Wstęp. Sosna zwyczajna odgrywa w Polsce szczególną rolę zarówno pod względem przyrodniczym, jak i gospodarczym. Próba wyznaczenia za pomocą sieci neuronowych najistotniejszej cechy biometrycznej umożliwiającą predykcję przeżywalności, może mieć wysokie walory utylitarne. Dlatego też celem pracy było zbudowanie predykcyjnego modelu neuronowego, mającego wyznaczyć najistotniejsze cechy biometryczne drzew (sosny zwyczajnej) rosnących w czterdzie-stoletnim drzewostanie, które decydują o przeżyciu i zajmowanej pozycji biosocjalnej.
Materiał i metody. Do realizacji celu pracy poddano analizie zebrane dane empiryczne z pierwszych dziesięciu lat oraz z trzydziestego i czterdziestego roku życia drzew w niepielęgnowanym drzewostanie. Materiał badawczy pochodzi ze stałej powierzchni badawczej zlokalizowanej na terenie Nadleśnictwa Doświadczalnego Siemianice (Leśny Zakład Doświadczalny Uniwersytetu Przyrodniczego w Poznaniu). Do budowy modelu użyto zmiennych niezależnych – średnicy i wysokości drzew (w każdym roku).
Wyniki. Wygenerowano dwa modele neuronowe. Pierwszy model dla analiz przeżywalności w 30 roku (M30) oraz drugi model dla analiz przeżywalności w 40 roku (M40). Struktura modelu M30 i M40 przyjęła postać 18:18-36-36-1. Wygenerowane modele zostały oparte na wielowarstwowej sieci neuronowej MLP z dwoma ukrytymi warstwami.
Wnioski. W przeprowadzonym wnioskowaniu za pomocą wygenerowanego modelu neuronowego z użyciem analizy wrażliwości sieci wskazało najważniejsze cechy biometryczne w predykcji przeżywalności drzew sosny zwyczajnej. Są to średnica w czwartym (d4 – ranga 1) i piątym (d5 – ranga 2) roku życia drzewa.
Pełen tekst dostępny w języku polskim w formacie Adobe Acrobat: https://www.npt.up-poznan.net/pub/art_12_25.pdf
00261
| MLA | Niedbała, Gniewko, and Robert Korzeniewicz. " Determining the significance of biometric features for predicting the survivability of pine (Pinus sylvestris L.) With the use of neural modelling methods." Nauka Przyr. Technol. 12.3 (2018): #25. https://doi.org/10.17306/J.NPT.2018.3.25 |
| APA | Gniewko Niedbała1, Robert Korzeniewicz2 (2018). Determining the significance of biometric features for predicting the survivability of pine (Pinus sylvestris L.) With the use of neural modelling methods. Nauka Przyr. Technol. 12 (3), #25 https://doi.org/10.17306/J.NPT.2018.3.25 |
| ISO 690 | NIEDBAłA, Gniewko, KORZENIEWICZ, Robert. Determining the significance of biometric features for predicting the survivability of pine (Pinus sylvestris L.) With the use of neural modelling methods. Nauka Przyr. Technol., 2018, 12.3: #25. https://doi.org/10.17306/J.NPT.2018.3.25 |
Gniewko Niedbała
Instytut Inżynierii Biosystemów
Wydział Rolnictwa i Bioinżynierii
Uniwersy-tet Przyrodniczy w Poznaniu
Poland
e-mail: gniewko@up poznan.pl