Genomic prediction for yields,processing and nutritional quality traits in cultivated potato (Solanum tuberosum L.)

Current potato breeding approaches are hampered by several factors including costly seed tubers, tetrasomic inheritance and inbreeding depression. Genomic selection (GS) demonstrated interesting results regardless of the ploidy level, and can be harnessed to circumvent these problems. In this work, three GS models were evaluated using 50,107 informative SilicoDArT markers and 11 traits in two values for cultivation and use (VCU) potato trials. Two key breeding problems modelled included predicting the performance of (i) new and unphenotyped clones (cross‐validation) and (ii) a VCU using another as training set (TS). GS models performed comparably. Cross‐validation accuracy was high for D35, D45, DMW and BVAL, in ascending order. Prediction accuracies of the VCUs were highly correlated, but the best prediction was obtained for the smaller VCU using the bigger as TS. Cross‐validation and VCU prediction accuracies were higher when bigger TSs were used. The findings herein indicate that GS can be attractively integrated in potato breeding, particularly in early clonal generations to predict and select for traits with low heritability which would otherwise require more testing years, environments and resources.     

基于BP神经网络的旁热式辐射与对流粮食干燥过程模型

针对旁热式辐射与对流粮食干燥机的干燥特点,建立了一种粮食干燥机干燥过程的BP神经网络预测模型。该模型采用了3层神经网络结构(8-10-1),模型输入为粮食干燥机的8个变量,模型输出为出口粮食水分比或干燥速率。通过编写Matlab建模程序,基于实际干燥实验的样本数据训练与测试网络,实现了红外辐射与对流联合干燥的动力学模型,并给出了相应的模型数学表达式,模型预测的出口水分比与干燥速率的R2分别为0.998 9和0.998 0,均方根误差分别为0.009和0.004 1,预测结果与实际测量数据拟合较好;另外,结合实验干燥条件对模型干燥性能的预测结果进行了分析与总结,并依据同样方法建立了顺逆流粮食干燥过程的出口粮食水分比预测模型,对比了2种干燥方式的干燥性能。仿真预测表明用BP神经网络方法建模简单,具有自适应性、灵活性和自学习性等特点,相比于其他粮食干燥的经验数学模型,能综合考虑多种影响因素,可为红外辐射与对流联合干燥过程提供一种新的建模方法。     

葡萄冷链品质的时间-温度指示器模糊推理预测

为了验证和评价变温环境下时间-温度指示器(TTI)响应值预测农产品品质的适用性,构建了TTI模糊推理预测方法。TTI模糊推理预测是依据拟合程度高的恒温试验农产品品质实际变化经验方程,以及尽可能准确描述任意有效温度与恒温温度之间关系的隶属度函数构建预测模型,实现对任意有效温度下农产品品质预测值计算。同时设置了高低温变温试验模拟鲜食葡萄冷链物流温度特征,用上述方法对Vitsab M25-2、OnVu TTI预测玫瑰香葡萄硬度进行了参数估计与模型建立,并与TTI动力学预测值进行了对比。结果表明,面向鲜食葡萄品质感知的TTI模糊推理预测在低温下相对于TTI动力学预测有所改进,平均相对偏差分别减小了6.03个百分点和2.70个百分点;在高温下没有改进。因此在低温下可选择模糊推理预测方法。     

基于GA-BP神经网络的池塘养殖水温短期预测系统

为解决传统的水温小样本非实时预测方法预测精度低、鲁棒性差等问题,基于物联网实时数据,提出了遗传算法(GA)优化BP神经网络的池塘养殖水温短期预测方法,并在此基础上设计开发了池塘养殖水温预测系统,首先采用主成分分析法筛选出影响池塘水温的关键影响因子,减少输入元素;然后使用遗传算法对初始权重和阈值进行优化,获取最优参数并构建了基于BP神经网络的水温预测模型;最后采用Java语言开发了基于B/S体系结构的预测系统。该系统在江苏省宜兴市河蟹养殖池塘进行了预测验证。结果表明:该系统在短期的水温预测中具有准确的预测效果,与传统的BP神经网络算法相比,研究内容评价指标平均绝对误差(MAE)、平均绝对百分误差(MAPE)和误差均方根(MSE)分别为0.196 8、0.007 9和0.059 2,均优于单一BP神经网络预测,可满足实际的养殖池塘水温管理需要。     

二次聚类与神经网络结合的日光温室温度二步预测方法

精确预测日光温室温度是实现对温室精准调控的前提。由于温室是复杂非线性系统,受室内外众多环境因素影响,且部分因素难以准确测量和建模,因此,难以通过机理分析建立室外因素精确影响室内温度的物理模型。而现有时间序列分析、人工神经网络等仅基于数据的方法预测准确度也较低。本文提出连续时间段聚类与BP神经网络相结合的二步日光温室温度预测方法。首先,进行二次聚类,对室外温度情况相似的日进行聚类,并将全年划分为若干个类似时间段,根据连续时间段内相似日的数量进行聚类,将全年内的连续时间段归入若干类别。其次,对不同类别的时间段,分别采用BP神经网络建立室外温度、相对湿度、太阳辐射、风速和温室室内温度间的关联模型,通过数据训练,能够较为准确的根据室外环境数据预测室内温度。通过涿州实验农场2年数据试验验证,通过二次聚类,全年连续时间段可划分为3类,通过分别建立BP神经网络并分别训练,结果表明本方法预测误差仅为6.23%,与现有未分类的BP神经网络预测算法对比,本文方法有效地提高了准确度,平均误差降低5.4个百分点。     

