简单随机样本平方平均数的分布

服从正态分布的随机变量，其简单随机样本的平方平均数亦是一个随机变量。本文首先推导出这一随机变量遵从的概率分布，进而依据该分布给出了用等概简单随机样本估计总体平方平均数的正确方法     

饲粮硒水平对内江及其杂交猪生长生长,血浆谷胱甘肽过氧化物酶活性和组织硒含量的影响

108头断奶到90kg体重的内江猪,杜洛克×内江(二元)和杜洛克×长白×内江杂交猪(三元),饲予含硒0.015—0.020ppm的基础饲粮,并分别添加0、0.10、0.20、0.30和0.50ppm的硒。试验考察了缺硒对生长,血浆胱甘肽过氧化物酶(GSH—Px)活性,组织含硒的影响。结果表明:含硒0.22ppm组产生严重缺硒症,死亡率达25—42％,日增重和饲料利用效率显著低于补硒组(P<0.05)。GSH—Px活性和组成硒与日粮硒水平成显著正相关(P<0.01)。按照GSH—Px活性确定,10—50kg二元和三元杂交猪实用饲粮硒的推荐量以0.32ppm,内江猪0.22ppm;肥育期三种猪场以0.12ppm较适宜。     

介绍一种探测性状遗传结构的新法——三重测交法

本文较为系统地介绍和推证了Kearsey和Jinks(1968)提出的检测群体性状遗传结构的交配设计—三重测交的遗传原理及统计分析方法,并提出一种处理固定上位性遗传分量和非固定上位性遗传分量的近似方法。其目的是使育种家能更好理解和应用这一新的遗传交配设计,为作物的遗传研究和育种工作服务。     

乔砧苹果树密植早果丰产技术参数研究

本文就我国亚热带湿热少日照湿性常绿阔叶林生态型区条件下,对乔砧苹果幼树密植早果丰产的一些技术参数进行的田间试验结果表明:六项基础结构参数与早期产量形成密切相关。在该生境下,全冠等幼树具超长枝,多次枝和腋花芽结果性,为早果丰产的枝类结构基础。对旺枝摘心同时摘除先端2—4片幼叶,可控旺长,促分枝成花,成形矮化紧凑。定植苗多留根、干可加强整体营养生长。为早果丰产栽培技术提供了依据。     

样本量的估计

由于森林抽样调查的样本量比较大,同时总体一般又都很大而抽样比很小,所以本文讨论在重复抽样方式下大样本的样本量估计,并以最常用的简单随机抽样和分层抽样为例,提出了总体均值抽样估计的样本量计算公式。对于样本量为n的简单随机样本,样本均值与样本方差分别记为:     

水稻籼、粳两亚种产量构成特点的剖析与比较

选取籼、粳稻品种各65个,用相关、逐步回归和通径分析法,研究其产量结构特点和最优产量结构模式,结果表明:在产量与其它性状的关系上,有一定差异,相似性系数为0.711。籼、粳稻的最优产量结构模式不同,在籼、粳稻产量构成中,穗数的作用最大,其次是穗重。本本还对水稻常规与超高产育种的策略作了讨论。     

T型杂交小麦产量构成因素之分析

本文分单株考察了91个T型杂交种的穗数、穗粒数、穗粒重、千粒重、产量等性状及其超标优势,并用偏相关、多元回归、通径分析等方法分析了上述性状及其超标优势间的关系。结果表明,穗粒数、穗粒重、单株产量具有较普遍的强超标优势,单株穗数、千粒重的超标优势较低,也不普遍;且各性状本身及其超标优势间均存在不同程度或性质的相关关系,但对产量或产量超标优势的贡献均以直接的正效应为主,均以也单株穗数>穗粒数>千粒重。因此,在筛选杂交组合时,应着重保持适当的穗数和充分发挥穗粒数优势强的特点,同时兼顾千粒重等性状。     

