【目的】采用非线性分位数回归法构建落叶松树干削度方程,比较分析不同分位数(τ=0. 1、0. 2、0. 3、0. 4、0. 5、0. 6、0. 7、0. 8、0. 9)及其组合分位数的拟合及检验结果,以提高模型预测精度。【方法】基于大兴安岭落叶松干形数据,采用Koenker和Bassett提出的分位数回归法,利用SAS软件的NLP拟合基于各分位数的Max-Burkhart分段削度方程,选取确定系数(R2)、平均误差(MAB)、均方根误差(RMSE)、相对误差(MPB)和预估精度(P%)对削度方程进行对比分析。【结果】1) Max-Burkhart分段削度方程在9个不同分位点(τ=0. 1、0. 2、0. 3、0. 4、0. 5、0. 6、0. 7、0. 8、0. 9)均能收敛,说明分位数回归可以提供许多不同分位数的估计结果,进而可预测任意分位点处干形的变化趋势; 2)基本模型和分位点处(τ=0. 4、0. 5、0. 6)的分位数模型拟合结果相近,分位数组合(3、5、7、9)可提高模型拟合效果,其中基于3个分位数组合(τ=0. 3、0. 5、0. 7)、5个分位数组合(τ=0. 3、0. 4、0. 5、0. 6、0. 7)、7个分位数组合(τ=0. 1、0. 2、0. 4、0. 5、0. 6、0. 8、0. 9)、9个分位数组合(τ=0. 1、0. 2、0. 3、0. 4、0. 5、0. 6、0. 7、0. 8、0. 9)在分位数组合相同时分别表现最优; 3)模型检验表明,大多数分位数回归组合的检验统计量都优于基本模型和各分位数模型,相对于基本模型,5个分位数组合(τ=0. 3、0. 4、0. 5、0. 6、0. 7)模型的MPB、MAB、RMSE分别降低13. 9%、13. 9%、13%。【结论】分位数回归能够提高模型预测精度,基于5个分位数组合的Max-Burkhart分段削度方程在拟合及检验统计量等方面表现较好,适合于大兴安岭落叶松树干削度预测。

以黑龙江省带岭林业局大青川林场84株人工落叶松解析木数据为例,采用Max和Burkhart分段削度模型作为基础模型,利用SAS软件中的似乎不相关回归过程得到该分段削度模型的4个参数和2个拐点参数同时估计。参数估计显著性检验(P

【目的】基于樟子松和兴安落叶松干形数据，比较分析最小二乘法（ONLS）、分位数回归（QR）、混合效应模型的固定效应法（FIXED）以及广义加性模型（GAM）对树干不同位置直径和树干总材积的预测精度，为树木干形和材积精准预测提供参考。【方法】以大兴安岭漠河林业局不同林分条件下的187株樟子松和283株兴安落叶松为研究对象，拟合林业上常用的33个削度方程，选出精度较高的削度方程作为ONLS、QR和FIXED的基础模型。基于描述干形的常用变量，同时考虑变量转换，如平方和开根号等变量转换构建GAM。应用R软件对4种建模方法进行拟合，选取平均误差（ME）、均方根误差（RMSE）、百分比均方根误差（RMSE%）和确定系数（R~2）对比分析4种建模方法，采用留一交叉检验法对不同建模方法进行检验，比较各方法预测树干不同位置直径和树干总材积的精度。为更直观展示各建模方法效果，分别从2种树种中随机抽取2株不同大小树木进行树干模拟。【结果】1）基于Kozak(2004)模型的ONLS、QR和FIXED以及构建的GAM拟合结果表明，4种建模方法均能较好拟合樟子松和兴安落叶松干形数据；2）留一交叉检验结果显示，GAM对樟子松和兴安落叶松树干直径的预测精度优于ONLS、QR和FIXED;3) GAM预测2种树种材积时与估计直径一致，即GAM预测精度优于其他建模方法；相较ONLS，樟子松和兴安落叶松GAM材积预测的RMSE分别下降5.6%和11.3%;4) 2种树种不同大小树木树干模拟发现，对于大树树干，ONLS、QR、FIXED和GAM模拟效果相似，且均能较好模拟樟子松和兴安落叶松树干干形；对于小树树干，ONLS、QR、FIXED和GAM模拟效果差异较大，其中GAM能较好模拟樟子松和兴安落叶松树干干形。【结论】GAM预测树干不同位置直径和树干总材积时精度最高。当以预测为主要目的时，GAM通过简单编程能够实现对樟子松和兴安落叶松树干直径和材积的估计，可作为一种精度较高的树干干形预测方法。

