块 　灰色数列模型实际上是生
成数列模型 , GM (1, 1)模型计算所得结果是预测值
的累加和 ,因此要对累加生成数据累减还原后才能
使用。将原始数据和预测数据统计出表 ,将蓄积量
用柱状图的形式表现出来。
2. 2. 2　BP人工神经网络模型预测蓄积量 　BP人
工神经网络是神经网络中采用误差反传算法作为其
学习算法的前馈神经网络。在多层前馈网络的应用
中 ,以单隐层网络的应用最普遍。本研究采用三层前
馈网络结构 [ 6 - 7 ] ,根据 BP算法的思想以及用户的实
际需求 ,程序分为 5个模块 ,分别是 :数据处理模块、
初始化模块、学习模块、蓄积量预测模块、结果处理
模块。
(1)数据处理模块 　从小班调查数据库中统计
出历年数据 ,本研究中神经元的转移函数采用单极
性 S型函数 f ( x ) = 1
1 + e- x
,由于 f ( x )是一个在 [ 0,
1 ]之间的函数 ,所以要对原始数据进行归一化处理 ,
处理公式为 : xi =
xi - xm in
xmax - xm in
其中 : xi为历年时间序列数据中的第 i年数据 ,
xm in为历年数据中的最小值 , xmax为历年数据中的最
大值。
(2)初始化模块 　确定网络结构 ,本研究采用
单隐层 ;从用户界面获得控制参数 (学习率η,最大
迭代次数 N 和最小误差ε)和学习参数 (连接权值 w
和阈值θ)的初始化值。
(3)学习模块 　从第二层开始到输出层 ,分别
计算各层节点的输出 ,最后计算出输出层节点输出
与期望输出之间的误差平方和 ,然后再从输出层开
始到第二层 ,分别计算各层节点的局部梯度以及误
差梯度 ,最后根据误差梯度 ,分别计算各层节点的局
部梯度以及误差梯度。达到精度要求后 ,保存好各
层的权值 ,用于预测。
29
增刊 孔令孜等 :森林资源蓄积量预测技术初探
(4)蓄积量预测模块 　利用建立好的神经网络
结构 ,预测出指定年份的蓄积量。
(5)结果处理模块 　学习训练及预测结束后 ,
对网络的输出结果进行反归一化处理 ,使数据复原 ,
并将原始数据和预测数据统计出图和表 ,将蓄积量
的发展变化趋势直观的表现出来。
2. 2. 3　复利公式预测蓄积量 　复利式公式是定期进
行森林生长预测的主要方法之一。森林生长量分为毛
生长量和纯生长量。毛生长量是指林分中全部林分在
调查期间的总材积 ;纯生长量是指除去枯损量以后生
长的总材积。本研究采用毛生长量 ,计算公式为 [ 3 ] :
M n =M (1 + p - q) n - V采
(1 + p - q) n - 1
p - q
(1)
式 (1)中 : M 为森林蓄积量的基础数据 , p为年
平均生长率 , q为年平均枯损率 , V采为一个经营期内
的采伐量 ,M n为第 n年的蓄积量。
根据复利式模型的建立及蓄积量预测的需要 ,
复利式预测蓄积量的功能分为 5个模块 ,分别为 :数
据获取模块、生长率计算模块、初始化采伐量模块、
模型建立模块和结果处理模块。
(1)数据获取模块 　从小班调查数据库中统计
出历年数据 ,存于一个数组中 ,用于计算年平均生
长率。
(2)生长率计算模块　生长率是连年生长量与原
有总量的百分比 ,但是连年生长量的确定比较困难 ,
通常都是用若干年的平均生长量代替。因此创立了
不少计算生长率的公式 ,如 :单利式、复利式、普莱斯
勒式等。由于本研究在蓄积量计算时采用复利式法 ,
因此生长率的计算也采用复利式 [ 8 ] ,公式如下 :
Pv = (
n
Vn
Vo
- 1) ×100% (2)
式 (2)中 : Vo、Vn 分别为初始蓄积量和 n年后的
蓄积量。
(3)初始化采伐量模块 　从界面获取经营期内
的采伐量及枯损率 ,作为参数传入模型建立模块中。
(4)模型建立模块 　将模型的参数 ,生长率、枯
损率、采伐量和所要预测的年份传入该模块 ,按方程
(2)计算 n年的蓄积量。
(5)结果处理模块　整理预测结果及其蓄积量 ,将
