最新录用
人工养殖斑鰶不同月龄表型性状的主成分与判别分析
下载：62 浏览：511
摘要:
为研究斑鰶不同月龄表型性状的生长规律和特征，及最佳生长季节各性状与月龄的关系。采用主成分和判别分析的方法对2、4、6和8月龄斑鰶的全长、体长、头长、躯干长、尾柄长、眼径、体高、尾柄高、体宽、眼间距和体重等11个性状进行分析。结果显示，斑鰶不同月龄各性状指标间呈现不同程度的正相关，各月龄的体重与全长、体长、体高和体宽的相关系数均较大，眼径和眼间距2个性状与其他性状之间的相关系数均较小，8月龄各性状对体重的相关系数均小于2、4和6月龄。斑鰶不同月龄性状的主成分有所不同，各月龄第一主成分均以增重、增长的生长发育特性为主；第二主成分为2月龄指向体宽的发育情况，4、6和8月龄指向眼径发育情况；第三主成分为2和4月龄反映头部发育情况，6月龄反映眼径发育情况，8月龄反映体宽的发育情况。通过逐步判别分析法，剔除掉3个性状指标，建立各月龄的判别函数式，总的判别准确率为99.3%，2、4和8月龄的判别准确率达到100%。斑鰶2～8月龄的体长与体重的关系为W=0.017L2.929（R2=0.981）。研究表明，全长、体长、体高和体宽是影响斑鰶生长发育最重要的表型性状指标，建立了不同生长阶段的判别函数式，生长方式为等速生长（2～8月龄）。本研究为斑鰶的选择育种工作提供理论依据和建议测量指标。
基于主成分分析及GA-LM的水产养殖环境溶解氧和氨氮含量预测
下载：64 浏览：411
摘要:
为了精准预测水产养殖过程中最重要的两个环境参数溶解氧和氨氮,针对预测模型需要解决的有效影响因子确定、预测算法和网络结构优化等问题,将Levenberg-Marquardt（LM）神经网络、遗传算法（genetic algorithm, GA）和主成分分析（PCA）算法相结合,提出一种基于GA-LM-PCA的水产养殖环境溶解氧和氨氮含量预测模型,即采用PCA确定影响因素,实现影响因素的去耦合降维,采用遗传算法对网络结构进行优化,确定合适的隐层节点数目和权值,采用LM训练神经网络,提高神经网络的收敛速度。为了验证GA-LM-PCA的预测效果,将GA-LM-PCA的预测效果与未用PCA方法的GA-LM预测模型进行了试验比较,并探讨了影响因素数量对预测效果的影响。结果表明:用GA-LM-PCA方法预测的溶解氧和氨氮值与实测值吻合较好,平均绝对误差和均方根误差分别为0.004 7、1.872 7×10-4（溶解氧）和0.006 5、9.428 7×10-4（氨氮）,适用于影响因素数量较多的场合。研究表明,GA-LM-PCA是一种有效的水产养殖环境溶解氧和氨氮预测工具,尤其对于影响因素复杂繁多的非线性系统效果更好。
土地整治前后耕地土壤微生物群落结构和多样性分析
下载：173 浏览：1842
