Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Inventory Control Under Parametric Uncertainty of Underlying Models Kapitel lesen Erstes Kapitel lesen

2013 | OriginalPaper | Buchkapitel

The Further Development of Stem Taper and Volume Models Defined by Stochastic Differential Equations

verfasst von : Petras Rupšys

Erschienen in: IAENG Transactions on Engineering Technologies

Verlag: Springer Netherlands

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Stem taper process measured repeatedly among a series of individual trees is standardly analyzed by fixed and mixed regression models. This stem taper process can be adequately modeled by parametric stochastic differential equations (SDEs). We focus on the segmented stem taper model defined by the Gompertz, geometric Brownian motion and Ornstein-Uhlenbeck stochastic processes. This class of models enables the representation of randomness in the taper dynamics. The parameter estimators are evaluated by maximum likelihood procedure. The SDEs stem taper models were fitted to a data set of Scots pine trees collected across the entire Lithuanian territory. Comparison of the predicted stem taper and stem volume with those obtained using regression based models showed a predictive power to the SDEs models.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Least Squares Data Fitting Subject to Decreasing Marginal Returns
Nächstes Kapitel Computing Compressible Two-Component Flow Systems Using Diffuse Interface Method
Literatur
1.
Jana D, Chakraborty S, Bairagi N (2012) Stability, nonlinear oscillations and bifurcation in a delay-induced predator-prey system with harvesting. Eng Lett 20(3):238–246
2.
Boughamoura W, Trabelsi F (2011) Variance reduction with control variate for pricing asian options in a geometric L’evy model. IAENG Int J Appl Math 41(4):320–329MathSciNet
3.
Bartkevičius E, Petrauskas E, Rupšys P, Russetti G (2012) Evaluation of stochastic differential equations approach for predicting individual tree taper and volume, Lecture notes in engineering and computer science. In: Proceedings of the world congress on engineering, WCE 2012, 4–6 July 2012, vol 1. London, pp 611–615
4.
Suzuki T (1971) Forest transition as a stochastic process. Mit Forstl Bundesversuchsanstalt Wein 91:69–86
5.
Tanaka K (1986) A stochastic model of diameter growth in an even-aged pure forest stand. J Jpn For Soc 68:226–236
6.
Rupšys P, Petrauskas E, Mažeika J, Deltuvas R (2007) The gompertz type stochastic growth law and a tree diameter distribution. Baltic For 13:197–206
7.
Rupšys P, Petrauskas E (2009) Forest harvesting problem in the light of the information measures. Trends Appl Sci Res 4:25–36CrossRef
8.
Rupšys P, Petrauskas E (2010) The bivariate Gompertz diffusion model for tree diameter and height distribution. For Sci 56:271–280
9.
Rupšys P, Petrauskas E (2010) Quantifying tree diameter distributions with one-dimensional diffusion processes. J Biol Syst 18:205–221CrossRef
10.
Rupšys P, Bartkevičius E, Petrauskas E (2011) A univariate stochastic gompertz model for tree diameter modeling. Trends Appl Sci Res 6:134–153CrossRef
11.
Rupšys P, Petrauskas E (2012) Analysis of height curves by stochastic differential equations. Int J Biomath 5(5):1250045
12.
Rupšys P, Petrauskas E, Bartkevičius E, Memgaudas R (2011) Re-examination of the taper models by stochastic differential equations. Recent advances in signal processing, computational geometry and systems theory pp 43–47
13.
Kozak A, Munro DD, Smith JG (1969) Taper functions and their application in forest inventory. For Chron 45:278–283
14.
Max TA, Burkhart HE (1976) Segmented polynomial regression applied to taper equations. For Sci 22:283–289
15.
Kozak A (2004) My last words on taper equations. For Chron 80:507–515
16.
Trincado J, Burkhart HE (2006) A generalized approach for modeling and localizing profile curves. For Sci 52:670–682
17.
Yang Y, Huang S, Meng SX (2009) Development of a tree-specific stem profile model for White spruce: a nonlinear mixed model approach with a generalized covariance structure. Forestry 82:541–555CrossRef
18.
Rupšys P, Petrauskas E (2010) Development of q-exponential models for tree height, volume and stem profile. Int J Phys Sci 5:2369–2378
19.
Westfall JA, Scott CT (2010) Taper models for commercial tree species in the Northeastern United States. For Sci 56:515–528
20.
Petrauskas E, Rupšys P, Memgaudas R (2011) Q-exponential variable form of a stem taper and volume models for Scots pine Pinus Sylvestris) in Lithuania. Baltic For 17(1):118–127
21.
Itô K (1936) On stochastic processes. Jpn J Math 18:261–301
22.
Oksendal BK (2002) Stochastic differential equations, an introduction with applications. Springer, New York, p 236
23.
Uhlenbeck GE, Ornstein LS (1930) On the theory of Brownian motion. Physical Rev 36:823–841MATHCrossRef
24.
Max TA, Burkhart HE (1976) Segmented polynomial regression applied to taper equations. For Sci 22:283–289
25.
Fisher RA (1922) On the mathematical foundations of theoretical statistics. Philos Trans R Soc A-Math Phys Eng Sci 222:309–368MATHCrossRef
26.
Metadaten
Titel
The Further Development of Stem Taper and Volume Models Defined by Stochastic Differential Equations
verfasst von
Petras Rupšys
Copyright-Jahr
2013
Verlag
Springer Netherlands
Buch
IAENG Transactions on Engineering Technologies

Print ISBN: 978-94-007-6189-6

Electronic ISBN: 978-94-007-6190-2

Copyright-Jahr: 2013

DOI
https://doi.org/10.1007/978-94-007-6190-2_10

Neuer Inhalt

    Bildnachweise