原始数据和预测数据绘制成图和表 ,直观的呈现出来。
3　森林资源蓄积量预测系统的实现
本系统在 W indows XP环境下 ,采用 3层 C /S结构
对其进行开发。开发工具为 V isual Basic 6. 0,以 Access
为后台数据库存储三明市 1999—2003年二类调查数
据。三层结构分别为 :表示层、中间层和数据层三部分。
(1)表示层 　表示层是用户接口部分。用户在
界面的右边树型列表中点击相应的模型 ,弹出模型
参数设置对话框 ,选择要预测的年份和相关参数 ,就
可以进行森林资源蓄积量的预测 ;当中间层处理完
数据后 ,显示输出预测结果 ,以统计图和统计表的形
式直观的展现森林资源的发展趋势。
(2)中间层 　也即功能层 ,是蓄积量预测实现
的核心层。它从表示层和数据库获取数据 ,把参数
传递给模型建立的各个模块 ,负责模型具体的建立
过程 ,完成蓄积量的预测。
(3)数据层 　本系统中数据层负责管理数据 ,
并统计历年数据供预测使用。预测结束后 ,将预测
结果统计出统计图表 ,由表示层显示。
4　结果与分析
以三明市 1999—2003年的森林资源二类调查数据
为基础数据 ,用灰色模型、BP人工神经网络模型、复利
公式分别对未来 5年的森林资源蓄积量进行预测。
(1)灰色预测 　根据所建立灰色模型 ,用森林资
源预测系统对三明市 2004—2008年森林资源蓄积量
进行预测 ,预测结果见表 2,平均相对误差为 0. 570%。
表 2　三明市 2004—2008年森林资源蓄积量灰色预测结果
项目
年份
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008
实际值 /万 m3 11 652. 4 11 939. 5 11 935. 1 12 110. 7 12 385. 6 - - - - -
预测值 /万 m3 11 652. 4 11 865. 4 12 015. 6 12 167. 6 12 321. 6 12 477. 6 12 635. 5 12 795. 4 12 957. 3 13 121. 3
　　 ( 2 ) B P神经网络预测 　设权调节系数为
0. 6 ,阈调节系数为 0. 1 ,隐层结点数为 15 ,最小
误差为 0. 000 1 ,最大迭代次数为 2 000 ,以表 1中
1999—2003年蓄积量数据作为学习样本 ,预测未
来 5年的森林资源蓄积量 ,经过 1 022次的学习
后 ,预测结果见表 3 ,相对误差为 0. 084 %。
(3)复利公式预测 　设采伐量为 2 000万 m3 ,
年平均枯损率 2. 8% ,预测 2004—2008年的蓄积量 ,
39
林 　业 　科 　学 　研 　究 第 21卷
预测结果见表 4,相对误差为 37. 75%。
表 3　三明市 2004—2008年森林资源蓄积量 BP神经网络预测结果
项目 年份1999 2000 2001 2002 2003 2004 2005 2006 2007 2008
实际值 /万 m3 11 652. 4 11 939. 5 11 935. 1 12 110. 7 12 385. 6 - - - - -
预测值 /万 m3 - - - - 12 375. 2 12 374. 7 12 375. 9 12 377. 7 12 377. 8 12 377. 8
表 4　三明市 2004—2008年森林资源蓄积量复利公式预测结果
项目
年份
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008
实际值 /万 m3 11 652. 4 11 939. 5 11 935. 1 12 110. 7 12 385. 6 - - - - -
预测值 /万 m3 - - - - 12 375. 2 17 060. 6 15 105. 0 13 373. 6 11 840. 6 10 483. 3
　　以上 3种方法都是基于小样本并在过去几年的
