悬链线理论及其应用研究Ⅴ.单跨索道多荷重悬链线算法理论推导

从索道悬链线的标准线形出发 ,研究两端固定式单跨架空索道承载索多荷重状态下的悬链线算法 ,在计算上采用牛顿迭代法来求解满足力平衡条件和变形相容条件的非线性方程组 ,对索道设计有一定参考价值     

尾叶桉 湿地松1～6年生施肥效应研究

尾叶桉、湿地松１～６年生幼林施肥结果表明：１．尾叶桉在缺Ｐ的立地上,施Ｐ肥的效应极其显著。施Ｐ各处理在１～６年生时均显著或极显著地大于对照,其中以施ＮＰＫ全肥最好,６年生的树高、胸径和材积与对照比较,分别增长３５％,６９％,２４３％。而施ＮＫ肥的生长与对照差别不大。湿地松１～２年生的幼林施肥效果不大显著,３～６年生时才达显著差异,其中以施ＮＰＫ全肥的效果最好,６年生的树高、胸径和材积与对照比较仍分别增长１３％,１８％,５２％。２．尾叶桉、湿地松施Ｐ肥的各水平均达显著或极显著差异,施Ｎ、Ｋ肥的只在个别年度有差异。３．偏相关和复相关分析结果表明,尾叶桉施肥肥效主次顺序是Ｐ、Ｎ、Ｋ,湿地松是Ｐ、Ｋ、Ｎ。两树种均在５,６年生时,Ｎ、Ｐ、Ｋ的肥效最高。４．最优施肥配方：尾叶桉１～３年生以施Ｎ３Ｐ３为好,５～６年生以施Ｎ３Ｐ３Ｋ２为佳。湿地松１～２年生不用施肥,或薄施Ｎ肥;３～６年生以施Ｎ１Ｐ３Ｋ１较好。     

多元线性回归分析在经济林产品需求预测中的应用

详细分析了多元线性回归模型的基本原理,以5种水果为例,利用1991-2005年数据,论述多元线性回归在经济林产品需求预测的应用过程,最后依据所建模型对2006-2010年各水果需求进行预测及分析。     

山东省松类二元材积表的研制

通过收集山东省不同林龄、立地、密度的松类(黑松、赤松、油松)的样木资料,采用多模型优选法研制松类二元立木材积表,并用相关指数、残差平方和作为评价指标,评价模型优劣。经检验,所编的材积表完全符合生产上的精度要求,且编表结果可靠,可在森林资源调查中推广应用。     

利用MODIS数据反演森林生物量的方法研究

以东北三省为试验区,利用MOD IS时间序列上的植被指数NDVI,结合森林资源清查样地数据测算的林分生物量,以及年均降水量、年均蒸散量、年均湿润度、年均积温、经度、纬度等地理环境因子,采用多元线性回归的方法构建森林生物量遥感估测模型。通过样本检验,该模型对东北三省的森林生物量密度估测精度较高,与检验样本的平均每公顷生物量平均相差1.30%;通过样本定位检验,平均相差21.87%。该模型适宜在宏观尺度上估测森林生物量。     

陆地棉衣分性状的主基因-多基因遗传分析

【目的】衣分是决定棉花产量的重要因素之一,有关其遗传研究相对较少,解析衣分性状遗传的特点,明确不同环境下衣分对产量形成的贡献机制。【方法】以国审优质棉中棉所70为基础构建的250个RIL(Recombinant inbred lines)群体,在黄河流域、长江流域和西北内陆棉区9个环境下对该RIL群体及其亲本进行了表型鉴定,并利用主基因+多基因混合遗传模型综合研究衣分性状遗传变化特点。【结果】母本s GK中156衣分性状在9个环境下均大于父本901-001,RIL群体衣分分布范围为33.91%～40.18%,平均为38.01%,表现为双向超亲,偏度和峰度绝对值都小于1.0,呈正态分布,变异系数为5.36%～8.17%;不同环境下衣分表现为西北内陆棉区>黄河流域棉区>长江流域棉区的趋势;遗传模型是以2～4对主基因或2对主基因+多基因遗传控制,主基因遗传率在1.26%～83.13%,多基因遗传率在27.35%～90.83%,主基因+多基因遗传率在92.00%～99.35%,一般情况下衣分是以2对主基因+多基因遗传为主,在2015年河南安阳、2016年河南安阳和2016年山东临清环境下以2～4对主基因遗传,遗传效应较高,在2015年河南安阳环境下最多检测到4对主基因的存在。【结论】衣分性状主基因+多基因遗传率大于90%,结果有助于进一步阐明优质棉中棉所70产量性状衣分的遗传特征,为不同生态区条件下相互引种和推广提供科学依据,为提高棉花产量、农民增收、QTL定位和高衣分品种选育提供理论基础。     

