基于WT-CNN-LSTM的溶解氧含量预测模型

溶解氧（Dissolved oxygen, DO）含量是影响水产养殖产量的重要因素之一，具有时序性、不稳定性和非线性等特点，且其影响因子过多、存在复杂的耦合关系，难以实现精准预测。针对传统长短时记忆神经网络（Long short term memory, LSTM）预测模型易引入冗余数据，且在训练过长序列时会出现梯度消失现象，从而不能捕捉因子间长期的依赖性问题，提出了基于小波变换（Wavelet transform, WT）、卷积神经网络（Convolutional neural network, CNN）和LSTM的溶解氧含量预测模型。首先，使用WT降低数据噪声；然后，使用CNN深度挖掘各变量之间的潜在关系；最后，利用LSTM的时序性预测2h后的水产养殖溶解氧含量。结果表明，本文提出的WT-CNN-LSTM模型预测效果良好，其平均绝对误差、均方根误差和决定系数分别为0.138、0.229和0.954，比传统LSTM模型分别优化了28.87%、21.03%和4.61%。     

基于GM(1,1)的天然次生林空间结构预测

【目的】系统地分析已有天然次生林林分空间结构数据,通过灰色模型预测天然次生林林分空间结构各指标未来的发展趋势,对天然林经营具有十分重要的意义。【方法】以湖南大围山自然保护区典型次生林为研究对象,依据结构化森林经营理论,选取了混交度、竞争指数、角尺度、空间密度指数、开阔比数、大小比数、林分综合均质性指数作为天然次生林林分空间结构合理性评价与预测的量化指标,构建了基于GM(1,1)的天然次生林林分空间结构灰色预测模型。模型将2008年林分空间结构各指标的平均值作为初始值,并在研究区设置了面积为20 m×20 m的5个研究样地(M1,M2,M3,M4,M5),利用保护区2008-2018年典型样地林分空间信息,预测了研究区调研样地2019年-2021年林分空间结构各指标未来的变化趋势。【结果】利用精度检验机制对该模型的精确度进行了有效性检验,检验结果表明,所有指标预测合格概率P合=71.43%,良好的概率P良好=22.86%,优的概率P优=5.71%,表明该预测模型符合精度检验要求。【结论】样地未来3 a各指标整体变化尺度不大,林分空间结构基本稳定。从各指标在2008-2018年时空上的变化规律来看,各样地林分平均竞争指数、平均大小比数及平均空间密度指数是影响林分均质性指数的关键指标。     

全燕麦香酥饼包装货架期预测研究

将全燕麦香酥饼采用PE袋、PE袋+脱氧剂、真空包装袋+抽真空3种方式进行包装,研究其常温储藏条件下对感官品质的影响,并对真空包装的全燕麦香酥饼储藏期间脂肪酸价和过氧化值进行测定,建立数学模型,结合感官品质评价对该产品进行货架期预测。结果表明,全燕麦香酥饼采用真空包装方式的保质期较长,综合酸价、过氧化值和感官品质评定结果,常温下全燕麦香酥饼的货架期为10个月。     

土壤微生物生物地理学：国内进展与国际前沿

土壤微生物生物地理学是研究土壤中微生物空间分布格局及其随时间变化的一门科学,是土壤微生物学和微生物生态学等领域的研究前沿。近年来,尽管土壤微生物生物地理学研究取得了巨大进展,目前仍面临诸多难题与挑战。本文简要回顾了土壤微生物生物地理学的发展历程,重点介绍近年来我国在森林、草地和农田生态系统中土壤微生物生物地理学研究的主要进展。同时进一步阐述了目前土壤微生物生物地理学研究的国际前沿方向,包括微生物群落空间分布及其驱动机制、群落构建过程与共存网络、微生物地理分布与生态系统功能的关联以及预测微生物群落对全球变化的响应。最后,对土壤微生物生物地理学未来的研究方向进行了展望,强调了清晰的微生物物种定义、微生物群落的时间动态、多组学与合成生物学技术以及高精度的预测模型在土壤微生物生物地理学研究中的重要性。     

