利用深度神经网络(DNN)模型建立杉木的树高-胸径模型,寻求一种更加高效的杉木树高预测方法。以贵州省清镇市国有林场49块样地中杉木的胸径、树高数据为研究对象,分成不同比例的训练集和测试集,训练集占比分别为20%,30%,40%,50%,60%,70%,80%;对应的测试集占比分别为80%,70%,60%,50%,40%,30%,20%。利用DNN构建树高-胸径模型,并将其与11个传统基础模型进行比较,通过R2、RMSE和MAE对比选出预测效果最好的模型,并根据最优模型添加林木胸径与优势木平均胸径比(DDH),以提高模型的预测精度。利用DNN模型建立的树高-胸径模型在训练集占比为20%的情况下,加入DDH因子后其预测精度R2达到0.89。利用DNN构建杉木树高-胸径模型对杉木树高进行预测,在使用较小数据量的前提下加入DDH因子能够提高对杉木树高的预测效果。