A software tool for the estimation of wood harvesting productivity using the kNN method

For operational planning and management of wood harvests it is important to have access to reliable information on time consumption and costs. To estimate these efficiently and reliably, appropriate methods and calculation tools are needed. The present article investigates whether use of the method of the k nearest neighbours (kNN) is appropriate in this case. The kNN algorithm is first explained, then is applied to two sets of data “combined cable crane and processor” and “skidder”, both containing wood harvesting figures, and thus the estimation accuracy of the method is determined. It is shown that the kNN method's estimation accuracy lies within the same order of magnitude as that of a multiple linear regression. Advantages of the kNN method are that it is easy to understand and to visualize, together with the fact that estimation models do not become out of date, since new data sets can be constantly taken into account. The kNN Workbook has been developed by the Swiss Federal Institute for Forest, Snow and Landscape Research (WSL). It is a software tool with which any data set can be analysed in practice using the kNN method. This tool is also presented in the article.

Ein Instrument zur Schätzung von Holzernteproduktivitäten mittels der kNN-Methode

Für die betriebliche Planung und Steuerung der Holzernte ist es wichtig, zuverlässige Informationen über ihre Zeitbedarfe und Kosten zu haben. Um diese effizient und verlässlich schätzen zu können, bedarf es entsprechender Methoden und Kalkulationsinstrumente. In vorliegendem Beitrag wird geprüft, ob sich die Methode der k nächsten Nachbarn (kNN-Methode) hierzu eignet. Dazu wird die Funktionsweise der kNN-Methode erläutert und anhand zweier Datensätze zu den Holzernteverfahren «Kombiseilgerät» und «Seilschlepper» die Schätzgenauigkeit der kNN-Methode geprüft. Es zeigt sich, dass ihre Schätzgenauigkeit in derselben Grössenordnung wie diejenige einer multiplen linearen Regression liegt. Vorteile der kNN-Methode sind die einfache Verständlichkeit und gute Visualisierbarkeit sowie der Umstand, dass die Schätzmodelle nicht veralten, weil laufend neue Datensätze berücksichtigt werden können. An der Eidgenössischen Forschungsanstalt für Wald, Schnee und Landschaft wurde daher das kNN-Workbook entwickelt, ein Softwareinstrument, mit welchem beliebige Datensätze in der Praxis mit der kNN-Methode analysiert werden können. Dieses Instrument wird im Artikel ebenfalls vorgestellt.

Un instrument pour évaluer la productivité de la récolte des bois selon la méthode kNN

Pour la planification et la gestion opérationnelles de la récolte des bois, il importe de disposer d'informations fiables sur le temps requis et les coûts engendrés. Des méthodes et des instruments de calcul appropriés sont dès lors nécessaires afin que ces paramètres soient estimés avec efficacité et fiabilité. Le présent article examine dans quelle mesure la méthode des k plus proches voisins (méthode kNN) s'adapte à ce dessein. Pour ce faire, l'algorithme des k plus proches voisins est d'abord décrit avant d'être appliqué à deux sets de données sur les méthodes de récolte des bois «câble-grue et processeur combiné» et «débusqueur». Il s'avère que l'exactitude de l'estimation de la méthode kNN se situe dans le même ordre de grandeur que celle d'une régression linéaire multiple. Les avantages de la méthode kNN résident dans sa compréhensibilité et la bonne visualisation ainsi que dans le fait que les modèles ne deviennent pas obsolètes, car continuellement complétés par de nouvelles données. A l'Institut fédéral de recherches WSL a ainsi été développé un workbook kNN, un instrument logiciel qui permet d'analyser des données de la pratique avec la méthode kNN. Cet instrument est également présenté dans cette contribution.

This content is only available as a PDF.