【摘要】【目的】提出一个基于理论生长方程（Richards公式）的激活函数，解决神经网络算法在森林生长建模时输出可能不符合生物学规律的问题，为神经网络在森林生长建模方面的应用提供一个新的思路和方法。【方法】以吉林省汪清林业局臭冷杉为研究对象，利用96株解析木数据，分别建立传统非线性回归模型、基于普通激活函数的深度神经网络模型和新的基于Richards激活函数的深度神经网络树高-胸径模型。【结果】相较基于普通激活函数的深度神经网络模型，新的基于Richards激活函数的深度神经网络模型具有明显的树高渐近线，更符合生物学规律。与传统非线性回归模型（直接使用Richards公式拟合）相比，新的基于Richards激活函数的深度神经网络模型精度略有提高，R2提升0.175%，均方根误差（RMSE）与平均绝对误差（MAE）分别降低2.282%和4.011%。【结论】提出一个基于Richards方程的深度神经网络激活函数，具有如下优点：1）输出一定存在一个合理的最大值；2）配合合理的神经网络结构可使输出一定大于1.3;3）将传统回归方法拟合得到的参数作为神经网络模型输入，能使神经网络的训练得到先验知识。