【目的】采用非线性分位数回归方法构建樟子松树干削度方程,并对比分析9个分位数(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)模型和传统的非线性回归削度方程的预测精度。【方法】以七台河市林业局金沙林场154株人工樟子松干形数据为研究对象,选取简单削度方程、分段削度方程和可变指数削度方程,利用非线性回归和非线性分位数回归方法构建樟子松树干削度方程。采用确定系数(R~2)、平均误差(MAB)、相对误差(MPB)、均方根误差(RMSE)为统计指标对构建的削度方程进行对比分析。【结果】(1)在9个分位点(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)下的各削度方程都可以收敛,分位数回归方法可以灵活预测各分位点树干曲线的变化。(2)与非线性回归相比,基于中位数(τ=0.5)时的各削度方程在拟合过程中表现最好,其中以可变指数削度方程表现最优。(3)检验结果也表明:相对于非线性回归的各削度方程,基于中位数(τ=0.5)的简单削度模型的MAB和MPB均下降26.7%,RMSE下降19.9%;基于中位数(τ=0.5)的分段削度方程和可变指数方程预测能力较强。(4)中位数回归的各削度方程在树干大部分的预测能力都优于相应的非线性削度方程。【结论】分位数回归方法是一种稳健的建模方式,基于中位数(τ=0.5)的可变指数削度方程的预测精度最高,适合该区域樟子松树干干形的预测。

描述了相容性非线性联立方程组模型在树干削度和材积建模方面的应用及联立方程组模型参数估计的方法。以黑龙江省带岭林业局人工落叶松为研究对象,以Max和Burkhart分段削度模型作为基础模型,构建了3个具有不同拐点的树干削度和材积系统。削度和材积系统拥有一套参数。为了使内生变量(endogenous variables)误差同时最小化,利用SAS软件模型模块中的似乎不相关回归过程(seemingly unrelated regression,SUR)解决联立方程组模型系统的参数估计。采用确定系数、绝对误差、相对绝对误差、均方根误差、相对均方根误差等模型评价指标对不同模型系统的精度进行比较分析。结果...

【目的】采用非线性分位数回归法构建不同分位点的杉木可变指数削度方程,与非线性模型进行比较,以提高杉木干形的预测精度。【方法】利用福建省将乐国有林场的73株(793组)杉木解析木数据,选取4个可变指数削度方程,基于5折交叉验证,分别采用非线性分位数回归与非线性回归构建削度方程。选用调整后决定系数(R2)、均方根误差(RMSE)、平均误差(ME)、相对误差(RE)和平均绝对误差(MAE)5个模型评价指标,结合图形对各模型的拟合结果和预测结果进行评价。【结果】(1)4个可变指数削度方程在5个分位点(t=0.1, 0.3, 0.5, 0.7, 0.9)处均能收敛,说明分位数回归可以建立不同分位点的估测模型,能更全面地描述杉木干形的变化。(2)4个削度方程在分位点为0.5处的精度最高,R2均在0.97左右。对于削度方程M1和M3,基于中位数回归(t=0.5)的拟合精度与预测精度均高于非线性回归,且M1的预测值更加集中。(3)在不同分位点下,各模型对树干不同位置的预测精度不同,分位值为0.9和0.3的模型分别对梢头部分和树干基部的预测精度最高。【结论】基于分位数回归的可变指数削度方程不仅能精确预测平均条件下杉木的树干直径,而且能预测任意分位条件下杉木干形的变化趋势。不同分位点模型对树干不同位置的预测精度不同,基于M1削度方程,建立多分位点回归模型能进一步提高研究区杉木干形的预测精度。

为优化资产组合方案,考虑单资产分布的非对称性、异方差性、尖峰厚尾性等特征,资产之间的时变非线性相关性,建立了Copula-非线性分位数回归模型。本文的创新与特色,一是通过构建期望超额收益率与考虑动态损失厌恶效应的VaR比率函数,确定了目标函数的表达式,改变了使用超额收益率标准差度量风险,而实证研究中更关注资产的损失风险而非全部风险,未考虑投资者对于收益与损失非对称偏好的不足;二是通过建立基于支持向量机的非线性分位数回归模型,确定了边缘分布函数表达式,解决了普通模型无法处理非对称、非线性,依赖于分布假设的不足;三是通过构建混合Copula函数,确保能够有效捕捉金融市场中的尾部相关、非对称性,完善了刻画资产之间相关关系的模式;四是通过建立风险非线性叠加的资产总风险评价模型,确定了资产组合总风险的表达式,弥补了现有风险评价模型未考虑资产间的相关性的不足。实证结果表明,本文建立的模型预测性能高于其它模型,该模型有更高的VaR比率值,在单位风险下能够获得更高的资产组合效果。

在贝叶斯Lasso分位数回归中,样本似然函数的计算和后验分布的抽样通常难以处理。针对这一问题,文章采用一种基于线性插值的似然函数计算方法,并结合拉普拉斯先验分布,设计出一种新的对后验分布进行抽样的算法。数值模拟结果表明了该方法具有较好的适应性和参数估计准确性。

