随着我国植树造林面积的不断扩大和木材科学与技术水平的不断提高,科学地评价木材材质和材性的优劣,将是我国林业科学亟待解决的重大课题之一。木材密度是表示木材材质的重要指标,它是木材内部因子综合性指标的外在反映。大部分木材力学强度和弹性,可以借助密度的变化进行估算。解剖树木生长过程木材密度变化规律,研究年轮内密度的变化十分重要。定量地研究年轮密度变异规律,得到基本密度与管胞形态特征间的关系,对工业材良种选育及用林材的培育具有重要的指导意义。 由于影响木材密度变异因素的复杂性和多样性,使其模型的描述也很复杂。采用传统的统计回归方法,建立的木材密度随生长轮年龄变异模型,其拟合精度和相关性相对较低,所以有必要探索一种新的分析方法研究木材年轮密度的径向变异规律。而神经网络建模是通过直接学习实际的输入/输出数据,使目标函数取得最小值,从而归纳得到隐含在输入/输出数据中的关系,即神经网络模型。本论文基于神经网络理论来建立木材年轮密度变异规律模型:从研究木材年轮细胞微观构造角度出发,基于计算机视觉分析系统提取的对木材年轮密度变化有重要影响的年轮间细胞解剖特征参数(管胞直径、胞壁率、壁腔比等),利用实验数据训练神经网络,得到年轮生长过程细胞变化与木材密度变异规律的模型。 基于神经网络木材年轮密度变异规律模型的建立,为进一步深入分析和研究木材年轮密度的变异规律,从而分析其他木材物理力学性质的一些问题,为实现林木定向培育和速生优质,制定科学育种经营措施以及材质的早期预测提供了理论基础。论文给出了神经网络建模的结构和训练算法,采用MatLab实现了对神经网络训练,并验证了模型的准确性,仿真结果表明,所建模型有效、可靠;同时将所建立的模型与以往回归方法建模进行了比较,可以看出多层前馈神经网络要优于回归方法建立的模型。