SRAP标记在五十份新疆人工栽培核桃种质资源的鉴定与应用

以新疆核桃主栽区收集的50份核桃种质资源为试材,采用序列相关扩增多态性(sequence-related amplified polymorphism,SRAP)标记技术分析其遗传多样性,以期为分布于新疆地区的核桃种质资源的保存、鉴定及综合开发利用提供参考依据。结果表明:从100对引物中筛选出16对扩增条带清晰、稳定性好的多态性SRAP引物组合,16对引物组合在50份供试种质中共扩增出178条带,多态性条带135条,多态位点百分率为75.84%。聚类分析及聚类锐度测试显示供试种质可分为10类,热图显示出不同引物对种质的区分情况,多元回归树显示不同引物中的26个扩增条带能够区分50份供试种质,其中M4/E4、M7/E5、M14/E4、M2/E11、M3/E4、M2/E4、M12/E13、M7/E1、M14/E13和M1/E3共10对引物组合是供试种质鉴定中重要的引物组合。同时R语言在统计分析中的应用,为今后核桃植物形态与遗传变异研究提供了新的数据分析方法。     

Disulphide structure of high-molecular-weight (HMW-) gliadins as affected by terminators

This study aimed at elucidating SS-bonds of HMW-gliadins (HGL) from wheat with the focus on terminators of glutenin polymerisation. HGL from wheat flour extracts non-treated or treated with the S-alkylation reagent N-ethylmaleinimide (NEMI) were compared. HGL from wheat flour Akteur were isolated, hydrolysed with thermolysin and the resulting peptides pre-separated by gel permeation chromatography and analysed by liquid chromatography/mass-spectrometry using alternating electron transfer dissociation/collision-induced dissociation. Altogether, 22 and 28 SS-peptides from samples without and with NEMI treatment, respectively, were identified. Twenty-six peptides included standard SS-bonds of α- and γ-gliadins, high-molecular-weight and low-molecular-weight glutenin subunits. Eleven SS-bonds were identified for the first time. Fifteen peptides unique to HGL contained cysteine residues from gliadins with an odd number of cysteines (ω5-, α- and γ-gliadins). Thus, gliadins with an odd number of cysteines, glutathione and cysteine had acted as terminators of glutenin polymerisation. Decisive differences between samples without and with NEMI treatment were not obvious showing that the termination of polymerisation was already completed in the flour. The two HGL samples, however, were different in the majority of ten peptides that included disulphide-linked low-molecular-weight (LMW) thiols such as glutathione and cysteine with the former being enriched in the non-treated HGL-sample.     

多邻域保持嵌入的人脸识别方法

现有流形学习算法在学习人脸数据时,假设所有数据点位于单一低维嵌入流形之上,当数据点实际分布在不同的流形上时,单流形假设就会影响数据真实空间结构。为此提出一种基于多邻域保持嵌入（multiple neighborhood preserving embedding, M-NPE）的学习算法来发现不同类别数据在不同维度的低维嵌入空间中分布的多流形结构。首先,单独学习不同类别数据的流形,得到反映其本质特征的流形;再通过遗传算法搜索每个流形的最优维数;最后依据最小重构误差分类器对样本分类。在Extended Yale B和CMU PIE这2个大型人脸库上实验结果验证了该算法的有效性。