On the analysis of cubic smoothing spline-based stem curve prediction for forest harvesters
Notice bibliographique
Résumé
In the cut-to-length (CTL) harvesting system the felling, delimbing, and bucking processes take place at the harvesting site. The optimal cutting points along the stem can be determined if the whole stem curve is known. In practice, however, it is not economically feasible to measure the whole stem first before crosscutting, and hence the first cutting decisions are usually made when only a short part of the stem is known. Predictions are used to determine the cutting pattern to compensate for the unknown part of the stem. In this paper our interest focuses on stem curve prediction in a harvesting situation and we study a modified version of a cubic smoothing spline-based prediction method devised by Nummi and Mottonen (T. Nummi and J. Mottonen. 2004. J. Appl. Stat. 31: 105–114). The method's performance was assessed in five different final felling stands of spruce and pine, collected by harvesters in southern Finland. The results for the spline approach are very promising and show the superiority of the method over the linear mixed-model-based approach of Liski and Nummi (E. Liski and T. Nummi. 1995. Scand. J. Stat. 22: 255–269) and also over the approach based on the variable-exponent taper equation of Kozak (A. Kozak. 1988. Can. J. For. Res. 18: 1363–1368).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».