作物品种区域试验多年资料的联合分析方法

作物品种区域试验多年资料系参试品种在试验年份、地区上重复数不等的非平衡资料，本文根据最小二乘原理提出对这对类资料进行分析的方法，以获得地区、品种、地区品种组合的最小二乘均数，检验其差异显著性，评价参试品种的生产能力，确定其适宜区域，为品种推广和合理布局提供依据。     

利用近红外透射光谱技术测定小麦籽粒硬度的研究

以2001和2002年度583份小麦样品为材料，用近红外透射光谱仪（NITS）对小麦籽粒硬度进行分析，比较了偏最小二乘法和多元线性回归两种算法和未经导数处理、一阶导数处理、二阶导数处理3种光谱变量转换方式的分析结果。表明，两种算法中偏最小二乘法优于多元线性回归算法，3种处理方式中一阶导数处理效果最好，其定标集和预测     

黍稷籽粒淀粉含量的近红外光谱分析

利用FOSS1241型近红外谷物分析仪对100份黍稷籽粒原样进行光谱扫描,分别采用偏最小二乘法和改进偏最小二乘法两种定标方法,并对原始光谱分别进行不同的预处理,建立了黍稷籽粒淀粉定标模型.试验结果显示:对黍稷籽粒原样扫描的光谱采用偏最小二乘法进行定标,在标准正常化+ 趋势变化散射处理、采用一阶导数、每隔4点求导、每隔4...     

利用回归分析与最小二乘法对影响产奶量的因素进行校正的比较研究

摘 要：为了校正产犊月份和胎次对产奶量的影响,提高选种的准确性,本文以河北双娃奶牛场815头中国荷斯坦奶牛DHI测定结果为材料,利用回归分析和最小二乘法,制订了不同产犊月份和胎次对产奶量的校正系数。并且对两种研究方法的优劣进行了比较研究。结果表明：两种方法对305天产奶量估计值与实际测定值之间均无显著差异,但利用最小二乘法得出的第一胎305天产奶量估计值与利用回归分析法得出的估计值之间差异显著（P=0.04<0.05）,且1至4胎的最小二乘法估计值与实际测定值更为接近。     

茶叶干燥过程水分含量的近红外光谱检测方法研究

水分含量是衡量茶叶干燥过程中品质的最重要因素之一,采用近红外光谱分析技术分析茶叶干燥过程水分含量。首先,采用便携式近红外光谱检测系统采集茶叶干燥过程样本的光谱,采用标准正态变量变换(SNV)预处理光谱;然后,比较应用全光谱偏最小二乘模型(PLS)、遗传偏最小二乘模型(GA-PLS)、竞争性自适应加权抽样偏最小二乘模型(CARS-PLS)建立模型,采用交互验证优化模型。结果显示,CARS-PLS模型预测性能最佳,结果优于PLS和GA-PLS模型;CARS-PLS模型优选的变量数为11,变量数仅为全光谱变量数的2.1%,预测集的Rp=0.990 7,RMSEP=0.574。结果表明,采用近红外光谱技术结合合适的化学计量学方法评价茶叶干燥过程的水分含量具有可行性,为茶叶干燥过程品质的数字化、智能化监控提供方法。     

超声法同时测定牛奶中脂肪和蛋白质含量

采用超声法测量牛奶成分,并对牛奶超声特性进行了探讨,分别通过偏最小二乘法、非线性偏最小二乘法和非线性主成分回归,建立脂肪和蛋白质的校正模型。结果表明,用非线性偏最小二乘法建模预测的结果最好,脂肪的预测标准偏差RMSEP值为0.2533,蛋白质的预测标准偏差RMSEP值为0.2303,而与标准化学法相比,其预测结果不存在明显差异。     

穿心莲种子等级的综合评判研究

采收不同产地的穿心莲种子,测定其净度、千粒重、含水量、发芽率及其生活力等指标,并以此为依据,通过系统聚类分析,将穿心莲种子划分为3个等级类别.以偏最小二乘法判别分析(PLS-DA)对系统聚类分析的结果进行判别检验,表明该等级划分合理.以千粒重、含水量、发芽率和生活力为自变量,划分的等级为因变量,采用偏最小二乘回归分析(...     