应用猪胴体部分分离性状及度量性状估测胴体瘦肉率的研究

用四川本地猪28头、外种猪12头及其二元杂交猪86头和三元杂交猪头36共计162头,研究了胴体瘦肉率与胴体部分分离性状及胴体度量性状间的相关关系。结果表明:应用胴体部分分离性状特别是三大块骨肉率及腿臀骨肉率,估测胴体瘦肉率的精确性极高(R>0.98,Sy.x<1.0),完全可以替代传统的胴体全分离法;应用胴体度量性状主要是最大膘皮厚、6-7肋膘皮厚及最后肋骨处距背中线6.5厘米的眼肌厚和膘皮厚估测胴体瘦肉率的精确性也高(R>0.9,Sy.x<2.3),且简单易测可用于实际估测;品种间性状的平均数、标准差以及间接性状与胴体瘦肉率的简单和复相关系数均存在显著差异。杂交猪的标准差及简单和复相关系数大于纯种猪。总群体的标准差及的简单和复相关系数均高于单一品种,品种效应显著,且在胴体度量性状与瘦肉率的相关中品种效应较大,在胴体部分分离性状与瘦肉率的相关中则较小。     

猪脂类指标及其与胴体性状相关性的研究

用在相同条件下肥育的长白、雅南及其杂交猪,测定皮下脂肪、板油和五块肌肉的主要脂类含量和脂肪酸组成。结果表明:(1)粗脂肪、胆固醇含量、碘价和脂肪酸组成,在品种间存在着显著差异;(2)粗脂肪、胆固醇含量、碘价和脂肪酸组成在品种不同部位存在明显差异;(3)胴体瘦肉率与肌肉中粗脂肪、胆固醇含量、脂肪酸的饱和度均呈负相关,与碘价呈正相关;(4)典型相关分析,腰大肌、肌二头肌、脂肪、板油的脂类指标与胴体性状相关(P<0.01),背最长肌、脂肪的脂类指标与肉质性状相关(P<0.01),胴体性状与体尺指标、肉质性状相关(P<0.01)。     

土壤分类中的综合数值方法

本文通过0—1化和主成分分析构成的“二次转换法”对多态数据进行数量化,再采用主成分分析缩维、平方和增量法聚类、逐步判别程序检验结果,结合orford(1976)的经验方法定类,较为理想地解决了三类问题,将64个供试剖面划分为3类,其类间差异极显著,类内差异不显著。     

基于哑变量和因子选择的森林蓄积量估测研究

为提高森林蓄积量遥感估测精度,探讨哑变量技术在蓄积量遥感估测中的作用。以云南省普洱市思茅区为研究区,以Landsat 8 OLI和93块森林资源二类调查角规控制样地数据为基础,使用随机森林（random forest）算法进行遥感变量因子的选择,并以龄组为哑变量分别构建基于哑变量的SVR和PLSR蓄积量估测模型,采用留一交叉验证对结果进行评估。结果表明,使用随机森林算法进行变量的选择有效减少了自变量的维度,提高了计算效率;其次,哑变量引入后,PLSR和SVR 2种回归模型的估测精度都比无哑变量方法有明显的提高,且SVR的估测结果优于PLSR;在引入哑变量后SVR模型的决定系数R²由0.59提高到0.68,相对均方根误差rRMSE由36.76%降低至32.97%,PLSR模型的决定系数R²由0.53提高到0.62,相对均方根误差rRMSE由39.41%降低至35.24%。在森林蓄积量的遥感估测中,哑变量技术的应用可以在一定程度上解决不同蓄积量大小对估测结果造成的影响,进而提高蓄积量的估测精度。     

基于Rapideye影像的林木地上生物量估测

以石台县为研究地,结合Rapideye高分遥感影像和不同森林类型样地林木地上生物量调查数据,采用Pearson双变量相关分析方法筛选模型变量,分别用多元线性回归和随机森林算法建立不同森林类型的遥感地上生物量估测模型,并进行模型估测精度对比分析。结果表明,叶绿素红边模型(CRM)与叶绿素绿波模型(CGM)2个指数与针叶林、阔叶林生物量在0.01水平上的相关性极显著,且在其多元线性回归模型和随机森林模型中两者均被挑选为建模变量。另外,与生物量相关性较强的纹理特征主要集中的红光波段和红边波段,且仅MEAN、VAR、SM3个滤波对生物量估测贡献较大,可作为建模变量。阔叶林、针叶林和针阔混交林3种森林类型的地上生物量模型估测精度均表现为随机森林模型优于多元线性回归模型。随机森林模型生物估测绝对均方误差在12.8760~36.5363之间,相对均方误差在20.20%~45.95%之间;多元线性回归生物量估测绝对均方误差在22.0425~46.4494之间,相对均方误差在34.58%~58.42%之间。     

