基于CLIMEX和ArcGIS的灰茶尺蠖在中国的潜在适生区预测

基于中国820个气象站点数据、灰茶尺蠖已知地理分布资料和生物学数据,结合CLIMEX模型与ArcGIS软件模拟预测灰茶尺蠖在中国目前及未来的潜在分布范围,评估灰茶尺蠖的潜在分布范围及气候变暖对其分布的潜在影响。结果表明,灰茶尺蠖在中国目前的适生区主要分布在3°51′N~40°6′N,适生区面积占全国总面积的34.27%。中国大部分省份的气候条件均适合灰茶尺蠖种群生长。随着气候的变化,灰茶尺蠖在中国的潜在适生区面积总体增幅不大,但其组成变化较大。至2050年,预测灰茶尺蠖高度适生区面积占比达最大（22.23%）。相比各种能源之间的平衡情景（A1B）,较高能源需求情景（A2）下灰茶尺蠖在陕甘宁地区向内陆扩张更快。灰茶尺蠖在中国适生区分布广泛,应加强灰茶尺蠖预测预报,趁早采取防控措施,以保障茶叶优质安全生产。     

基于智能算法优化SVM的横向通风过程中温度场预测方法探究

将改进的智能预测技术应用于储粮横向通风过程中的粮堆温度预测,为粮食通风智能预测与决策提供了一种新思路。选取河北清苑国家粮食储备库冬季横向通风的实时监测数据,在分析主要影响因素的基础上,应用三种智能优化算法——网格寻优算法、GA遗传算法寻优、PSO粒子群算法,结合回归支持向量机理论,对粮堆的通风过程进行建模。结果表明,优化过的回归预测模型能较好地拟合粮食温度与其他变量之间的非线性关系,尤其是当样本数量较为有限时,该方法具有更高的拟合精度,更适合对储粮通风这一强非线性过程的预测研究,对于人工干预操作具有一定的现实指导意义。     

根钻和图像法测定棉麦套种及单种作物根长密度的精确性研究

【目的】研究田间根钻取样结合计算机图像软件分析方法测定棉麦套种及单种作物根长密度的精确性。【方法】结合田间根钻取样,分别用图像法(DT-SCAN图像软件分析法)和直尺法(常规人工直尺测量法)测量根长密度,通过2002―2013年试验获得的3423对根长密度数据分析图像法的精确性,使用根均方差描述图像法测定值(模拟值)与直尺法测定值(观测值)之间的一致性。【结果】2种方法测定根长密度的相关性较好,图像法的精确性较高。对可能影响图像法精确性的因素分析表明:(1)在不同种植模式下图像法的精确性表现为小麦单种模式棉花单种模式麦棉套种模式;(2)随着土壤深度增加,图像法的精确性增加;(3)在麦棉套种模式下图像法的精确性从麦幅到棉幅逐渐提高,在小麦单种模式下行上大于行间,在棉花单种模式下行上小于行间;(4)在棉花开花前图像法的精确性表现为棉花单种模式大于麦棉套种模式,在棉花开花后表现为棉花单种模式小于麦棉套种模式。【结论】田间根钻取样结合计算机图像软件分析方法测定棉麦套(单)种作物根长密度的精确性较高,该方法成本低、测定速度快,能更好地扫描并分析计算棉花的细小侧根,具有较强的先进性和较高的可靠性。     

基于SVM的CFRW导电性建模预测研究

针对碳纤维增强木质复合材料（CFRW）导电性具有非线性的特点，采用基于支持向量回归机（SVM）的机器学习方法建立碳纤维增强木质复合材料导电性预测模型。结果表明，所建模型的预测精度高、泛化能力强.     

快速型黄羽肉鸡饲料利用效率性状的基因组选择研究

旨在探究快速型黄羽肉鸡饲料利用效率性状的遗传参数,评估不同方法所得估计育种值的准确性。本研究以自主培育的快速型黄羽肉鸡E系1 923个个体（其中公鸡1 199只,母鸡724只）为研究素材,采用"京芯一号"鸡55K SNP芯片进行基因分型。分别利用传统最佳线性无偏预测（BLUP）、基因组最佳线性无偏预测（GBLUP）和一步法（SSGBLUP）3种方法,基于加性效应模型进行遗传参数估计,通过10倍交叉验证比较3种方法所得估计育种值的准确性。研究性状包括4个生长性状和4个饲料利用效率性状：42日龄体重（BW42D）、56日龄体重（BW56D）、日均增重（ADG）、日均采食量（ADFI）和饲料转化率（FCR）、剩余采食量（RFI）、剩余增长体重（RG）、剩余采食和增长体重（RIG）。结果显示,4个饲料利用效率性状均为低遗传力（0.08~0.20）,其他生长性状为中等偏低遗传力（0.11~0.35）;4个饲料利用效率性状间均为高度遗传相关,RFI、RIG与ADFI间为中度遗传相关,RFI与ADG间无显著相关性,RIG与ADG间为低度遗传相关。本研究在获得SSGBLUP方法的最佳基因型和系谱矩阵权重比基础上,比较8个性状的估计育种值准确性,SSGBLUP方法获得的准确性分别比传统BLUP和GBLUP方法提高3.85%~14.43%和5.21%~17.89%。综上,以RIG为选择指标能够在降低日均采食量的同时保持日均增重,比RFI更适合快速型黄羽肉鸡的选育目标;采用最佳权重比进行SSGBLUP分析,对目标性状估计育种值的预测性能最优,建议作为快速型黄羽肉鸡基因组选择方法。     

