[1] Lei X, Peng C, Wang H, et al. Individual height-diameter models for young black spruce(Picea mariana) and jack pine(Pinus banksiana) plantations in New Brunswick, Canada[J]. The Forestry Chronicle, 2009, 85(1): 43-56. doi: 10.5558/tfc85043-1
[2] Colbert K C, Larsen D R, Lootens J R. Height-diameter equations for thirteen Midwestern bottomland hardwood species[J]. Northern Journal of Applied Forestry, 2002, 19(4): 171-176. doi: 10.1093/njaf/19.4.171
[3] Sharma M, Parton J. Height-diameter equations for boreal tree species in Ontario using a mixed-effects modeling approach[J]. Forest Ecology and Management, 2007, 249(3): 187-198. doi: 10.1016/j.foreco.2007.05.006
[4] 李海奎, 法蕾. 基于分级的全国主要树种树高-胸径曲线模型[J]. 林业科学, 2011, 47(10): 83-90.
[5] 王明亮, 唐守正. 标准树高曲线的研制[J]. 林业科学研究, 1997, 10(3): 259-264. doi: 10.3321/j.issn:1001-1498.1997.03.006
[6] 马武, 雷相东, 徐光, 等. 蒙古栎天然林单木生长模型的研究: Ⅱ. 树高-胸径模型[J]. 西北农林科技大学学报: 自然科学版, 2015, 43(3): 83-90.
[7] 卢军, 张会儒, 雷相东, 等. 长白山云冷杉针阔混交林幼树树高-胸径模型[J]. 北京林业大学学报, 2015, 37(11): 10-25.
[8] 傅荟璇. Matlab神经网络应用设计[M]. 北京: 机械工业出版社, 2010: 94-95.
[9] 浦瑞良, 宫鹏, Yang R. 应用神经网络和多元回归技术预测森林产量[J]. 应用生态学报, 1999, 10(2): 129-134.
[10] 林辉, 彭长辉. 人工神经网络在森林资源管理中的应用[J]. 世界林业研究, 2002, 15(3): 22-31.
[11] 马天晓, 赵晓峰, 黄家荣, 等. 基于人工神经网络的树高曲线模型研究[J]. 河南林业科技, 2006, 26(1): 4-5.
[12] 董云飞, 孙玉军, 王轶夫, 等. 基于BP神经网络的杉木标准树高曲线[J]. 东北林业大学学报, 2014, 42(7): 154-156, 165.
[13] 车少辉, 张建国, 段爱国, 等. 杉木人工林胸径生长神经网络建模研究[J]. 西北农林科技大学学报: 自然科学版, 2012, 40(3): 84-92.
[14] 黄旭光. 基于人工神经网络的栎树天然林生长动态模拟系统研究[D]. 郑州: 河南农业大学, 2014.
[15] 金星姬, 贾炜玮, 李凤日. 基于BP人工神经网络的兴安落叶松天然林全林分生长模型的研究[J]. 植物研究, 2008, 28(3): 370-374.
[16] Nakamura M, Mines R, Kreinovich V. Guaranteed intervals for Kolmogorov's theorem (and their possible relation to neural networks)[J]. Interval Computations, 1993, 3: 183-199.
[17] 张立明. 人工神经网络的模型及其应用[M]. 上海: 复旦大学出版社, 1993: 43-46.
[18] 胥辉, 全宏波, 王斌, 等. 思茅松标准树高曲线的研究[J]. 西南林学院学报, 2000, 20(2): 74-77.
[19] 陈建珍. BP神经网络在林分平均胸径生长预估中的应用[J]. 林业调查规划, 2009, 34(3): 8-11.
[20] 龚直文. 长白山退化云冷杉林演替动态及恢复研究[D]. 北京: 北京林业大学, 2009.