导读:本文包含了木材材性参数论文开题报告文献综述及选题提纲参考文献，主要关键词:斑皮桉,广义遗传力,遗传相关性,遗传与环境交互作用
木材材性参数论文文献综述
兰俊,吴永富,罗建中,吴兵,Raymond,C,A[1]（2011）在《斑皮桉生长性状及木材材性遗传参数估算》一文中研究指出分别以位于澳大利亚新南威尔士州北部沿海地区Urunga、Coffs Harbour、Grafton和Casino的4个斑皮桉无性系试验作为研究对象,测定其林木生长性状和木材材性并进行遗传参数估算。研究表明,林木生长性状和木材材性均受到较高的遗传控制,胸径和树高的广义遗传力(H2)在0.46~0.71之间,Pilodyn值的广义遗传力在0.52~0.77之间,FAKOPP值的广义遗传力在0.64~0.85之间;Pilodyn值与FAKOPP值呈显着的正相关关系,但二者与胸径均无显着相关性;环境因子对生长性状和木材材性的影响显着;遗传与环境交互作用对木材材性影响不显着,但对生长性状如胸径有一定影响。(本文来源于《桉树科技》期刊2011年02期）
郑世强[2]（2007）在《基于PSO优化技术的木材材性参数神经网络建模研究》一文中研究指出木材内部结构及其物理力学特性模型，作为一种真正意义的复杂系统，其物理参数和力学性质之间存在紧密联系，且不同树种存在不同程度的差异。木材作为一个有机的整体，不同参数之间都存在着未知的非线性关系，这使预测建模及提高预测精度等方面带来了一定的难度，因此，采取切实可行的技术方法，提高木材材性参数模型预测的精确度，可为研究木材材质改良提供了重要的科学依据。基于上述目标，本文主要做了以下几方面的工作：(1)调查近年来关于木材材性参数建模的研究最新动态和进展，并且根据所查阅的资料，提出本文的研究思路和研究方法，分析木材结构参数与其物理力学特性的内在联系，将神经网络应用于木材材性参数建模。(2)选择帽儿山落叶松为树种，采集制作试样，设计试验，对木材年轮密度、纵向弹性模量及相应的含水率进行了测量，为后续的建模提供了数据准备。(3)介绍了神经网络辨识建模的基本原理、模型结构以及建模的主要步骤，分析BP(Back Propagation)算法实际应用中存在的一些问题与困难，讨论了产生这些问题的原因以及解决的办法。(4)介绍了粒子群优化(Particle Swarm Optimization，PSO)算法的基本性能，并归纳总结了其发展过程和应用。在此基础上，提出了采用PSO算法与BP算法相结合的方法对神经网络进行优化和设计。(5)为了检验本文提出方法的有效性，将基于PSO优化的神经网络应用到木材材性参数建模，突破了寻求单一的二元关系的传统模式，实现木材密度、含水率与弹性模量之间的物理力学性质的映射，同时反映了从心材到边材的材性变异。实验和仿真结果表明了该方法的有效性。(本文来源于《东北林业大学》期刊2007-05-01）
王炳云[3]（1990）在《综合参数法评价木材材性》一文中研究指出本文提出了一个根据木材的力学性质来综合评价木材材性的新方法。应用表明,此法较过去所用的物理力学性质或公定密度等评价方法,更为实用有效,是对过去评价方法不足的一个补充。(本文来源于《林业科技开发》期刊1990年02期）
木材材性参数论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
木材内部结构及其物理力学特性模型，作为一种真正意义的复杂系统，其物理参数和力学性质之间存在紧密联系，且不同树种存在不同程度的差异。木材作为一个有机的整体，不同参数之间都存在着未知的非线性关系，这使预测建模及提高预测精度等方面带来了一定的难度，因此，采取切实可行的技术方法，提高木材材性参数模型预测的精确度，可为研究木材材质改良提供了重要的科学依据。基于上述目标，本文主要做了以下几方面的工作：(1)调查近年来关于木材材性参数建模的研究最新动态和进展，并且根据所查阅的资料，提出本文的研究思路和研究方法，分析木材结构参数与其物理力学特性的内在联系，将神经网络应用于木材材性参数建模。(2)选择帽儿山落叶松为树种，采集制作试样，设计试验，对木材年轮密度、纵向弹性模量及相应的含水率进行了测量，为后续的建模提供了数据准备。(3)介绍了神经网络辨识建模的基本原理、模型结构以及建模的主要步骤，分析BP(Back Propagation)算法实际应用中存在的一些问题与困难，讨论了产生这些问题的原因以及解决的办法。(4)介绍了粒子群优化(Particle Swarm Optimization，PSO)算法的基本性能，并归纳总结了其发展过程和应用。在此基础上，提出了采用PSO算法与BP算法相结合的方法对神经网络进行优化和设计。(5)为了检验本文提出方法的有效性，将基于PSO优化的神经网络应用到木材材性参数建模，突破了寻求单一的二元关系的传统模式，实现木材密度、含水率与弹性模量之间的物理力学性质的映射，同时反映了从心材到边材的材性变异。实验和仿真结果表明了该方法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
木材材性参数论文参考文献
[1].兰俊,吴永富,罗建中,吴兵,Raymond,C,A.斑皮桉生长性状及木材材性遗传参数估算[J].桉树科技.2011
[2].郑世强.基于PSO优化技术的木材材性参数神经网络建模研究[D].东北林业大学.2007
[3].王炳云.综合参数法评价木材材性[J].林业科技开发.1990