平衡8/9易位家系及其携带者的不同表型效应

作者等在遗传咨询工作中检出一个8/9平衡易位家系。此家系的同胞中有三人是携带者,但各有不同的表型效应。因尚未见于文献,故特报道如下。病例报告患者某,女,27岁,未婚。因原发闭经就诊。体检:身高162cm,体重55kg,心肺正常,皮纹检查无异常,外眦斜上,反应不够     

两种不同易位型的先天愚型

一、连续三代遗传的14/12易位先天愚型(先证者),男,1(1/2)岁,第4胎,足月顺产。发育迟缓,4个月抬头,1岁会坐不会走,未会叫爸妈。体重8kg,身长73.5cm,头围44cm。典型先天愚型面容(眼距宽、外眦上斜、塌鼻梁、口半张、舌外伸、小耳垂并耳廓畸形)。心肺腹阴性,草鞋     

100例先天愚型研究与分析

本文对1983～1988年遗传咨询发现的100例先天愚型进行研究,结果分析如下.本组男62例,女38例.患儿均具有愚型面容,伴有先天心脏病,眼球震颤,颈蹼,多指(趾)等。病例中39％伴有1种畸形,20％伴有2     

两种不同易位型的先天愚型

本文报道两种不同易位型的先天愚型:(1)一家系连续三代遗传的D/G易位;先证者姐弟2人,均具先天愚型面容,皮纹异常,染色体核型为46,xx(xy)-14+t(14;21)(q″;q″),智力低下。而母亲及外祖母核型均为     

连续化森林火险天气等级预报模型的研究与实现

提出了一种森林火险天气等级预报的连续化模型,该模型克服了现有国家标准中预报结果阶跃,即气象数据只有微小差异但计算出的火险等级差距却较大,导致预报误差较大的问题。同时利用GIS系统所提供的小区域地理环境和地图数据,对该模型连续化分布森林火险预报实现方法进行了研究,对比显示该模型提高了预报的准确性。     

平衡易位t(X;21)的原发闭经1例

本文报道1例新的平衡易位t(X;21)原发闭经.患者的染色体核型为46,X,-X,-21,+der(X)(pter→     

地形对滇西北高山松火烧迹地更新的影响

通过分析地形因子与幼苗发生时间、密度、生长状况的相关关系得出：地形因子对高山松火烧迹地更新影响明显,坡向、坡位对幼苗发生密度有影响,坡度会影响幼苗发生时间,海拔对幼苗发生密度有微弱影响。根据高山松火烧迹地更新随地形因子变化规律给出了合理化建议,火烧迹地更新方式不易大面积采用,仅为下坡及地势平缓地带易采用火烧迹地更新方式。     

基于岭回归的思茅松单木生物量复合模型构建

为进一步提高思茅松单木生物量模型的估计精度,采用与材积兼容的生物量模型构造各分量模型,再筛选出最优模型形式构造了线性和非线性复合模型,通过模型4个评价指标对拟合的简单非线性模型,线性和非线性复合模型进行评价。结果表明:思茅松总生物量线性复合模型系统偏差较小,与数据拟合程度更好,预测精度更高,具有可解释性,并且以该方法构造的生物量模型能进一步提高估计精度。     

应用Landsat-8数据分析山地地表温度格局及影响要素

地表温度是研究陆地表面与大气之间相互作用的重要参数,分析山地地表温度格局及作用机理,对了解山地生态系统的时空分布特征,准确刻画山地地表水热环境具有重要意义.以云南滇中地区为研究区,应用Landsat-8数据、多窗口区域匹配算法(IMW),结合近地表常规气象站及微气象台站同步观测数据进行地表温度反演,分析地表温度空间格局及其与地理环境和人居环境因子的定量关系,构建了山地地表温度多因子作用模型.结果 表明:遥感影像与地面同步观测数据相结合反演的地表温度场平均绝对误差为2.01℃、平均相对误差为2.35％、均方根误差为5.09℃,反演结果优于MODIS地表温度产品.地表的温度场空间格局与地理环境及人居环境密切相关,归一化植被指数、地形起伏度、海拔、坡度、水域影响与地表温度场成负相关,而居民区与地表温度成正相关关系;从相关性大小看,山地温度受归一化植被指数影响最大,其次是地形起伏度、海拔、坡度、水体、居民区,坡向影响最小,说明提高植被覆盖具有地表降温的重要作用,城市人居环境具有地表增温效应.因此,构建山地温度时空模拟模型,应充分考虑地理环境微格局与人居环境影响.     

基于神经网络优化算法的云南土壤有机质含量数字制图——以景洪市为例

  目的  利用自然成土作用变量,预测并制作栅格化的土壤有机质分布图,对发展热带数字化精细农业具有重要意义。  方法  使用2006年云南省景洪市测土配方样点数据,应用BP神经网络（BPNN）、基于强分类器算法的BP神经网络模型（BPNN-Ada）、基于粒子群算法优化的BP神经网络（PSO-BPNN）、基于遗传算法优化的BP神经网络（GA-BPNN）和多元线性回归（MLR）对土壤有机质的含量预测并进行空间化制图。  结果  ① 土壤样点X、Y坐标值能够有效提高算法精度且充分表现环境因子与土壤有机质空间分布上的协同关系。② 4种神经网络算法预测结果土壤有机质空间分布基本类似,均呈现南高北低的趋势。③ 研究区域内4种神经网络模型的在建模集拟合程度从高至低依此次为:BPNN-Ada > GA-BPNN > PSO-BPNN > BPNN,在建模集中PSO-BPNN和GA-BPNN与BPNN拟合精度一致,BPNN-Ada的拟合精度R2最高为0.98。在验证集的预测能力由高至低依次为:BPNN-Ada > GA-BPNN > PSO-BPNN > BPNN。BPNN-Ada有着最高的预测精度和算法稳定性:RMSE = 4.47、MAE = 3.3、MRE = 0.05、R2 = 0.976。  结论  在景洪地区进行土壤有机质神经网络建模时加入地理坐标能够有效提高模型精度,且基于学习规则的神经网络优化算法效果要优于优化初始权重和阈值的神经网络算法及传统的BPNN算法。