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:519
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:420
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:1852
新闻英语语篇中社会与认知因素的话语成分分析
下载:204 浏览:2048
基于气相色谱仪的石油化工产品检验研究
下载:62 浏览:758
高分子材料成分分析方法综述
下载:207 浏览:2406
摘要:
《高分子材料成分分析方法综述》,阐述和探讨高分子材料成分分析方法的论文。本研究围绕高分子材料的本质与特性展开,旨在理解材料的复杂性和多样性,为后续的成分分析方法论提供坚实的基础。高分子材料的定义、分类和常见结构模型,在深刻剖析其内在逻辑和需求的同时,揭示了其在广泛应用中的重要性。论文对于多种高分子材料成分分析方法进行了研究和整理,并以前人研究成果为参照,从不同角度出发,分别对比了各种方法的优点和局限性,其主要包含了红外光谱法、核磁共振法、元素分析法等多种常见的方法。论文更新颖部分是根据各种方法的应用场景和效果,选取了几个具有代表性的实例进行深入研究,旨在通过实际操作证明其在该领域内的实用性。明确指出在实践中应该选择适合的分析方法并注意其可能存在的问题,提升了实际操作的效率和准确性。论文的研究对于提高产品质量、节约资源和确保人类健康等方面都具有重要的价值和深远的影响。
电厂煤灰处理中的化学实验探究
下载:83 浏览:1001
金属材料化学成分分析方法的初步认知分析
下载:143 浏览:1592
中药及中成药检验的相关问题分析
下载:238 浏览:2863