基于CA-Markov模型的甘州区土地利用变化预测分析

研究以张掖市甘州区为例,以黑河流域2000年和张掖市2007年土地利用/土地覆盖(LUCC)数据集的矢量数据、2014年Landsat 8 OLI_TIRS 8月份遥感影像和Google Earth影像为数据源,以Arc GIS10.1、ENVI 4.8和IDRISI 17.00为计算平台,利用CA-Markov模型对2014年土地利用变化进行模拟和预测,并将预测结果与2014年甘州区LUCC解译数据作对比分析,其Kappa系数为87.87%,表明预测与现实一致性较佳。最后对2021年甘州区土地利用分类进行模拟和预测。从预测结果可以看出:2000—2021年间甘州区耕地面积和建设用地面积呈现较快的增长趋势,未利用地面积呈现较快的减少趋势;林地和水域呈现缓慢地增长趋势;草地面积变化较小。简要分析了其变化原因主要归因于政策、社会经济、人口和科学技术几方面。对2021年甘州区土地利用变化的预测研究结果可为该区土地利用合理规划管理及经济发展政策的制定提供科学的决策依据。     

鸡白细胞介素2的克隆及其序列分析

旨在从分子生物学角度进一步研究鸡免疫刺激因子白细胞介素2(IL-2),探究IL-2蛋白结构。根据GenBank发表的IL-2序列设计引物扩增IL-2基因,将其克隆到p GM-T载体后进行鉴定,鉴定正确的pT-IL-2重组质粒,然后对其进行序列分析。应用生物信息学软件对IL-2序列进行跨膜区、磷酸化位点、氨基酸序列、开放阅读框进行分析和IL-2蛋白的三级结构进行预测。核苷酸序列测定结果表明:IL-2基因片段为430 bp,编码143个氨基酸。生物信息学分析结果表明:本实验获得的IL-2基因编码的蛋白质中含有1个丝氨酸和3个苏氨酸,这可能成为蛋白激酶磷酸化的位点。IL-2蛋白可能在5~28位含有跨膜区。其蛋白二级、三级结构预测结果显示其属于亲水性蛋白,多为α-螺旋、β-转角和N端无规卷曲结构。该结果为IL-2的分子生物学探究奠定了基础。     

基于智能算法优化SVM的横向通风过程中温度场预测方法探究

将改进的智能预测技术应用于储粮横向通风过程中的粮堆温度预测,为粮食通风智能预测与决策提供了一种新思路。选取河北清苑国家粮食储备库冬季横向通风的实时监测数据,在分析主要影响因素的基础上,应用三种智能优化算法——网格寻优算法、GA遗传算法寻优、PSO粒子群算法,结合回归支持向量机理论,对粮堆的通风过程进行建模。结果表明,优化过的回归预测模型能较好地拟合粮食温度与其他变量之间的非线性关系,尤其是当样本数量较为有限时,该方法具有更高的拟合精度,更适合对储粮通风这一强非线性过程的预测研究,对于人工干预操作具有一定的现实指导意义。     

草地贪夜蛾种群性诱测报方法研究

草地贪夜蛾已经成为中国农业生产的重大害虫,准确地预测预报是指导防治的基础。本研究采用国产草地贪夜蛾性诱剂诱陷多测试了3种不同类型诱捕器对草地贪夜蛾的田间诱捕效果。结果表明,诱陷多有效期可达60 d以上,3种诱捕器中以桶型诱捕器诱捕量最高。实验室研究显示,不同日龄草地贪夜蛾雄虫精巢长轴长度有显著性差异,精巢长轴长度随日龄增加不断减小。据此规律,制定了按照精巢长轴大小判断雄蛾日龄的指标,并反演重构了田间雌、雄虫种群羽化的动态曲线。本研究表明,可以利用性诱到的雄虫的精巢发育状况推算田间种群的年龄结构,进而达到通过预测雌虫产卵与幼虫孵化动态指导防治的目的。     

大气环流指数和地面气象要素对海南省橡胶树白粉病的影响

为探讨大气环流指数和地面气象要素对海南省橡胶树白粉病病情指数的影响,利用1962—2009年逐月大气环流指数和逐日地面气象要素资料,根据橡胶树白粉病病情指数等级,结合因子膨化、相关分析和多元回归等方法,筛选影响橡胶树白粉病病情指数的大气环流指数和地面气象要素,构建等级指标,建立预测模型,并对模型进行检验。结果显示:影响橡胶树白粉病病情指数的大气环流指数依次为北半球副高面积指数、北半球副高强度指数、西太平洋副高西伸脊点、北美区极涡面积指数、亚洲区极涡强度指数和印缅槽,显著影响时段为上年7月至当年4月;地面气象要素有平均最高气温、相对湿度、平均气温≥20℃的日数、小雨日数和平均风速,显著影响时段为上年10月至当年1月;基于大气环流指数、地面气象要素、大气环流与地面气象综合因子的橡胶树白粉病病情指数预测模型准确率分别为74.3%～78.8%、74.7%、94.6%～98.3%,表明基于大气环流和地面气象综合因子的模型准确率较高,可作为海南省橡胶树白粉病的中长期预测模型。