蓄积量的基础上建立模型 ,进行全森林资源蓄积量
的宏观预测。从表 2～4预测的蓄积量结果来看 ,用
GM (1, 1)模型预测的蓄积量呈持续发展的趋势 ,用
复利式公式预测的蓄积量呈递减的趋势 ,而 BP人工
神经网络模型预测的森林资源蓄积量基本保持在一
个相对稳定的水平 ;从预测的平均相对误差来看 ,用
BP人工神经网络模型预测的平均相对误差最小 ,其
次是 GM (1, 1)模型 ,平均相对误差最大的是复利式
公式。在实际使用的过程中 , 3种预测方法就其模
型自身而言 ,各有优劣 :
(1)影响森林资源蓄积量的因素很多 ,而且很
多是不确知的 ,根据灰色系统理论 , GM (1, 1)模型将
非确定的量认为是灰色量 ,建立 GM (1, 1)模型 ,对
未来的蓄积量作出预测。在本研究中 ,其预测的平
均相对误差较小 ,预测的精度适中。
(2)本研究中神经元的转移函数采用单极性 S
型函数 ,由于它是一个在 [ 0, 1 ]之间的函数 ,因此虽
然 BP模型的拟合效果较好 ,但其预测值的变化幅度
却会受模型本身的影响 ,变化趋势不显著。
(3)利用复利式公式是定期进行森林生长预测的
主要方法之一 ,可以在程序运行界面中输入森林资源
枯损率和采伐量 ,以查看未来年份的蓄积量结果。虽
然在这 3种方法中 ,复利式公式所预测的平均相对误差
最大 ,但是该误差包括了本研究输入参数的误差。
5　结论
本研究以三明市二类调查资料为基础数据 ,采
用 VB语言自主开发森林资源蓄积量预测系统 ,分
别用 GM (1, 1)灰色系统、BP人工神经网络和复利
式公式对森林资源蓄积量进行宏观预测 ,并对 3种
方法的预测能力及自身特点进行了对比分析。
(1) BP人工神经网络模型拟合效果较好 ,其次
是 GM (1, 1)灰色系统模型 ,预测误差最大的是复利
式公式。
(2) GM (1, 1)灰色系统模型、BP人工神经网络
模型和复利式公式克服了传统预测方法需要大量的
野外测量数据的缺点 ,只要有历年的二类调查数据 ,
就可以对森林资源进行宏观的预测。
(3)虽然复利式公式是 3种预测方法中预测能力
最差的 ,但是就该方法自身而言 ,管理者可以不断调整
采伐量 ,得到在某个采伐量下若干年后的森林资源蓄
积 ,对森林资源的经营决策提供宏观的科学指导。
(4)需进一步研究适合 BP人工神经网络的转
移函数 ,找出适合森林资源特点的转移函数 ;克服由
于神经网络初始化权值的随机性和网络结构确定过
程中所带来的网络震荡 ,也需要进一步的研究。
(5)样本的数量和变化趋势对预测能力的影响
需要进一步的研究。
参考文献 :
[ 1 ] 李际平 ,邓立斌 ,何建华. 基于人工神经网络的森林资源预测研
究 [ J ]. 中南林学院学报 , 2001, 21 (4) : 19 - 21
[ 2 ] 王金盾. 三明市第三次森林资源二类调查主要指标的灰色预测
[ J ]. 华东森林经理 , 2006, 20 (4) : 47 - 49
[ 3 ] 史凤友. 关于预测森林生长量复利式公式的初探 [ J ]. 辽宁林业
科技 , 1986 (5) : 32 - 33
[ 4 ] 郭正刚 ,吴秉礼. 灰色系统理论在林分蓄积量预测中的应用 [ J ].
甘肃农业大学学报 , 1999, 34 (2) : 171 - 174
[ 5 ] 张清桐. 应用灰色系统理论预测城峰镇“十五”期间有林地面积
与蓄积量变化的研究 [ J ]. 林业勘察设计 , 2002 (1) : 5 - 8
[ 6 ] 韩立群. 人工神经网络理论、设计及应用 [M ]. 北京 :化学工业
出版社 , 2002: 43
[ 7 ] 何　谦. 前馈神经网路 BP算法及其 VB语言程序设计 [ J ]. 泸天
化科技 , 2001 (2) : 118 - 122
[ 8 ] 曾伟生. 用生长率推算生长量时应注意的一个问题 [ J ]. 中南林
业调查规划 , 1993 (4) : 57 - 58
49