以马尾松为例，探索并验证BP神经网络模型在立木生物量估测上的适用性。通过12种算法的筛选、输入变量和输出变量的确定以及隐层节点数的选择，确定最优的模型拓扑结构，构建单隐层BP神经网络模型；对比单输入变量与多输入变量模型、单输出变量与多输出变量模型，并分析模型的输入变量数和输出变量数对模型估测精度的影响；将优选BP模型与传统相对生长模型进行对比以验证BP模型的可行性。结果表明：1)最优BP模型 LM-DH-8-WtWaWr的训练算法为Levenberg-Marquardt算法，输入变量为D、H，输出变量为W
