湖南省农民工外出务工规模的分析与预测

近年来,农民工外出务工规模引发了社会广泛关注,农民工返乡就业政策呼声越来越强.为研究湖南省农民工外出务工规模的影响因素及未来走势,文章提出了一种基于灰色理论和多元线性回归的外出务工规模预测模型.通过统计检验和修正多重共线性,建立一个修正的多元线性回归预测模型,采用灰色GM(1,1)预测模型预测出所选取影响因素的新的时间...     

通过数学建模培养独立学院学生应用创新能力的研究与实践

本文根据独立学院应用型人才培养目标,阐述了通过数学建模培养独立学院学生应用与创新能力的意义和途径,并指数学建模对独立学院的应用型人才培养具有重要意义和积极作用。     

数学与应用数学教学中存在的问题与对策

高等数学作为一门基础学科,高度的抽象性、严密的逻辑性和广泛的应用性.学习数学的过程主要目的是为了培养学生的逻辑思维能力,对学生以后的学习具有很大帮助.文章主要论述现阶段数学教学中出现的问题,并提出相应的解决对策.     

新课改课堂教学中的习题教学之方法与功能

习题教学是数学教学的重要组成部分,是概念、性质、公式和原理教学的延续和深化,是达到教学目的,使学生掌握三基,培养和提高能力的重要环节。当前习题课堂教学中普遍地存在着满堂灌、题海训练等现象。寻找习题课堂教学改革的突破口,切实有效变革习题教学方式,是我们每一位教师必须认真思考的问题。     

素质教育视野下如何通过数学建模培养创新能力

0.引言全国大学生数学建模竞赛组委会主任李大潜院士2002年5月18日在数学建模骨干教师培训班上的讲话中说道:"数学教育本质上是一种素质教育,数学建模的教学及竞赛是实施素质教育的有效途径。"李大潜院士的讲话一语道破"天机",一下子解决了长期以来困扰数学工作者和数学学习者面临的或者无法参悟的问题,有力的指出了     

《现代畜牧兽医》正文书写规范

1题名1.1题名应以简明、确切的词语反映文章特定内容,不宜超过20个字,必要时可加副题名。并应有英文题名。1.2题名应避免使用非公知公认的缩写词、符号、代号和商品名称,尽量不出现结构式和数学式。2作者及工作单位2.1作者姓名置于题名下方,多名作者并列排列。单姓单名的姓名间空一个汉字字距。2.2工作单位置于作者姓名下方,不同单位以肩标1,2,3…表示。并标注单位所在地和邮编。     

让设计的作业既增能又添乐

作业是学生学习的重要环节,作业设计对教师来说是一项重要的技能,因此,对其必须进行深入而细致的研究。以新课程理念为指导,积极探索新的作业,使作业体现出探索性、生活性、开放性、层次性和趣味性,让设计的作业既增能又添乐。     

畜牧业生产中数学知识的综合应用

数学知识在畜牧业生产中有着广泛的应用。本文列举了畜牧业生产中的几个实例,并运用数学知识予以解决,旨在促进数学与畜牧科学的交叉渗透和共同发展,使数学及畜牧工作者能更好地认识数学知识在畜牧业生产中的重要性。     

猪饲料有效能值预测模型的构建

为探索饲料常规成分及碳水化合物组分与饲料有效能值之间的关系方程,本研究以NRC第11版《猪营养需要量》中发布的122套饲料营养成分表为基础,将饲料中11种基础成分[6项常规成分:干物质、粗蛋白质(CP)、粗纤维(CF)、粗脂肪(EE)、酸性醚提取物、粗灰分(ash);5项碳水化合物组分:淀粉(ST)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、半纤维素、酸性洗涤木质素]作为自变量,将饲料中的消化能(DE)、代谢能(ME)及净能(NE)作为因变量,采用SAS软件中的REG过程,分别建立不同性质饲料、自变量的不同组合与DE、ME及NE之间的回归关系方程,并以相关系数(R2)及变异系数(CV)作为评价回归模型的优劣。研究表明,有效能值与CP、ST及纤维类指标显著或极显著相关(P0.05或P0.01)。将所有饲料作为研究对象时,饲料的DE、ME及NE与上述11种基础成分之间建立的普适性回归模型预测效果较差。当将14种玉米及其加工产品形成子集时,建立饲料基础营养成分与DE、ME及NE的关系方程分别为7、6和7套(P0.05),且3组回归模型R2分别为0.632 8~0.772 3、0.646 9~0.684 9和0.670 5~0.822 1,CV分别为6.61%~8.40%、6.58%~7.34%和6.21%~8.27%;当将13种大豆及其加工产品形成子集时,共建立饲料基础成分与DE、ME关系方程分别有3和4套,回归模型R2分别为0.907 1~0.926 9、0.890 7~0.922 3,CV分别为5.40%~6.09%、5.79%~6.78%,NE与基础营养成分指标之间无法建立具有营养学意义的有效回归方程。对于同类饲料中具有相同自变量组合的DE及ME预测模型而言,两者之间的差异主要是自变量CP的系数上,且CP部分对ME的正效应低于DE,这保证模型预测的ME低于DE。同时选用本研究构建的适宜模型,补充了NRC第11版成分表中第97(去皮大豆粕,低寡糖,浸提)、101(全脂大豆,高蛋白质)及102号(全脂大豆,低寡糖)饲料的DE值分别为15.99、17.35、17.27 MJ/kg,ME值分别为14.53、16.15和16.14 MJ/kg。综上,以NRC(2012)饲料营养成分表为基础,建立的普适性有效能值回归模型预测效果较差。按照玉米类和大豆类进行分类,可建立DE、ME和NE与饲料化学成分之间的多元回归方程,其中最优的预测因子为CP、EE、ST、ash、NDF、ADF。具有相同自变量的同类饲料DE和ME预测模型之间的差异是CP系数,CP影响DE转化为ME的效率。