参考群筛选方法及规模对基因型填充准确性的影响

为探究基于A矩阵期望遗传关系最大化（maximizing the expected genetic relationship for matrix A,RELA）、基于A矩阵目标群体遗传方差最小化（minimized the target population genetic variance for matrix A,MCA）、平均亲缘关系最大化（the highest mean kinship coefficients,KIN）、随机选择（random selection,RAN）、共同祖先筛选（common ancestor,CA）等不同参考群筛选方法及参考群规模对基因型填充准确性的影响。本研究使用矮小型黄羽肉鸡作为试验群体,采用鸡600K SNP芯片（Affymetrix Axion HD genotyping array）进行基因分型,测定435羽子代公鸡45、56、70、84、91日龄体重。利用Beagle软件将低密度SNP芯片填充为高密度SNP芯片数据,比较不同参考群筛选方法、参考群规模对基因型填充准确性的影响,以及填充芯片基因组预测准确性。结果表明,使用Beagle 4.0结合系谱信息进行填充效果最佳,其次为Beagle 4.0,而Beagle 5.1填充效果最差。使用MCA方法筛选参考群进行基因型填充准确性最高,使用RAN方法筛选参考群进行基因型填充准确性最低,MCA、RELA、CA 3种方法基因型填充准确性差别较小。相比其他方法,使用MCA方法筛选个体作为参考群将低密度SNP芯片填充至高密度SNP芯片进行基因组选择的预测准确性较高,与真实高密度SNP芯片的基因组预测准确性相差甚微。随着参考群规模增大,基因型填充准确性也随之增加,但增速逐渐下降,最后趋于平缓。综上所述,可以通过参考群筛选方法构建参考群以及控制参考群规模,以保证基因型填充和基因组预测准确性并节省成本,本研究为基因型填充在畜禽遗传育种中的应用提供技术参考。     

基于HHT变换的PSO-LSSVM耦合模型估算气象资料短缺地区ET_0

为准确估算气象资料短缺地区参考作物腾发量,构建了一种基于HHT变换的PSO-LSSVM耦合模型,并利用新疆和田气象站2000—2009年单日数据做训练、双日数据做验证。结果表明,该模型估算ET0方法明显优于常规的PSO-LSSVM和GRNN,预测精度较二者分别提高了15.7%~85.6%和15.8%~93.7%;该方法预测ET0的气象要素重要性为RsTmaxTminRHWn,利用该方法对气象要素组合为Tmax/Tmin/RH/Wn、Tmax/RH/Wn、Tmin/Wn、Wn条件下的ET0预测,MSE分别为0.407、0.185、0.149、0.135,说明该方法可以很好地估算资料缺失地区ET0。     

基于神经网络红枣红外辐射干燥预测模型建立

针对红枣红外辐射干燥含水率的变化具有非线性和时变性、很难利用现有的模型构造一个数学模型来描述其变化规律的问题,利用Mat Lab神经网络工具箱和红枣红外辐射干燥特性试验数据建立了神经网络预测模型。通过对实测值和模型预测值进行分析研究,得出利用BP神经网络可以较快速、准确地建立模型来描述含水率的变化规律,且模型的预测值与试验测试值误差较小,能很好地实现在线预测的效果。     

Cloning and Bioinformatic Analysis of L1 Gene of BPV from Guizhou Province

In order to study and analyze L1 gene of bovine papillomavirus（BPV）in Guizhou province,the L1 gene of BPV-GZ01 strain was amplified,cloned and sequenced using bioinformatic softwares and methods,and the secondary structure,tertiary structure,B-cell preponderant epitope,conserved domains analysis, transmembrane domain and signal peptide of L1 gene were predicted.The results showed that the length of L1 gene was 1 494 bp,encoding 497 amino acids.The L1 gene of BPV-GZ01 strain shared an amino acid identities of 98.6%,99.4%,98.4%,94.4% and 91.3%,and a nucleotide identities of 99.1%,99.8%,99.4%,87.6% and 82.8% with those of BPV2,BPV2-SW01,BPV2-AKS01,BPV13 and BPV1 strains,respectively.The results of phylogenetic tree analysis indicated that there was a close relationship between BPV-GZ01 and BPV2-SW01 strains.The prediction of secondary structure of L1 protein indicated that the random coil,extended strand and alphahelix took a higher percentage.The L1 protein was supposed contain 6 potential antigen epitopes.And no transmembrane domains and no signal peptide were found.The tertiary structure of L1 protein was curved spiral structure.These results provided a theoretical basis for immunologic diagnosis and further research of nucleic acid vaccine of BPV.     

Accuracy of imputation of single nucleotide polymorphism marker genotypes from low‐density panels in Japanese Black cattle

Using target and reference fattened steer populations, the performance of genotype imputation using lower‐density marker panels in Japanese Black cattle was evaluated. Population imputation was performed using BEAGLE software. Genotype information for approximately 40 000 single nucleotide polymorphism (SNP) markers by Illumina BovineSNP50 BeadChip was available, and imputation accuracy was assessed based on the average concordance rates of the genotypes, varying equally spaced SNP densities, and the number of individuals in the reference population. Two additional statistics were also calculated as indicators of imputation performance. The concordance rates tended to be lower for SNPs with greater minor allele frequencies, or those located near the ends of the chromosomes. Longer autosomes yielded greater imputation accuracies than shorter ones. When SNPs were selected based on linkage disequilibrium information, relative imputation accuracy was slightly improved. When 3000 and 10 000 equally spaced SNPs were used, the imputation accuracies were greater than 90% and approximately 97%, respectively. These results indicate that combining genotyping using a lower‐density SNP chip with genotype imputation based on a population of individuals genotyped using a higher‐density SNP chip is a cost‐effective and valid approach for genomic prediction.