基于地形与竞争因子的青冈栎次生林树高哑变量模型研究

考虑不同地形和林木竞争对青冈栎树高与胸径关系的影响，构建青冈栎树高与胸径的哑变量模型，为青冈栎次生林的树高预测和可持续经营提供理论依据。以16个青冈栎次生林固定样地为研究对象，通过确定系数（R²）、赤池信息量准则（AIC）、均方根误差（RMSE）和平均预估误差（MPE）4个评价指标，从11个基础模型中筛选出最优的基础模型。利用F统计检验分析了不同坡向和坡度对青冈栎树高与胸径关系的影响，同时对Hegyi简单竞争指标进行了改进。基于坡向、坡度和竞争强度3个哑变量，构建青冈栎树高与胸径的哑变量模型。结果表明，对数模型M2为最优基础模型，其确定系数（R²=0.686）最大，均方根误差（RMSE=1.380）和平均预估误差（MPE=1.242）最小；不同坡向和坡度下，模型的F统计值均大于F临界值；Hegyi改进指标与树高、胸径的相关系数达到-0.452、-0.418，相比Hegyi简单竞争指标有明显提高；基础模型中引入坡向、坡度和竞争强度哑变量后，模型的拟合精度均显著提高，R²提高了0.035，RMSE减少了0.077，MPE减少了0.070%。从林木的水平和垂直空间上构建青冈栎林木竞争指标更加准确，坡向、坡度和林木竞争对青冈栎树高与胸径关系存在显著影响。综合考虑地形与林木竞争的哑变量模型拟合精度更高，能为青冈栎树高生长的预测提供参考。     

红松树高-胸径的非线性混合效应模型研究

以吉林省汪清林业局的蒙古栎阔叶混交林和云冷杉阔叶混交林24块固定样地中的2598株红松为研究对象,利用Chapman-Richards方程建立了不含随机效应与含随机效应的单木树高-胸径简单模型和广义模型。模型拟合和检验的评价指标主要包括调整决定系数(R2a)、平均相对误差绝对值(RMA)和均方根误差(RMSE)。对于混合效应模型,设计了随机抽取、抽胸径最大的树、抽胸径最小的树和抽平均木4种抽样方案计算随机参数,通过对比4种抽样设计下模型的误差统计量,分析了不同抽样设计下样本数量和预测精度的关系。结果表明:基于混合效应模型的红松单木树高-胸径模型拟合效果(简单模型的R2a在0.753~0.886之间,RMA在11.3%~15.1%之间,RMSE在1.38~2.01m之间;广义模型的R2a在0.754~0.886之间,RMA在11.1%~15.0%之间,RMSE在1.38~2.01m之间)优于不含随机参数的红松单木树高-胸径模型(简单模型的R2a在0.502~0.868之间,RMA在12.2%~17.8%之间,RMSE在1.42~2.65m之间;广义模型的R2a在0.711~0.877之间,RMA在11.6%~17.2%之间,RMSE在1.41~2.10m之间);包含随机效应的简单模型和广义模型拟合效果没有明显的差异,表明基于混合效应模型的单木树高-胸径简单模型可以很好地描述树高-胸径关系在不同森林类型、不同样地间的差异,因此不需要在树高-胸径模型中增加其他自变量;抽取平均木的抽样设计优于其他3种抽样设计,且抽取4株平均木时,预测精度提升最为明显,综合预测精度和调查成本的考虑,在实践中应用包含随机效应的红松树高-胸径模型时,推荐在样地中抽取4株平均木测量其树高来估计随机参数。      

基于遥感的福建闽侯丘陵区农作物种植面积空间抽样方法

以福建闽侯县作为研究区,采用传统抽样(简单随机抽样、系统抽样、分层抽样)、空间抽样(空间随机抽样、空间系统抽样、空间分层抽样)等方法对研究区农作物种植面积进行样本抽选、总体推算及误差估计,结果表明:1 500 m×1 500 m格网为最优抽样单元尺寸,空间分层抽样方法的相对误差为3.86%,变异系数为6.03%,抽样成本为6.03,抽样效率高.与传统抽样方法相比,空间抽样方法显著减少样本容量,节约调查成本.     

