版权所有:内蒙古大学图书馆 技术提供:维普资讯• 智图
内蒙古自治区呼和浩特市赛罕区大学西街235号 邮编: 010021
专利申请号:CN202410019674.X
公 开 号:CN117708468A
代 理 人:吕思齐
代理机构:北京一摩尔专利代理事务所(特殊普通合伙)
专利类型:发明专利
申 请 日:20240315
公 开 日:20240105
专利主分类号:G06F17/10
关 键 词:混合模型 模型估计 平滑函数 混合树 模型评价指标 非线性混合 均方根误差 异常值剔除 分类变量 分组水平 辅助变量 个数量级 建模数据 模型评价 数据合并 数据整理 顺序因子 随机效应 验证数据 预测能力 可加性 数据集 分级 构建 信息量 扭曲 林木 全局
摘 要:一种含竞争指标的广义可加混合树高模型,具体步骤如下:一:数据整理,包括不同样地数据合并,异常值剔除,分类变量林木分级无顺序因子化,计算Hegyi指数与BAL指数;二:数据集划分,按照比例随机划分建模数据集和验证数据集;三:构建广义可加性混合模型;四:模型评价,模型评价指标包括决定系数、相对均方根误差和赤池信息量。本发明所有广义可加混合模型在模型估计精度上均优于非线性混合模型,R2平均提高0.005,RMSE%,AIC值以及Bias分别平均降低0.5%,59.88以及12~13个数量级。在广义可加混合树高模型中,以BAL为辅助变量,考虑唯一全局平滑函数并在具有相同扭曲程度的分组水平平滑函数添加随机效应能够获得相对最优的模型估计精度及预测能力。