基于貝葉斯方法的蒙古櫟林單木枯死模型
關(guān)鍵詞：蒙古櫟天然異齡林 單木枯死模型 最大似然法 層次貝葉斯統(tǒng)計(jì)
摘要：【目的】貝葉斯統(tǒng)計(jì)法在提高模型參數(shù)穩(wěn)定性上有較大的優(yōu)勢(shì),研究貝葉斯方法在單木枯死模型中的應(yīng)用,改進(jìn)模型參數(shù)的估計(jì)方法,為蒙古櫟天然林林分生長(zhǎng)收獲與經(jīng)營(yíng)管理提供參考?！痉椒ā恳悦晒艡堤烊划慅g林為對(duì)象,基于202塊固定樣地?cái)?shù)據(jù),利用二分類(lèi)Logistic模型構(gòu)建基于經(jīng)典概率統(tǒng)計(jì)法、貝葉斯法和分層貝葉斯法的蒙古櫟單木枯死模型。隨機(jī)抽取80%的數(shù)據(jù)用于建立模型,剩下的20%用于檢驗(yàn)?zāi)Ｐ?利用經(jīng)典概率統(tǒng)計(jì)法(非線性最小二乘法)、有先驗(yàn)信息的貝葉斯統(tǒng)計(jì)法和無(wú)先驗(yàn)信息的分層貝葉斯統(tǒng)計(jì)法進(jìn)行參數(shù)估計(jì),分析模型的表現(xiàn)和參數(shù)分布。模型的擬合效果通過(guò)計(jì)算ROC曲線下的面積AUC(Under Curve)來(lái)判斷,并利用Pearson-χ2檢驗(yàn)來(lái)檢驗(yàn)?zāi)Ｐ偷臄M合優(yōu)度。【結(jié)果】(1)貝葉斯法與傳統(tǒng)極大似然法的估計(jì)值相近,且其估計(jì)參數(shù)的標(biāo)準(zhǔn)差小于傳統(tǒng)方法。(2)貝葉斯法估計(jì)參數(shù)的可信區(qū)間最小,比傳統(tǒng)極大似然法的置信區(qū)間小6.0%~31.8%。層次貝葉斯法估計(jì)參數(shù)的可信區(qū)間最大,比傳統(tǒng)極大似然法的置信區(qū)間大11.2%~185.0%。(3)擬合效果最好的是層次貝葉斯法,其模型AUC值為0.83,貝葉斯法與傳統(tǒng)極大似然法模型的AUC值均為0.73?！窘Y(jié)論】層次貝葉斯法在擬合枯死模型方面具有明顯的優(yōu)勢(shì),擬合效果最好,模型預(yù)估精度最高。
北京林業(yè)大學(xué)學(xué)報(bào)雜志要求:
{1}在本刊發(fā)表文章，需引用本刊至少兩篇最近兩年發(fā)表的論文作參考文獻(xiàn)。
{2}文稿要求論述充分有力，研究方法嚴(yán)謹(jǐn)創(chuàng)新。
{3}來(lái)稿文責(zé)自負(fù)，本刊有稿件刪改權(quán)，如不同意，請(qǐng)來(lái)稿時(shí)注明。
{4}中文關(guān)鍵詞一般曲3-8個(gè)，選詞要規(guī)范，應(yīng)盡量從漢語(yǔ)工題詞表中選取，英文關(guān)鍵詞應(yīng)與中衛(wèi)關(guān)鍵詞一一對(duì)應(yīng)，不能采用英文縮寫(xiě)。
{5}文題一般不宜超過(guò)30個(gè)字，應(yīng)以簡(jiǎn)明、確切的詞語(yǔ)反映文章中最主要的特定內(nèi)容。避免用副標(biāo)題。文題不用非公知公認(rèn)的縮寫(xiě)或符號(hào)。
注：因版權(quán)方要求，不能公開(kāi)全文，如需全文，請(qǐng)咨詢雜志社
