基于SOM神經網絡的森林健康分等評價
——以江西上饒林業局為例

□陶 敏

(江西省上饒市廣豐區林業局 江西 上饒 334600)

SOM神經系統是一種自組織特征的映射網絡，也是一種由全連接的神經元陣列組成的無教師、自組織，自學習的網絡。該神經網絡能夠在不同區域內發揮不同神經元的不同分工作用，從而形成不同的反射區，實現對輸入模型的不同響應。該神經系統具有自組織特征，能夠減少人為因素對建模帶來的不精確的影響，還具有強大的自適應能力，能夠大大減少工作人員的編程工作，使健康分等評價具有更大的準確性。采用SOM神經系統進行森林健康分等評價，能夠為實現森林健康保護提供有效的渠道參考。

1 基于SOM神經系統的森林健康評價指標體系構建

要實現對林業局中的森林健康分等評價，需要進行森林中各個指標數據的選用。第一是要求進行評價指標的篩選，森林健康評價指標要求由森林資源系統內部的組織結構和外部影響因子共同組成。建立森林健康評價指標首先是確定指標選擇的原則，指標體系要求能夠對森林的整個生態系統進行全方位的描述，能夠反映森林生態系統的發展現狀、發展趨勢以及影響因素，同時選用的指標需要定性和定量相結合，要求以定量指標為主[1]。第二是對所采用的各項評價指標進行分類，以提高評價系統的科學性和準確性。

2 SOM神經系統下的森林健康分等評價網絡模式構建

SOM神經系統是由處理單元、學習規則和網絡拓撲結構組成。指標數據的處理主要發生在處理單元。該系統通過模擬生物的神經元，實現多個輸入、輸出路徑管理。輸入系統模擬腦神經元的樹突功能起到信息傳遞的作用，輸出端主要是模擬神經元的軸突功能，實現對信息處理結果的外輸[2]。在森林健康分等評價網絡模式中，主要發揮功能作用的是輸入端和輸出端。根據林業局不同森林健康分等需求，實現對神經元個數（即各個向量指標）的限定。在系統中每個輸出層和輸入層內部節點沒有相連關系。分析好SOM神經網絡后，展開森林健康評價分等網絡模式的構建，要求按照以下步驟展開：①分等因子數據預處理。森林健康評價主要受到生態結構、植物種類，地被植物和人為活動的干擾和影響。首先要對這些因素指標數據進行標準化處理，常用的處理方式有平均數方差法和最大最小法，達到預期要求后，方可進入下一個步驟；②SOM神經網絡學習算法，通過一種高緯可視化和聚類的無監督學習算法，通過模擬人腦處理信號的方式進行智能網絡處理，要實現SOM神經網絡學習算法，就必須先進行網絡初始化，實現輸入層和輸出層之間權值的初始值，其次向輸入層輸入向量；然后計算出輸入向量和權值向量之間的區域大小，最后實現權值的學習，權值是否達到預期目標。③進行輸入評價等級的劃分。根據林業局的管理發展現狀，將SOM神經系統內的森林資源按照不健康、亞健康、較健康、健康和優質健康劃分為5個等級。

3 森林健康經營的趨勢

江西上饒林業局森林健康分等評價的最終目的是明確各個區域植被發展情況的等級劃分，并且對其采取有效措施。

當前林分結構不合理是造成森林健康不理想的重要因素，其影響著森林生態系統的穩定性，使得森林生態系統缺少多樣性。優化林分結構首先要求能夠實現封山育林，展開生物的保護。如加強對幼齡林的保護撫育，加快低效林的改造，發揮森林對生態多樣性的最優化作用。

4 結束語

展開森林健康分等評價的主要目的在于能夠在數據分析的基礎上，采取健康經營措施。當前，使用SOM神經系統的林業局首先要確定評價指標因子，進入神經系統，完成系統所需的神經元個數，然后根據系統中的算法進行網絡訓練，結束訓練后轉入人工狀態，再次進行網絡輸入以及網絡仿真輸出，最終得出森林健康分等評價指標情況。針對輸出的各類數據指標差異，采用生態優先原則、可持續發展原則、整體協調原則以及自然經營的原則實現對森林健康發展的經營。