自组织神经影射网络排序方法及其在群落分析中的应用

排序是植物群落生态分析的最重要手段。上世纪50年代以来，排序得到了重大发展，出现了一系列排序方法。现有的排序方法在解决复杂的非线性生态系统问题方面仍有不足。神经网络理论是比较新的数学分支学科，近年来有较广泛的应用，表现出优越性。自组织神经影射网络（SOFM）能够处理大量的不精确与不完全的模糊信息，对非线性问题有很强的求解能力。本项目以自组织特征映射网络为基础，发展SOFM间接梯度分析（排序）和典范SOFM直接梯度分析（排序）两个新方法，并在五台山森林和草甸生态分析中进行实际应用研究，从理论和实际应用效果上与现在应用较广泛的排序方法（DCA、CCA）进行比较，评价其优缺点。研究将丰富数量生态学的理论和方法，具有重要的理论和实际意义。