公共文化服务平台

姜立春: 作品数：64 被引量：295H指数：11; 供职机构：东北林业大学更多>>; 发文基金：国家自然科学基金中央高校基本科研业务费专项资金国家林业公益性行业科研专项更多>>; 相关领域：农业科学交通运输工程机械工程动力工程及工程热物理更多>>

合作作者

应用地径对小兴安岭主要针叶树种胸径和材积预测模型的构建: 2023年; 以黑龙江省伊春市五营林业局丽林实验林场的小兴安岭3个主要针叶树种(落叶松(Larix gmelinii)、红皮云杉(Picea koraiensis)、臭冷杉(Abies nephrolepis))为研究对象,共选取472株解析木数据(树种、胸径、树高、地径等基本信息),采用平均断面积区分求积法计算解析木材积;选取线性、二项式、幂函数3种方程形式构建胸径-地径模型,选取线性、二项式、幂函数、指数函数、自然对数的方程形式构建材积-地径模型,采用加权回归法对模型异方差进行校正;选择平均偏差、平均绝对误差、预测平均百分比误差、平均绝对百分比误差4个指标,采用留一交叉法对所有模型进行预测精度评价;引入虚拟影响因素,采用非线性方差检测方法,检验不同树种间胸径-地径关系的差异、材积-地径关系的差异。结果表明:①分别采用线性、二项式、幂函数,拟合了3个树种的胸径-地径间的相关关系,其中二项式模型的预测精度最高。②分别选取线性、二项式、幂函数、指数函数、自然对数,拟合了3个树种的材积-地径间的相关关系,其中二项式模型的预测效果最好。③选择材积预测值作为误差方差函数评价指标,幂函数、指数函数、常数加幂函数分别作为臭冷杉、落叶松、红皮云杉的误差方差函数,对材积-地径模型(二项式)异方差校正的效果最好。④F检验结果表明,臭冷杉与落叶松之间、落叶松与红皮云杉之间,预测模型存在极显著差异,需要单独构建胸径-地径模型、材积-地径模型;臭冷杉与红皮云杉之间,预测模型不存在差异,可共用一套参数估计值。⑤综合评价结果,二项式胸径-地径模型、二项式材积-地径模型,能够较好反映3个树种的胸径与地径的关系、材积与地径的关系,都适合于研究地区利用地径估算材积;具体应用时,可根据数据特征和研究目的选择合适的方法。; 孙行丽张兹鹏姜立春; 关键词：针叶树种

利用混合模型模拟树冠特征对兴安落叶松树干干形的影响被引量：10: 2014年; 以黑龙江省七台河市林业局金沙林场114株人工兴安落叶松树干干形数据为例,利用非线性混合模型技术拟合Max-Burkhart分段削度方程。结果表明:当利用SAS软件的PROC NLMIXED模块对Max-Burkhart模型进行拟合时,引入随机参数b1、b2、b3时模型拟合最好;随机参数b1与冠长率和冠长呈负相关,与树冠高度呈正相关;随机参数b2与冠长率和冠长呈正相关,与树冠高度呈负相关;随机参数b3与冠长率、冠长、树冠高度没有显示出相关性。利用随机参数b1、b2、b3与树冠特征的相关性构建了含有冠长率、冠长和树冠高度变量的3个模型,并且所有模型的参数估计值都是显著的,这充分说明冠长率、冠长和树冠高度对兴安落叶松干形的变化有显著影响。用含有冠长率的削度模型模拟干曲线,结果表明:冠长率越大,树干削度变化越大,干形质量越差。; 姜立春蒋雨航; 关键词：干形非线性混合模型

基于小波压缩的木材密度近红外光谱的预处理研究被引量：4: 2016年; 近红外光谱数据维数多、数据量大,直接保存需要庞大储存空间,且海量数据会对网络化在线检测的分析速度和准确性产生影响。为探讨应用小波压缩进行近红外光谱预处理的可行性及其对枫桦木材密度预测精度的影响,通过强光探头采集木材圆盘的近红外光谱,在Matlab软件中应用小波变换法对枫桦木材密度近红外光谱数据进行压缩。结果表明:当小波基sym2分解层为6时,基于均衡稀疏标准形式的全局硬阈值压缩效果最好,将2 151个变量压缩成38个小波系数,其能量保留成分、零系数成分、压缩比分别为99.66%、98.34%、56.61%。用未处理光谱数据和压缩后的38个小波系数分别建立偏最小二乘定标分析模型,同时做内部交叉验证,并用未处理和压缩后的预测集做外部检验,得知压缩后校正模型对压缩后样品预测能力较好,预测决定系数为0.913 9。因此,小波压缩可有效简化近红外光谱数据,提高近红外光谱对枫桦木材密度的预测精度。; 李耀翔李颖姜立春; 关键词：近红外光谱小波压缩木材密度

兴安落叶松树干去皮直径预测模型被引量：6: 2015年; 利用兴安落叶松解析木数据,比较了树干去皮直径预测的3种类型模型:Grosenbaugh的比率方程式、回归模型和削度方程。Grosenbaugh的比率方程式有很大的灵活性,没有参数不需要模型拟合。总体评价和模型分段比较表明,回归模型有较小的预测误差,尤其是Cao and Pepper提出的含有带皮直径、树高、相对树高、胸径处的带皮直径和去皮直径变量的模型。由于削度模型不含有带皮直径变量,因此产生较大的去皮直径预测误差。不同类型的模型在森林经营过程中都有一定的适应性。; 张兴龙姜立春; 关键词：落叶松削度方程