龙脑型阴香可蒸生物量预测模型研究

龙脑型阴香（Cinnamomum burmannii chvar. borneol）矮林经营中，企业和农户需预估可蒸 生物量，以便根据加工能力合理安排采收面积。研究以 3~5 年生龙脑型阴香矮林为对象，按照企业收 购标准，统一以 120 cm 为截顶高度、下部枝条全部保留的方法开展采收测定，在同一试验林中，分 别在 3.5 a 生林龄生长期为 1 a 时和 5.5 a 生林龄生长期为 2 a 时测定树高、胸径、冠幅、分枝数和可蒸 生物量 5 个性状。以线性和非线性的方法拟合单株可蒸生物量模型，用 R2、RMSE、AIC、BIC 等指 标评价并筛选出最佳模型，筛选结果是 2 a 生长期最优线性和非线性模型分别 DB=0.625H+0.076HDD， DB=0.091HDD+0.000 017 8HDD2 ，1 a 生长期的分别是 DB=-1.646H-2.734D+4.134C+1.252HD，DB=-1.356 H+0.907H2。4 个模型在实际应用中估算的相对误差分别是 16.680%、14.107%、2.036% 和 20.543%。企业 可依模型估算可蒸生物量，合理安排采收面积。     

基于机器学习和环境因子的温室网纹甜瓜纹理特征的预测

为了对网纹甜瓜纹理特征进行定量预测,本文结合多个环境因子(基质含水量、温度、湿度、光合有效辐射),使用支持向量机(SVM)与随机森林(RF)多元回归分析方法,对基于灰度共生矩阵提取的4个果实表面纹理特征——对比度(contrast)、熵(entropy)、相关性(correlation)、角二阶矩(ASM)进行了预测。结果表明,纹理特征受环境影响敏感度依次为基质水分、光合有效辐射、空气湿度或有效积温。对比RF模型和SVR模型,发现在不同环境因子输入条件下,RF模型均优于SVM模型,其中输入全部环境因子后RF模型的预测精度最高,对比度、熵、角二阶矩的模拟精度均达到了0.90,分别为R~2=0.945(RMSE=0.243)、R~2=0.940(RMSE=0.235)、R~2=0.934(RMSE=0.248)。上述结果表明,RF模型对于网纹甜瓜纹理特征具有较好的预测结果,本研究结果可为温室网纹甜瓜栽培过程中的质量监控和栽培管理提供全新的思路。     

日粮不同NDF/NFC水平对周岁后荷斯坦奶牛生产性能、营养物质消化率、瘤胃发酵特征和甲烷排放的影响

本试验研究了日粮中不同中性洗涤纤维/非纤维性碳水化合物（NDF/NFC）水平对周岁后荷斯坦奶牛生产性能、营养物质消化率、瘤胃发酵特征及甲烷产量的影响，并在此基础上建立了甲烷排放预测模型，旨在获得我国生产模型下的甲烷排放规律和甲烷转化因子，为提高奶牛能量利用效率、建立国家或区域性温室气体排放清单和探索减排策略提供科学依据和支撑。将45头体况良好，平均为15月龄的荷斯坦后备奶牛随机分为3组，每组15头牛：低日粮NDF/NFC组（NDF/NFC=0.60）、中日粮NDF/NFC组（NDF/NFC=0.75）和高日粮NDF/NFC组（NDF/NFC=0.90），试验期为70 d，包括14 d的预饲期和56 d的正试期。结果表明：1）提高日粮NDF/NFC水平显著降低了奶牛的干物质采食量、有机物采食量、平均日增重、干物质和粗蛋白的表观消化率（P<0.05）；2）提高日粮NDF/NFC水平显著增加了瘤胃内总挥发性脂肪酸产量、乙酸的相对含量和乙酸/丙酸比例（P<0.05），显著降低了丙酸的相对含量（P<0.05）；3）随着日粮NDF/NFC水平的提高，瘤胃甲烷和甲烷能产量、甲烷/代谢体重、甲烷/干物质采食量、甲烷/有机物采食量、甲烷/中性洗涤纤维采食量显著提高（P<0.05）。甲烷转化因子也随着日粮NDF/NFC水平的增加而显著提高（P<0.05）；4）基于体重、采食量、营养物质含量和NDF/NFC分别建立了甲烷预测模型，其中基于干物质采食量和中性洗涤纤维采食量建立的预测模型的决定系数最高（R²=0.77）。因此，提高日粮中NDF/NFC水平可显著降低周岁后荷斯坦奶牛的生产性能、营养物质消化率和瘤胃内丙酸的相对含量，可显著提高瘤胃甲烷产量和甲烷转化因子。     

