1、隨著“數字林業(yè)”發(fā)展，人們獲取了大量的森林資源數據，如何從這海量的數據中提取出有用的信息用于指導林業(yè)經營管理成為人們關注的問題。數據倉庫和數據挖掘技術能從這海量的數據中提取人們感興趣的信息，用于指導林業(yè)的生產。 本文根據林業(yè)管理者的需求，從分析二類調查數據的特征入手，并從概念模型、邏輯模型、物理模型上設計了林業(yè)數據倉庫。在概念模型設計中，主要進行需求分析并創(chuàng)建了信息包圖；在邏輯模型中，運用OLAP知識設計多維的聯(lián)機分析的模型并在

2、粒度設計問題上，選擇了雙重粒度；在物理模型設計上本文采用并行的存儲結構RAID(ReduandantArrayofInexpensiveDisk，廉價冗余磁盤陳列)結構和位圖索引(BitMap)方法來優(yōu)化性能。 在數據挖掘模型中，運用了粗糙集理論設計了立地質量評價模型和用模糊神經網絡方法實現(xiàn)了福建省杉木的蓄積量預測模型。在立地質量評價模型中主要運用屬性的重要度來確定各評價因子的權重，運用總分值來確定各評價等級。在福建省杉木的蓄積

3、量預測模型，由于BP神經網絡在大樣本的學習中，速度非常慢，為了解決該該問題，選用模糊聚類算法先對學習樣本進行分類并從不同類別中選取部分學習樣本作為新的學習樣本。并運用三種BP算法(L-M優(yōu)化算法、貝葉斯正則化算法、動量梯度下降算法)來設計該預測模型，并在matlab上實現(xiàn)。最后經過比較確定福建省杉木的蓄積量預測模型為貝葉斯正則化算法，中間隱含層的結點為15。 最后，提出了二類清查數據倉庫的系統(tǒng)結構，并指出了本文需要進一步討論和研