[發明專利]一種基于最小熵的毛竹林分結構優化方法

有效

• 申請號: 202010692804.8
• 申請日: 2020-07-17
• 公開（公告）號: CN111667879B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 周國模;劉恩斌;杜華強
• 申請（專利權）人: 浙江農林大學
• 主分類號: G16B5/00
• 分類號: G16B5/00;G16B40/00;G06Q50/02
• 代理公司: 杭州新源專利事務所(普通合伙) 33234
• 代理人: 劉曉陽

1.一種基于最小熵的毛竹林分結構優化方法，其特征在于：采用帶約束的非線性模型和現實林分結構調整兩種方式分別對毛竹林分結構進行優化，并對比兩種優化方式的優化結果；

所述帶約束的非線性模型優化方式包括以下步驟：

步驟A、將對象區域某年份毛竹林分的胸徑結構或年齡結構設為離散狀態的集合S，設S的概率空間為：

式中s_i表示毛竹的第i徑階或第i齡級，p_i為第i徑階或第i齡級的概率，n為徑階或齡級達到的最大數；

步驟B、采用Renyi熵構建毛竹林分結構最小熵胸徑結構與年齡結構優化模型；

步驟C、根據毛竹林分的實際情況，設置約束條件；

步驟D、構建最小熵胸徑結構優化模型和年齡結構優化模型；

步驟E、根據庫恩-塔克條件，用matlab軟件編寫程序對最小熵胸徑結構優化模型和年齡結構優化模型進行優化求解，得到毛竹林分胸徑結構與年齡結構的優化結果；

步驟F、將最優胸徑結構時的平均胸徑代入到林分平均胸徑與株數的關系中，得每畝毛竹的最佳株數，式中，N表示每畝株數，D_g為林分平均胸徑；

所述現實林分結構調整優化方式包括以下步驟：

步驟①、將某年份的多個毛竹樣地連續清查數據進行統計整理，得到包含齡級和徑級的統計表；

步驟②、結合毛竹林分的實際情況，以統計表中的齡級和徑級為依據，分別對各齡級、徑級毛竹以采伐的方式進行全面的結構調整；

步驟③、將每次采伐得到的毛竹林分結構及對應的熵值進行匯總統計，進而得到毛竹林分胸徑結構與年齡結構優化結果；

步驟④、將最優胸徑結構時的平均胸徑代入到林分平均胸徑與株數的關系中，得每畝毛竹的最佳株數，式中，N表示每畝株數，D_g為林分平均胸徑。

2.根據權利要求1所述的一種基于最小熵的毛竹林分結構優化方法，其特征在于：所述步驟B中Renyi熵定義為：

式中a為可調參數，n為徑階或齡級達到的最大數，p(s_i)為第i徑階或第i齡級的概率。

3.根據權利要求1所述的一種基于最小熵的毛竹林分結構優化方法，其特征在于：所述步驟D中最小熵胸徑結構優化模型為：

式中n為毛竹最大徑階，s_ave表示毛竹林分四舍五入取整后的平均胸徑，p(s_i)為第i徑階的概率，p(s_ave)為平均胸徑對應的概率，a為可調參數。

4.根據權利要求1所述的一種基于最小熵的毛竹林分結構優化方法，其特征在于：所述步驟D中最小熵年齡結構優化模型為：

式中n為毛竹最大徑階，p(s_i)為第i齡級的概率，a為可調參數。

5.根據權利要求1所述的一種基于最小熵的毛竹林分結構優化方法，其特征在于：所述步驟C中的約束條件為：第一，毛竹林分中，小于平均胸徑的徑階的概率比平均胸徑的概率小；第二，大于等于14cm徑階的概率小于平均胸徑的概率；第三，每個徑階的概率都大于等于0，且所有徑階概率的和等于1。

6.根據權利要求1所述的一種基于最小熵的毛竹林分結構優化方法，其特征在于：所述步驟②中以采伐的方式進行全面的結構調整包括：

每次依次采伐某齡級毛竹的20％、30％、40％、50％、60％、70％、80％、90％、100％，其他齡級的毛竹不進行采伐；

每次依次采伐某徑級毛竹的20％、30％、40％、50％、60％、70％、80％、90％、100％，其他徑級的毛竹不進行采伐；

每次依次采伐某齡級、某徑級毛竹的20％、30％、40％、50％、60％、70％、80％、90％、100％，其他齡級、徑級的毛竹不進行采伐；

每次依次采伐某齡級毛竹的20％、30％、40％、50％、60％、70％、80％、90％、100％，該齡級的毛竹采伐完后，再采伐其它齡級的毛竹；

每次依次采伐某徑級毛竹的20％、30％、40％、50％、60％、70％、80％、90％、100％，該徑級的毛竹采伐完后，再采伐其它徑級的毛竹；

每次依次采伐某齡級、某徑級毛竹的20％、30％、40％、50％、60％、70％、80％、90％、100％，該齡級、徑級的毛竹采伐完后，再采伐其它齡級、徑級的毛竹。