柴油机燃用乳化油节油机理的研究被引量：6: 2001年; 本文通过对影响乳化油节油若干因素的分析,系统地研究了柴油机燃用乳化油的节油机理。研究结果表明,除乳化油品质因素外,主要与柴油机结构、供油提前角、负荷、新旧使用程度等因素有关。要充分发挥乳化油的节油效果,需调整各有关参数达到最优。; 张春清姜立春; 关键词：柴油机燃料乳化油

应用比例法建立白桦商品材积预测模型: 2023年; 为了构建商品材积模型,以大兴安岭白桦解析木数据为研究对象,选取10个代表性较强的材积比模型作为候选模型,利用R软件的广义非线性(GNLS)模块对各个材积比模型进行拟合,并通过引入方差函数消除各模型在拟合过程中产生的异方差现象。使用交叉检验法对各模型进行检验。选择均方根误差、平均误差绝对值、确定系数(R2)和相对误差绝对值等指标对模型进行对比分析,使用分段比较法对不同相对树高(20%H、40%H、60%H、80%H)的各材积比模型的预测效果进行评价。结果表明:从整体评价结果来看,无论是拟合数据,还是检验数据,材积比模型(8)表现最优。在单独对不同材长(hm)的商品材积进行预测时,最优材积比模型发生了变化:当hm=20%H时,材积比模型(10)的检验精度最高;当hm=40%H时,材积比模型(3)的检验精度最高;当hm=60%H时,材积比模型(4)的检验精度最高;当hm=80%H时,材积比模型(8)的检验精度最高。因此,当预测大兴安岭白桦树干上任意高度处距地面伐根间的商品材积时,推荐使用材积比模型(8);当需要单独对不同材长(hm=20%H、40%H、60%H或80%H)的商品材积进行预测时,建议分别使用材积比模型(10)、材积比模型(3)、材积比模型(4)和材积比模型(8)。; 张兹鹏田小雅刘索名姜立春; 关键词：白桦异方差

用于扫描木材信息QR码的穿戴式扫码枪: 本实用新型提供一种用于扫描木材信息QR码的穿戴式扫码枪，包括扫码枪和充电座，其中，扫码枪：包括扫码头和握柄，扫码头垂直设置在握柄的顶面，握柄的底面设有充电输入端，握柄的前、后侧面均具有沿握柄长度方向延伸的导向块；充电座：...; 李颖李耀翔姜立春刘世国; 文献传递

基于非线性混合模型的落叶松树干削度模型被引量：22: 2011年; 以黑龙江省带岭林业局大青川林场84株人工落叶松解析木数据为例,采用Max和Burkhart分段削度模型作为基础模型,利用SAS软件中的似乎不相关回归过程得到该分段削度模型的4个参数和2个拐点参数同时估计。参数估计显著性检验(P<0.000 1)以及模型检验(F=31 392.30,P<0.000 1)都证明该分段模型能较好地描述落叶松树干干形变化。然后以该分段模型为基础模型,采用非线性混合模型的方法,建立落叶松人工林树干削度混合效应模型。结果表明:当考虑样地效应影响时,b1,b2同时作为混合参数时模型拟合最好;当考虑树木效应影响时,b2,b4同时作为混合参数时模型拟合最好。无论考虑样地效应影响还是考虑树木效应影响,混合模型的拟合精度都比基本模型的拟合精度高,并且考虑树木效应影响要比考虑样地效应影响的精度更高。模型检验结果表明:混合模型通过校正随机参数值能提高模型的预测精度。; 姜立春刘瑞龙; 关键词：落叶松非线性混合模型

汽车排放污染控制的发展与现状被引量：7: 2001年; 综合介绍了国内外汽车排放控制法规的发展，深入分析了汽车排放物对环境的危害以及因汽车保有量的增长而导致大气污染的日益严重．阐述了控制汽车排放污染物的必要性，并指出了我国汽车排放控制技术与国外的差距。; 杨瑞姜立春白传栋赵文育; 关键词：汽车污染物大气污染

基于分位数回归和哑变量模型的大兴安岭兴安落叶松树高-胸径模型被引量：10: 2020年; 【目的】基于Richards方程比较分位数回归和哑变量模型对树高-胸径方程预测精度的影响,为林业树高-胸径模型的构建提供新的思路和方法。【方法】利用大兴安岭4个区域的兴安落叶松Larix gmelinii伐倒木胸径/树高实测数据,采用分位数回归和哑变量模型构建树高-胸径模型,并与基本模型进行对比分析。评价指标采用平均绝对误差(MAE)、均方根误差(RMSE)、确定系数(R2)、赤池信息量(AIC)、贝叶斯信息量(BIC)、平均预测误差百分比(MPE)、平均绝对百分比误差(MAPE)、均方根百分比误差(RMSPE),同时利用非线性额外平方和法进行区域性检验。【结果】1)Richards树高-胸径模型在9个不同的分位点(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)都能收敛,且每个区域都有其对应的最优分位数模型,区域1、2、3和4的最优分位数模型所对应的分位数分别是τ=0.7、τ=0.3、τ=0.5和τ=0.3,各区域最优分位数模型与哑变量模型所得结果差异不大,都优于基本模型。2)F检验结果表明哑变量模型的构造是有必要的,区域2和区域4没有显著不同,其他5对区域都有显著不同。3)模型检验结果表明区域1、3、4的最优分位数回归模型都要优于哑变量模型,区域2的哑变量模型没有通过正态性检验(P=0.0286),因此区域2的最优模型仍然为τ=0.3时的分位数模型。【结论】分位数回归模型和哑变量模型都能够反映不同区域树高-胸径关系的变化,在拟合和检验统计量等方面都表现较好,适合于大兴安岭落叶松树高预测。在进行方法选择时,可以根据数据特征和研究目的进行选择。; 王君杰夏宛琦姜立春; 关键词：分位数回归兴安落叶松

姜立春

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

姜立春

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