Improvement,identification, and target prediction for miRNAs in the porcine genome by using massive,public high-throughput sequencing data

Despite the broad variety of available microRNA (miRNA) research tools and methods, their application to the identification, annotation, and target prediction of miRNAs in nonmodel organisms is still limited. In this study, we collected nearly all public sRNA-seq data to improve the annotation for known miRNAs and identify novel miRNAs that have not been annotated in pigs (Sus scrofa). We newly annotated 210 mature sequences in known miRNAs and found that 43 of the known miRNA precursors were problematic due to redundant/missing annotations or incorrect sequences. We also predicted 811 novel miRNAs with high confidence, which was twice the current number of known miRNAs for pigs in miRBase. In addition, we proposed a correlation-based strategy to predict target genes for miRNAs by using a large amount of sRNA-seq and RNA-seq data. We found that the correlation-based strategy provided additional evidence of expression compared with traditional target prediction methods. The correlation-based strategy also identified the regulatory pairs that were controlled by nonbinding sites with a particular pattern, which provided abundant complementarity for studying the mechanism of miRNAs that regulate gene expression. In summary, our study improved the annotation of known miRNAs, identified a large number of novel miRNAs, and predicted target genes for all pig miRNAs by using massive public data. This large data-based strategy is also applicable for other nonmodel organisms with incomplete annotation information.     

基于随机森林的农耕区土壤有机质空间分布预测

以陕西省周至县农耕区为研究区,采集192个土壤样品,通过随机森林模型(random forest, RF)对土壤有机质含量进行回归预测,通过29个(15%)独立验证点对预测结果进行精度验证,并与普通克里格(ordinary kriging,OK)和协同克里格(cokriging,COK)插值结果进行对比分析。结果表明,研究区土壤有机质含量在训练集和验证集中均属于中等变异性,含量处于中等偏低水平,大致表现为中、南部黑河东岸土壤有机质含量相对较高,东北部渭河沿岸含量较低。对变量重要性进行排序,影响研究区土壤有机质的主要因素为数字高程(DEM)和降水量。与OK、COK相比, RF对土壤有机质的预测值和实测值的相关系数(0.782)更高,而平均绝对误差(0.618 g·kg^-1)和均方根误差(2.062 g·kg^-1)更低,说明RF能够更精确地反映局部土壤有机质含量的空间变化信息。     

基于灰色-BP神经网络模型的多情景交通用地需求预测——以长江中游城市群为例

为探索科学预测区域交通用地需求的合理途径,指导国土空间规划编制中交通用地规模的划定,拟通过灰色-BP神经网络模型识别主要社会经济影响因素,以长江中游城市群为例,在预测其远景交通用地需求规模的同时,基于城市群发展的阶段特征选取典型城市群样本设置3类情景,对不同情景下的交通用地需求分别进行预测。结果表明:1)城镇化水平、产业结构高度化程度和劳动力资源禀赋是当前影响长江中游城市群交通用地需求的主要社会经济因素。2)通过系统仿真试验对比不同方法的交通用地需求预测结果,可以发现基于灰色-BP神经网络模型的预测方法精度较高,误差较小,该预测方法对于区域交通用地规模的预测具有一定的适用性。预测得到的长江中游城市群2020和2030年交通用地需求分别为31.22万和49.07万hm2。3)不同情景下长江中游城市群交通用地需求预测结果存在明显差异,底线情景可作为划定交通用地规模的底限,一般情景可作为基准,极限情景可作为红线,长江中游城市群交通用地合理规模应以基准为参考,介于底线和红线之间。