| 【中文题名】 | 贝叶斯网络在数字化森林生态站中的应用研究 |
| 【英文题名】 | The Application Study of Bayesian Networks in Digital Forest Eco-station |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-18 |
| 【中关键词】 | 森林生态站,贝叶斯网络,预测,诊断,信度, |
| 【英关键词】 | Forest Eco-station,Bayesian Networks,Forecast,Diagnose,Evidential, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
贝叶斯网络作为不确定性知识表达和推理的一种方法，在很多领域都有着广泛的应用。贝叶斯网络是概率理论和图论相结合的产物，已经成为数据库知识发现和决策支持系统的有效方法。
本文通过对贝叶斯网络的研究并在分析了森林生态站各指标数据之间存在的不确定性和复杂关联关系的基础上，采用面向对象的开发语言Java，结合数据挖掘方法和数据库技术，研究并开发了一套通用的贝叶斯网络预测诊断系统，通过友好的图形界面方式为用户提供了一个预测诊断平台，解决了森林生态站目前存在的数据分析、提炼技术匮乏、缺少科学的决策支持的问题。本文中以森林生态站中的造林树种选择为具体应用背景，预测油松人工林在不同的立地条件下的生长适应状况，试验证明模型具有较高的精度，该系统实际可用，为适地适树方案的研究提供了一种新思路，为树种的选择提供了一个参考依据，对造林成败具有指导意义。
开发的此套贝叶斯网络预测诊断系统功能强大，不仅可用于造林树种的预测，还可应用于森林火险等级预报、森林病虫害预测等，也可以应用于其他的领域，只需要依据不同的研究问题提供不同的指标体系、网络模型和训练数据即可。本文的贝叶斯网络方法采用多个证据的信度传播的方法，能够... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
ABSTRACT |
4-7 |
|
1 引言 |
7-10 |
|
1.1 数字化森林生态站建立的背景 |
7 |
|
1.2 我国森林生态站存在的问题 |
7-8 |
|
1.3 论文研究的目的和意义 |
8 |
|
1.4 论文研究的主要内容 |
8-10 |
|
2 贝叶斯网络理论 |
10-24 |
|
2.1 不确定性知识 |
10 |
|
2.2 不确定性知识发现 |
10-13 |
|
2.3 概率论基础 |
13-14 |
|
2.4 贝叶斯网络综述 |
14-17 |
|
2.4.1 贝叶斯网络的优势 |
15 |
|
2.4.2 贝叶斯网络的研究现状 |
15-17 |
|
2.5 贝叶斯网络学习和信度推理 |
17-24 |
|
2.5.1 贝叶斯网络学习 |
17-18 |
|
2.5.2 贝叶斯网络中的信度 |
18-19 |
|
2.5.3 贝叶斯网络推理方式 |
19-22 |
|
2.5.4 贝叶斯网络推理算法 |
22-24 |
|
3 贝叶斯网络预测诊断系统的设计与实现 |
24-42 |
|
3.1 开发平台的选择 |
24 |
|
3.2 贝叶斯网络预测诊断系统的设计 |
24-26 |
|
3.3 贝叶斯网络预测诊断系统的实现 |
26-40 |
|
3.3.1 网络结构模块的实现 |
27-31 |
|
3.3.1.1 网络结构模块设计思想 |
27-28 |
|
3.3.1.2 网络的数字化 |
28-29 |
|
3.3.1.3 节点的属性信息 |
29-30 |
|
3.3.1.4 节点的关系信息 |
30 |
|
3.3.1.5 网络结构的保存 |
30-31 |
|
3.3.1.6 网络结构的重新加载 |
31 |
|
3.3.2 数据训练模块的实现 |
31-39 |
|
3.3.2.1 数据训练模块设计思想 |
31-32 |
|
3.3.2.2 数据源连接 |
32-35 |
|
3.3.2.3 设定节点与字段的关联 |
35-36 |
|
3.3.2.4 数据训练 |
36-39 |
|
3.3.3 预测诊断模块的实现 |
39-40 |
|
3.3.3.1 预测诊断模块设计思想 |
39-40 |
|
3.3.3.2 预测诊断 |
40 |
|
3.4 与其他贝叶斯网络工具的比较 |
40-42 |
|
4 基于贝叶斯网络的造林树种预测 |
42-50 |
|
4.1 基于贝叶斯网络的造林树种模型的构建 |
42-46 |
|
4.1.1 分析评价指标 |
42-43 |
|
4.1.2 训练样本数据 |
43-44 |
|
4.1.3 数值离散化 |
44 |
|
4.1.4 网络拓扑结构 |
44-45 |
|
4.1.5 参数分布 |
45-46 |
|
4.2 预测结果评价 |
46-50 |
|
5 结论与展望 |
50-52 |
|
5.1 结论 |
50 |
|
5.2 展望 |
50-52 |
|
参考文献 |
52-55 |
|
个人简介 |
55-56 |
|
导师简介 |
56-57 |
|
获得成果目录清单 |
57-58 |
|
致谢 |
58 |
|
| 【DOI】 | LunWen.ID:2.2008.388594 |