基于遗传算法结合偏最小二乘的潮土碱解氮高光谱特征及含量估测

提取土壤碱解氮特征光谱是利用高光谱数据进行其含量估测的关键。对山东省典型潮土土壤样本测试高光谱并进行变换;采用遗传算法（GA）结合偏最小二乘法（PLS）,在筛选潮土碱解氮含量特征谱区的基础上,构建潮土碱解氮含量偏最小二乘（PLS）回归估测模型;优选最佳模型并与相关分析、逐步回归分析和单纯偏最小二乘回归分析的模型进行比较。结果表明：潮土碱解氮特征波段为449~469nm,988~1001nm,1065~1078nm,1716~1736nm,1912~1925nm,2213~2233nm,2262~2275nm;基于各输入光谱特征谱区构建的估测模型决定系数R²均较高,其中基于反射率一阶导数光谱筛选的特征谱区,构建的模型精度最高,数据点（147个）为原始全谱的7.17%,建模R²达到0.97,均方根误差RMSE为4.78mg/kg,验证R²为0.95,RMSE为5.49mg/kg,对潮土碱解氮含量具有较好的预测准确性;在光谱变换形式中,反射率的一阶导数表现最佳;方法比较显示采用遗传算法结合偏最小二乘（GA-PLS）获得较高预测精度的同时,可简化模型。说明遗传算法结合偏最小二乘法（GA-PLS）,可有效筛选土壤碱解氮的特征波段,减少模型参与变量,提高估测精度。     

近红外透射光谱技术测定黍稷蛋白含量的研究

为了探索快速测定完整黍稷籽粒蛋白含量的方法,采用近红外光谱分析技术建立数学模型并进行预测,比较原始透射光谱经导数处理结合不同回归算法对模型的影响。结果表明,分别经一阶和二阶导数处理后利用偏最小二乘法和改进的偏最小二乘法,4种方法的分析效果相近,最优的是一阶导数结合改进的偏最小二乘回归法,黍稷蛋白定标模型的定标相关系数（RSQ）为0.8806,定标标准误差（SEC）为0.3424,交互验证相关系数（1-VR）为0.8570,交互验证标准误差（SECV）为0.3751,外部预测标准偏差（SEP）为0.454。最终以完整黍稷籽粒为样品所建立的蛋白NITS模型,可以用于黍稷蛋白含量的快速检测。     

细胞原生质层被动透性定量化的研究

研究发现，通过的透性常数Ｋｓ公式其原则是正确的，但在实际测定中由于取点不同会得出不同的值，如用最小二乘法处理数据会更为合理，作者在原有基础上对公式做了改进，提出了一个新的公式。     

Genotype × Environment Interacion in multi-environment Trials using shrinkage factors for ammi models

Shrinkage factors applied to the additive main effects and multiplicative interaction (AMMI) models improve prediction of cultivar responses in multi-environment trials (MET). Estimates of shrinkage factors based on the eigenvalue partition (EVP) method may get a further improvement in the predictions of cell means. Objectives of this work were: (1) to compare the EVP-based shrinkage method with unshrunken AMMI, best linear unbiased predictor (BLUP) and other shrunken method (herein named CCC), when they were applied to five maize MET and simulation data; (2) to assess by cross validation the equation which estimates the standard error of predicted means (SEPM) based on the EVP theory; (3) to estimate the genotype × environment interaction (GEI) variance components after applying the EVP shrinkage method to the five maize MET. Empirical data of five maize MET and simulation data were used for cross validation of the methods using the root mean square predictive difference (RMSPD) criterion. The RMSPD of the shrunken EVP predicted cell means was generally smaller than those of the other methods, suggesting that the EVP method was generally better predictor than the other methods. The truncated AMMI was the worst among the four methods studied. The EVP-based equation, which predicts the SEPM, was a good predictor as determined by the RMSPD cross validation criterion, with the advantage that it does not need one replication for validation. Estimates of mean squares, and GEI and error variances associated with the GEI effects were smaller for the shrunken EVP predicted effects than for the original data. This revised version was published online in July 2006 with corrections to the Cover Date.     

Important considerations in the analysis of generation means

Summary The weighted least squares (WLS) procedure has been widely used in the analysis of generation means in biometrical genetics. Two methods to carry out the analysis have been presented in the literature (Mather & Jinks, 1971; Rowe & Alexander, 1980). Neither method identified the factors that need to be taken into account when deciding which procedure to use. This paper examines the fitting of the additive-dominance model using the general principles of least squares analysis and presents the statistical basis of each procedure. Mather & Jink's method, which is more realistic according to genetic theory, is based on the assumption that the populations have nonhomogeneous variances. Rowe & Alexander's method is based on the assumption that the populations have homogeneous variances. In the latter case, there is actually no need to do a WLS analysis. The ordinary least square analysis using the original observations rather than the means, will produce the regression parameter estimates.     

