最佳线性无偏预测估计种畜育种值（BLUP）可视化计算机程序

应用VB6可视化编程软件，设计较先进的最佳线性无偏预测估计种畜育种值（BLUP法）程序，增强了软件的功能，使其更具易用性、广泛性。     

陕西森林火灾的发生趋势及预测方法探讨

探讨了Ｍａｒｋｏｖ转移矩阵和ＧＭ（１，１）灰色模型预测陕西森林火灾趋势的方法。并预测２０００年前，森林火灾基本处于Ｂ级稳定状态，最小级Ａ出现于１９９８年，最大级Ｃ可能出现于２０００年。     

羊草乙醛脱氢酶（ALDH）基因片段的克隆及表达分析

[研究目的]克隆羊草的乙醛脱氢酶ALDH基因片段,研究该基因在不同条件下的表达情况。[方法]采用RT-PCR技术克隆羊草的ALDH基因片段,并对其核苷酸和氨基酸序列进行分析,采用RealTimeRT-PCR方法研究该基因的表达。[结果]获得了羊草的ALDH基因片段,长度为675bp,编码225aa。核苷酸序列比较表明,与水稻ALDH1a序列(AB037421)同源性为86%,与玉米RF2C(AF348413)同源性为85%。BLASTp分析,该序列与水稻、玉米、拟南芥的乙醛脱氢酶一致性分别高达87%、86%、60%,含有醛脱氢酶基因家族的保守结构域。RealTimeRT-PCR数据表明,在诱导条件下该基因的表达量呈先升高后降低的趋势。总体上来说,该基因对盐的响应要高于干旱和冷冻。[结论]成功获得了羊草ALDH基因片段,并研究了该基因的表达情况,为进一步克隆羊草ALDH全长基因奠定了基础。     

果园发展水平遥感动态监测与预测

应用遥感技术，对地处南亚热带的福州建新的果园发展进行长达２０年的监测和预报．结果表明，采用遥感技术与结合地面动态监测网调查资料，所获取的果园发展水平的动态信息数据可靠，方法可行．     

人鼠间的MicroRNA前体预测

MicroRNA是一类新的基因表达调控分子,在生物体的分化、发育以及癌症发生中都起着非常重要的作用。应用高灵敏度的预测方法从人鼠高度保守的基因组片段中识别出19条新的MicroRNA前体,它们具有在基因组中紧密成簇分布的特征。     

西门塔尔牛、和牛与荷斯坦牛杂种优势预测及实际杂交效果分析

旨在利用覆盖全基因组和性状的特异性SNPs标记预测和牛、西门塔尔牛与荷斯坦牛杂种优势,为牛杂种优势利用和选种选配提供参考依据。本研究分别利用牛Illumina Bovine HD 770 K和GGP Bovine 100 K芯片对464头和牛、1 222头西门塔尔牛和43头荷斯坦牛3个亲本群体进行基因型分型,并通过牛QTLs数据库筛选与目的性状对应的QTLs,对比牛参考基因组映射得到与初生重、周岁重、胴体重性状相关的特异性SNPs;然后构建覆盖全基因组和性状特异性SNPs两种标记状态同源矩阵,通过计算杂交组合亲本间的遗传距离来预测品种间杂种优势,并利用配合力分析验证较优组合的实际杂交效果。结果表明,基于全基因组和性状特异性SNPs计算的各杂交组合遗传距离差异不显著。在全基因组水平上,西门塔尔牛♂×荷斯坦牛♀（S×H）与和牛♂×荷斯坦牛♀（W×H）亲本间杂交组合遗传距离分别为0.346 1和0.338 9;在初生重、周岁重和胴体重性状上,S×H亲本间遗传距离分别为0.343 1、0.348 7和0.336 7,而W×H遗传距离分别为0.337 6、0.340 7和0.329 2;两种SNPs标记计算的遗传距离均为S×H较大,W×H次之。因此,在初生重、周岁重、胴体重性状上,S×H为较优杂交组合。通过分析德系西门塔尔牛♂×荷斯坦牛♀实际杂交群体的配合力,发现10个父系在初生重性状上一般配合力和特殊配合力均为正效应,最高效应值分别达到3.760 9和8.931 2。西门塔尔牛与荷斯坦牛杂交可在初生重、周岁重和胴体重获得较高的杂种优势。     

基于机器学习算法的奶牛疾病预测模型的研究

【目的】评估建立奶牛疾病预测模型的6种机器学习（machine learning,ML）算法的性能及预测变量的重要性。【方法】选取2020年12月至2021年11月,共计944头泌乳牛的生产信息、行为信息作为预测因子,疾病信息作为输出变量,训练并验证模型。将日产奶量、反刍量、活动量、胎次和泌乳天数作为输入变量,利用ML算法建立奶牛疾病的预测模型,评估决策树（Decision Tree,DT） C5.0、CHAID算法、人工神经网络（Artificial Neural Network,ANN）、随机森林（Random Forests,RF）、贝叶斯网络（Bayesian Networks,BN）和逻辑回归（Logistic Regression,LR）6种ML算法的性能,评估预测变量的重要性,以及将胎次和泌乳天数纳入预测变量后模型性能的改善情况。采用敏感性和特异性评估模型性能,按照权重排序评估输入变量对模型预测的重要性。【结果】DT C5.0算法敏感性>85%,特异性>90%,为性能最佳的模型;RF总敏感性为56.8%,对各类牛预测的性能较稳定;ANN、BN、DT CHAID则对样本量较多的疾病预测性能较好,可达74.4%;LR对病牛正确识别率不足40.0%,大多识别为健康牛。产奶量为RF、ANN、LR最重要的预测变量,泌乳天数为DT C5.0、CHAID和BN最重要的预测变量;纳入胎次和泌乳天数后,模型预测的敏感性平均提高9.8%。【结论】ML算法在对奶牛疾病的预测方面表现出很大潜力,其中,DT C5.0更适合用于预测奶牛疾病。产奶量和泌乳天数为疾病预测模型中相对重要的变量,此外,将胎次和泌乳天数纳入预测变量,可提高模型的预测精度。     

我国山苍子资源利用现状和产业化前景评述

综述了我国富产山苍子资源的利用现状和深度研究开发利用的价值及前景，同时介绍了目前这一领域半合成鸢尾酮系列香料的研究进展，探讨了综合利用山苍子油产业化的趋势和意义。     

指数平滑法在公路软土地基沉降预测中的应用

运用指数平滑法分析计算公路软土地基沉降量,并对下一时间段的沉降量进行预测.结合哈尔滨绕城高速公路西段软基沉降观测数据,证明了指数平滑法预测软基沉降量的实用性.     

树木直径生长的时间序列分析及模型预测

以解析木的数据为基础,对甘肃省小陇山地区的解析木干曲线的分形特征进行了研究,从整体上对树干形状进行描述,采用R/S方法即时间序列分析法对直径的生长过程进行了分析,发现随着树木年龄的增加,其霍斯特指数值也呈现增加的趋势,并以此建立了分形生长的霍斯特(H)指数预测模型,可用于森林生长量的预测,R/S分析结果充分反映了直径动态生长过程随时间尺度变化的分形特征.结合样地及样本数据,以分形分析、线性及非线性回归为主要方法,进而为森林资源的动态监测奠定基础,具有非常重要的生态学意义.