基于RBF神经网络的池州市降水序列预测

时间序列预测分析方法是进行预测预报的有效工具,有着广泛的应用。针对时间序列的非线性、动态变化等特征,基于RBF神经网络对时间序列预测方法进行改进,并以安徽省池州市1959～2009年来的月降水量为时间序列数据样本,用MATLAB软件编程,采用基于随机选取中心的RBF神经网络预测方法,对池州市的月降水量进行预测,并选择不同的扩展速度参数,用均方误差进行检验。通过与BP网络模型的预测结果比较分析,表明RBF模型的预测效果较好。建立的基于随机选取中心的RBF神经网络模型,不需要计算原始时间序列数据的复杂函数关系,具有操作简单、学习速度快、短期预测精度高等优点,用于时间序列预测方面能够获得十分满意的结果,具有很高的应用价值。     

云南地方稻种资源核心种质取样方案研究

 以国家品种资源库编目入库的云南地方稻种资源 61 2 1份为材料 ,以 31个分类、形态及产量性状为基本数据研究了云南地方稻种资源的核心种质取样方案。取样方案包括分组原则、组内取样比例的确定和组内取样方法 ,分组原则为按丁颖分类体系、程王分类体系、云南稻作生态区、行政地区和单一性状分组及不分组的大随机 ;组内取样比例的确定有平方根法、对数法、遗传多样性法和简单比例法 ;组内取样采用随机法和聚类法。结果表明 ,遗传多样性指数、表型方差、表型频率方差、变异系数和表型保留比例等 5个参数可作为检验各取样方案所得的核心种质的指标 ,通过检验可知 ,以丁颖和程王两种分类体系为分组原则、以平方根或对数法确定组内取样比例采用聚类法在组内进行取样是比较好的取样方案     

中国大豆(Glycine max)核心种质构建Ⅰ.取样方法研究

 以 2 3 587份中国栽培大豆为试验材料 ,根据农艺性状 ,用 2 0种方法构建了大豆初级核心种质 ,对 3种分层法、3种确定取样数法和 2种个体选择法进行了比较 ,明确了栽培大豆核心种质构建的适宜取样方法和取样比例。不同取样方法与总体都进行了品种分类数、各性状符合度、数量性状平均数、各性状多样性指数方差和平均品种距离共 5个指标的比较分析 ,结果表明 ,三层次取样方法 (品种分类法 )对总体的代表性优于二层次或一层次取样法 ,按比例和平方根确定取样数方法对总体的代表性优于多样性指数法 ,聚类选择的方法对总体的代表性优于随机选择方法。在 2 0种方法不同取样比例条件下 ,方法 17的平均品种距离降低幅度大于方法 15。因此 ,利用品种分类法进行分层 ,用比例法确定取样数目 ,根据聚类结果进行个体选择的方法 15是构建大豆初级核心种质的最佳方法。用最佳方法构建的初级核心种质 ,比较不同取样比例的品种平均距离 ,确定品种平均距离由缓慢降低到明显降低点 (9.0 % )为适当的取样比例     

基于小波滤噪和iPLS的草莓近红外光谱糖度检测模型

[目的]获得精度高、鲁棒性强的草莓近红外光谱糖度检测模型。[方法]利用K-S（Kennard-Stone）方法划分样本集,并用小波滤噪法对草莓1000～2500nm近红外光谱进行预处理,最后用偏最小二乘法（PLS）和区间偏最小二乘法（iPLS）分别建立预测模型。[结果]采用区间偏最小二乘法将光谱划分为20个子区间,利用其中的第16个子区间建立的糖度模型效果最佳,其校正时的相关系数Rc和校正均方根误差RMSEC分别为0．9355和0．259,预测时的相关系数邱和预测均方根误差RMSEP分别为0．9202和0．305。[结论]用小波滤噪和联合区间偏最小二乘法所建立的草莓糖度模型不仅能有效地减少建模所用的变量数,缩短运算时间,而且预测能力和精度均得到提高。