准确预测林分出材率在制订林业发展计划、预计木材产量、执行采伐限额制度以及开展森林资源资产评估等森林经理活动中都有着至关重要的作用。解决该问题的传统数学建模是围绕干曲线的研究而开展的,而在农林业领域常用的多元统计分析方法却由于其统计数据的非线性、非正态、小样本等等特性,难以展开应用。随着计算机技术和统计学习理论及其应用的发展,利用学习机器可以对该问题提出新的研究思路和解决方案。投影寻踪是处理和分析高维数据的一类新兴的统计方法,其基本思想是将高维数据投影到低维子空间上,寻找出反映原高维数据的结构或特征的投影,以达到研究和分析高维数据的目的。该思想与各类具体算法相结合在其他领域已有很多应用,其中包括了数据降维和回归预测。本文以作者负责的福建农林大学校青年基金项目为依托,基于R软件平台,利用理论分析、程序设计和数值模拟相结合的方法,旨在建立具有高度的运算精度和运行效率的林分出材率投影寻踪回归预测模型。并通过留一交叉验证,确认其具有稳定的泛化性能。论文第1部分给出了整体的研究路线;第2部分进行的是在投影寻踪思想下对高维数据主成分分析降维的理论分析和实践应用;第3部分就投影寻踪回归耦合模型展开深入的研究,建立了基于机器学习方法的仿真预测模型;为了检验该模型在同类方法中的优劣,论文第4部分将其与人工神经网络、支持向量机回归以及多元自适应回归样条这些同属于监督学习机制的模型在同一问题上展开了横向比较。分析和仿真结果表明在林分出材率预测问题中,统计学习方法是完全可行和可靠的,投影寻踪回归模型较同类方法在预测精度和收敛速度上具有一定的优势,投影寻踪在林业应用中具有相当的实际应用价值和开发潜力。