在贝叶斯Lasso分位数回归中,样本似然函数的计算和后验分布的抽样通常难以处理。针对这一问题,文章采用一种基于线性插值的似然函数计算方法,并结合拉普拉斯先验分布,设计出一种新的对后验分布进行抽样的算法。数值模拟结果表明了该方法具有较好的适应性和参数估计准确性。

基于连续1年的兴安落叶松树干液流密度和环境因子(光照、空气温度、空气湿度、土壤温度和土壤湿度)的测定结果,探讨不同时间尺度下树干液流密度与环境因子的关系差异。在月时间尺度上,土壤温度和土壤湿度显著影响树干液流密度变化,土壤温度单位增加引起树干液流上升0.084～0.123L·cm-2month-1;在天时间尺度上,显著影响因子有土壤温度、光照和空气温度,其中土壤温度为最主要的影响因子,单位增加会导致树干液流上升1.9～2.7mL·cm-2d-1;在小时时间尺度上,主要影响因子在不同季节不同,但最主要因子多是直接影响地上叶片生理指标如光照和空气湿度,二者单位上升平均分别引起树干液流上升1.239...

将一块15 m×20 m的48年生兴安落叶松人工林的林木全部收获,采用分层聚类分析法将林木分化等级划分为优势木、中等木和被压木,并采用解析木法量化分析不同分化等级林木心材和边材的周向和轴向变异及其与林木特征性状之间的关系。结果表明:林木分化等级、方位和圆盘高度对树干心材半径(heartwood radius,HR)、边材宽度(sapwood width,SW)的变异影响显著(P<0.001)。胸高处HR和SW及其绝对变异量均随林木分化程度的加剧而增大。林木心材与边材比在周向变化不一,其最大值以北向频率最高(17.65%),最小值则以南向频率最高(17.68%),反映了微生境的差异。随相对高度的...

利用兴安落叶松解析木数据,比较了树干去皮直径预测的3种类型模型:Grosenbaugh的比率方程式、回归模型和削度方程。Grosenbaugh的比率方程式有很大的灵活性,没有参数不需要模型拟合。总体评价和模型分段比较表明,回归模型有较小的预测误差,尤其是Cao and Pepper提出的含有带皮直径、树高、相对树高、胸径处的带皮直径和去皮直径变量的模型。由于削度模型不含有带皮直径变量,因此产生较大的去皮直径预测误差。不同类型的模型在森林经营过程中都有一定的适应性。

以黑龙江省七台河市林业局金沙林场114株人工兴安落叶松树干干形数据为例,利用非线性混合模型技术拟合Max-Burkhart分段削度方程。结果表明:当利用SAS软件的PROC NLMIXED模块对Max-Burkhart模型进行拟合时,引入随机参数b1、b2、b3时模型拟合最好;随机参数b1与冠长率和冠长呈负相关,与树冠高度呈正相关;随机参数b2与冠长率和冠长呈正相关,与树冠高度呈负相关;随机参数b3与冠长率、冠长、树冠高度没有显示出相关性。利用随机参数b1、b2、b3与树冠特征的相关性构建了含有冠长率、冠长和树冠高度变量的3个模型,并且所有模型的参数估计值都是显著的,这充分说明冠长率、冠长和树...

以黑龙江省带岭林业局大青川林场80株人工兴安落叶松解析木数据为例,采用Richards生长模型作为基础模型,利用S-PLUS软件中的NLME过程,分别拟合非线性树高和直径生长模型。采用AIC、BIC、对数似然值和似然比检验等模型评价统计指标对不同模型的精度进行比较分析。结果表明:当对树高-年龄关系进行拟合时,b1、b3同时作为混合参数时模型拟合最好;当对直径-年龄关系进行拟合时,b1、b3同时作为混合参数时模型拟合最好。把相关性结构包括一阶自回归结构AR(1)、一阶移动平均结构MA(1)及一阶自回归与移动平均结构[ARMA(1,1)]加入到树高和直径最优混合模型中,一阶自回归结构AR(1)显著...

2005年6—10月在宁夏六盘山南侧的西峡林场,选择比较均匀的坡面(坡度45°),布设了20m×20m的华北落叶松固定标准地,应用热扩散茎流计连续测定13株树木的树干液流。结果表明:不同径级树木的树干日液流量存在较大差异,在6—7月,其值变化在11.27~24.46kg.d-1,变异系数CV为0.298(n=5);在8—10月,其值变化在5.01~22.25kg.d-1,变异系数CV为0.454(n=13)。方差分析表明,胸径和液流密度是2个显著影响树干日液流量变异的因子,前者主要通过决定树干边材面积来控制树干液流量大小,它可以解释变异方差的56.9%;树干液流密度可以解释变异方差的34.7%...