自适应加权最小二乘支持向量机的空调负荷预测

为了提高建筑空调负荷的预测精度,在分析空调负荷主要影响因素的基础上提出了一种基于自适应加权最小二乘支持向量机(AWLS-SVM)的建筑空调负荷预测方法。该方法根据预测误差的统计特性,采用基于改进正态分布加权规则,自适应地赋予每个建模样本不同的权值,以克服异常样本点对模型性能的影响。建模过程中采用粒子群优化(PSO)算法对模型参数进行优化,以进一步提高模型预测精度。基于DeST模拟数据将AWLS-SVM方法应用于南方地区某办公建筑的逐时空调负荷预测中,并与径向基神经网络(RBFNN)模型、LS-SVM模型及WLS-SVM模型作比较,其平均预测绝对误差分别降低了51.84 %、13.95 %和3.24 %,并进一步基于实际空调负荷数据将该方法应用于另一办公建筑的逐日空调负荷预测中。预测结果表明：AWLS-SVM预测的累积负荷误差为4.56 MW,亦优于其他3类模型,证明了AWLS-SVM具有较高的预测精度和较好的泛化能力,是建筑空调负荷预测的一种有效方法。     

EXCEL在裂区试验统计分析中的应用

介绍一种利用EXCEL进行裂区试验统计分析的方法。根据方差分析原理,利用EXCEL编制了裂区试验统计分析计算程序。用户只需输入试验的原始数据,即可快速、准确地计算出各因素的平方和、均方和检验值F,其计算结果与专业统计软件DPS处理的结果基本一致。该程序使用方便,并可用于进行裂区试验统计分析。     

作物品种区域试验中品种均值估计的模型和方法——算术平均值、加权最小二乘估值和BLUP的比较

针对作物区域试验中的品种均值估计问题,根据混合线性模型的一般原理,总结和提出多种加权最小二乘估计 (WLSE)和最佳线性无偏预测(BLUP)的方法,推导了这些方法的平衡数据计算简式;同时,利用14套2年多点的棉花区试资料和一套4年多点的棉花品种试验对这些方法的预测效果进行验证比较.结果表明,与算术平均值相比,以环境内误差方     

偏最小二乘回归在Hyperion影像叶面积指数繁衍中的应用

叶面积指数(Leaf Area Index,LAI)是一个重要的森林结构参数指标,遥感技术被认为是区域LAI反演的有效手段。现有遥感反演模型多以单变量的曲线估计及线性回归模型为主,模型的通用性、建模精度以及植被指数的选择上需要更进一步的探讨。论文以攸县黄丰桥林场为研究区,Hyperion影像为数据源,提取归一化植被指数(NDVI)、比值植被指数(RVI)等13个因子,利用LAI-2000冠层分析仪开展130个样地(60 m×60 m)的叶面积指数测量,选用变量投影重要性(VIP)指标、变量解释能力及变量权重作为变量筛选的依据,采用偏最小二乘回归分析方法建立植被指数与实测样地的回归模型,开展叶面积指数反演并制图。研究结果表明：偏最小二乘回归分析在LAI反演中取得了较好的预测效果,其中以6个植被因子建立的回归模型预测精度最高,预测值与实测值的决定系数R2为0.91;LAI与植被指数之间具有良好的线性关系,其中RVI与LAI的相关性最大;残差分析表明,反演模型的自变量个数选取以4~6个为宜。     

基于近红外透射光谱分析技术的小麦蛋白质含量测定

近红外分析技术具有快速、简便、准确、非破坏性的优点,为小麦品质检测提供了一个新的技术手段。笔者首先对光谱数据进行移动窗口平均平滑和马氏距离筛选,在以上光谱预处理基础上,建立了小麦籽粒蛋白的偏最小二乘校正模型。仿真试验结果表明：该模型能够较准确地预测小麦蛋白质的含量,预测相关系数、预测均方误差和平均相对误差分别为0.9809、0.1130、1.973%。与用原始数据所建校正模型相比,预测效果显著提高。